P. 1
proporcion

proporcion

|Views: 26|Likes:
Publicado porRaul Tovar

More info:

Published by: Raul Tovar on Feb 27, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

07/22/2014

pdf

text

original

Probabilidad y Estadística

Pruebas de hipótesis

1− 1

PRUEBAS DE HIPÓTESIS CON MUESTRAS GRANDES INTRODUCCIÓN. Recordemos que el objetivo de la estadística inferencial es conocer características de la población a partir de la información contenida en una muestra. En particular, se hacen inferencias acerca de los parámetros poblacionales desconocidos, basadas en la información contenida en una muestra. En Estadística Inferencial hay dos formas de realizar inferencias acerca de un parámetro poblacional: podemos estimar su valor que es lo que vimos la clase pasada, o bien, probar (o comprobar) una hipótesis acerca de su valor, que es lo que vamos ver esta clase. En la clase pasada vimos dos tipos de estimaciones: Puntual: En este caso para estimar el valor de un parámetro poblacional θ, usamos un estimador puntual  insesgado θ θ →θ

y podemos calcular la probabilidad de que P(|θ −θ | < c) que es una medida del error que cometemos al usar  θ para estimar θ. Por intervalo: En este caso para estimar el valor de un parámetro poblacional θ, usamos un estimador puntual  insesgado, como θ para determinar un intervalo donde σ θ es la desviación estándar de la distribución muestral de θ . [ θ − σ θ , θ + c σ θ] c

En particular, si zα/2 es tal que P(zα/2 < z ) = α/2, o equivalentemente, P(0 < z < zα/2) = (1 − α) / 2 entonces   [ θ − α/2 σ θ, θ + zα/2 σ θ] es un intervalo de confianza de 1−α z . es decir,   P([ θ − α/2 σ θ, θ + zα/2 σ θ] contenga a θ) =1−α z . Para calcular las probabilidades anteriores, se usa la distribución muestral de θ . Se supuso que se trabajaba con muestras grandes para que esta distribución fuera aproximadamente normal. −−−−−−−− − − − − − − − − − − − − − − − − − − − − − − − − − − − − − − − − −−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−− Hoy vamos a ver como se puede realizar una inferencia acerca de un parámetro poblacional probando (o comprobando) una hipótesis acerca de su valor. Veamos algunos ejemplos en donde se puede usar una prueba de hipótesis:     Un investigador en medicina propone la hipótesis de que un medicamento A es más efectivo que otro B para curar una cierta enfermedad. Un técnico de control de calidad propone la hipótesis de que un nuevo método de montaje produce sólo 5% de artículos defectuosos. Un educador afirma que dos métodos para enseñar tiene la misma eficacia. Un candidato político afirma que la mayoría de los votantes están de su parte.

En todos estos casos la hipótesis o afirmación se somete a una prueba estadística para compararla con los resultados de los datos muestrales. Vamos a ver:  Qué función de las mediciones muestrales debe utilizarse para realizar la prueba.  Cómo se decide si una muestra no concuerda con la hipótesis  Cuándo debe rechazarse la hipótesis, aceptarse la hipótesis o no decidir nada acerca de la hipótesis.  Cuál es la probabilidad de tomar una decisión equivocada. ______________________________________________________________________

que son los que hacen poco probable que p ≤ 0. se basa en la información contenida en una muestra de n mediciones. por lo tanto la región de rechazo incluye valores de x grandes. En este caso la muestra se extrae de una población binomial con parámetro p. la determinación de las regiones de rechazo y aceptación depende de la . Supongamos que x = 99. se obtiene x la cantidad de consumidores que prefieren A de los 100 de la muestra. Así el soporte de una hipótesis se obtiene mostrando la falta de soporte para la otra. El segundo elemento es la hipótesis nula que es una negación de la hipótesis alternativa.5 Ha: p > 0. rechazamos H 0 a favor de Ha y concluimos que la proporción p de consumidores que prefieren la marca A es mayor a 0. Hipótesis nula.5 se podría tener región de rechazo: [60. tomadas de una población. En función de los datos de una muestra se obtiene un número llamando la estadística de prueba (que puede ser un estimador). Si la estadística cae en la región de aceptación. La región de aceptación y que por lo tanto apoya H 0 incluye entonces valores de x chicos.Probabilidad y Estadística Pruebas de hipótesis 1− 2 ELEMENTOS DE UNA PRUEBA DE HIPÓTESIS El objetivo de toda prueba de hipótesis es probar una hipótesis acerca del valor de un parámetro poblacional. b) Se seleccionan 100 consumidores y se les pregunta si prefieren la marca A. El conjunto de todos los valores que puede tomar la estadística de prueba se divide en dos subconjuntos o regiones: región de rechazo región de aceptación Si la estadística cae en la región de rechazo. Entonces el primer elemento de la prueba de hipótesis es la afirmación o hipótesis sobre el valor de uno o más parámetros poblacionales y recibe el nombre de hipótesis alternativa. 100] región de aceptación: [0. Ejemplo. El soporte para la validez de la hipótesis alternativa Ha se obtiene mostrando. Se denota con Ha. a) Se cree que no más del 50% de los consumidores prefiere un producto de marca A. Ha: afirmación o hipótesis sobre el valor de uno o más parámetros poblacionales.5. La región de rechazo debe contener valores que apoyen Ha. x ∈ [0. Se propone como hipótesis alternativa que la proporción p de consumidores que prefieren la marca A es mayor que 50% = 0. Ha: p > 0.5 y H0: p = 0. Como x está en la región de rechazo. es decir. En ese ejemplo. c) Por ejemplo. H0: negación de la hipótesis alternativa. Hipótesis alternativa.5. usando los valores muestrales como evidencia. 100]. Ha: p > 0. En general. d) Como 0 ≤ x ≤ 100. la región de rechazo incluye valores de x que apoyan H a . se acepta H0.5. Más allá de estas consideraciones.5 La decisión de rechazar H0 y de aceptar Ha. se rechaza H0 a favor de Ha. 60) (observar que la región de rechazo contiene valores ≥ 60 que apoyan Ha).5 Se propone además H0: p = 0. que la hipótesis nula H0 es falsa.

Entonces se puede cometer un error tipo I. a) Ha: p > 0. Resumiendo Elementos de una prueba estadística. En este caso la muestra se extrae de una población binomial con parámetro p. cuales son las probabilidades de cometer cada uno de ellos y como se usa esto para determinar las regiones de rechazo y aceptación. Error tipo I: Supongamos que H0 es verdadera. 4. cuando se rechaza H0. Como el tamaño n = 100 de la muestra es grande se puede suponer normal con µx = n p = 100 (0.5. Región de rechazo.5) = 50 σx = npq = Si se define como 100(0. cosa que no conocemos. Estadística de prueba. c) Estadística de prueba: x la cantidad de consumidores que prefieren A de los 100 de la muestra. Ejemplo. resumamos cuales son los elementos de una prueba de hipótesis.5. Si H0 es verdadera y la rechazamos se comete un error llamado de tipo I. es decir.5 H0: p = 0.5)(1 − 0. Sea p la proporción de consumidores que prefieren la marca A. 3. Analicemos los errores que se pueden cometer al aceptar o rechazar H0. Hipótesis nula. β corresponde a la región de aceptación. Decisión Rechazar H0 Aceptar H0 Verdadera Error tipo I Decisión correcta Hipótesis nula Falsa Decisión correcta Error tipo II La validez o bondad de una prueba de hipótesis se mide mediante las probabilidades de cometer cada uno de estos errores α probabilidad de cometer un error de tipo I β probabilidad de cometer un error de tipo II α corresponde a la región de rechazo. x tiene una distribución binomial con parámetro p = 0. Veamos como se calcula α. 2. Tabla de decisiones. La hipótesis nula H0 puede ser verdadera o falsa. Si H0 es falsa y la aceptamos se comete un error llamado de tipo II. 1.5 b) Se seleccionan 100 consumidores y se les pregunta si prefieren la marca A.5) = 5 . Antes de ver esto. se cumple que p = 0. Como H0 es verdadera. Hipótesis alternativa.Probabilidad y Estadística Pruebas de hipótesis 1− 3 probabilidad de cometer errores con la que se quiera trabajar. Volvamos al ejemplo que estábamos considerando.

Es decir x caerá en la región de rechazo 2. y por ende β. Vemos además que el valor de α queda fijo al fijar la región de rechazo.Probabilidad y Estadística Pruebas de hipótesis 1− 4 región de rechazo: x ≥ µ + 2σ = 60. que es 0. x tiene una distribución binomial con parámetro p desconocido. como desconocemos p no es imposible calcular la probabilidad de x que caiga en un determinado intervalo. la probabilidad de cometer un error tipo I. es decir.025. Error tipo II: Supongamos que H0 es falsa.5.5. podemos ver como se comporta β de acuerdo a si p se encuentra cerca o lejos del valor estipulado en H0. se cumple que p ≠ 0. es decir de rechazar H0 siendo esta verdadera es α = P( x ≥ 60 ) = 0. Como el tamaño n = 100 de la muestra es grande se puede suponer normal con µ = n p = 100 p σ = npq = 100 p (1 − p ) Aunque sabemos que la distribución de x es normal. cometiéndose un error al rechazar H 0 siendo verdadera. Sin embargo. Como H0 es falsa. .5% de las veces. Entonces se puede cometer un error tipo II.

es decir. 2. β en este caso es grande. En general se tiene. En definitiva. 3. Se especifica α. no se toma decisión alguna y se recolectan más datos. Recordemos que una estadística de prueba es un número que se obtiene en función de los datos de una muestra.5. 2. Se selecciona un tamaño n de muestra para lograr un β adecuado. Mientras más grande (chica) sea la diferencia entre el valor que se use para definir H0 y el valor real del parámetro. Es decir. En la práctica. Se supone que θ es un estimador insesgado que tiene una distribución de muestreo aproximadamente normal. Propiedades de α y β 1. Los pasos que se suelen seguir son: 1.Probabilidad y Estadística Pruebas de hipótesis 1− 5 Si p = 0. sea θ es un estimador insesgado de un parámetro θ . y por ende de equivocarnos. ˆ ˆ  p 1 − p 2 es un estimador insesgado del parámetro p1 − p2. de modo general. que se vio para un ejemplo concreto (parámetro p de una población binomial). β corresponde a la región de aceptación. α corresponde a la región de rechazo. Mientras más grande (chica) es la región de rechazo más chica (grande) es la región de aceptación. De este modo. menor es probabilidad de cometer un error tipo II. Si p = 0. menor es β. Si α crece (disminuye) entonces β disminuye (crece). En función de α. tendríamos una evidencia muy fuerte para rechazar H 0: p = 0. De este modo. Si se aumenta el tamaño de la muestra α y β disminuyen. 4. Si α crece (disminuye) entonces β disminuye (crece). en la muestra de 100 consumidores casi la totalidad estará a favor de la marca A. El último paso es el que en general no se puede llevar a cabo porque es necesario conocer los distintos valores de β para diferentes valores del parámetro en prueba. en la muestra de 100 consumidores casi la mitad estaría a favor de la marca A. con lo cual se está en riesgo de cometer un error de tipo II. tendríamos evidencia como para aceptar H0: p = 0. Es decir.  x 1 − x 2 es un estimador insesgado del parámetro µ1 − µ2. Si la estadística de prueba cae en la región de aceptación. ˆ  La proporción muestral p es un estimador insesgado del parámetro p. β en este caso es chico. se determina la región de rechazo. El valor de α se fija al escoger la región de rechazo.   En general.5.9.55. menor (mayor) será β. Al idear una prueba de hipótesis se consideran los valores α y β que se quieren tolerar. El valor de β dependerá del valor que se use para definir H0. y por ende de no equivocarnos. ___________________________________________________________________________ PRUEBA ESTADÍSTICA PARA MUESTRAS GRANDES Ahora enunciaremos lo anterior. si la estadística de prueba cae en la región de rechazo. mientras mayor sea la diferencia entre p real y el que propone H0. con lo cual x estaría bastante cerca de 100. Relación entre los dos tipos de errores. podemos cometer un error tipo I y sabemos cual es la probabilidad α de cometerlo. Se puede usar como estadística de prueba un estimador puntual insesgado que tenga una distribución de muestreo aproximadamente normal para tamaños grandes de muestra como los que vimos la clase pasada:  La media muestral x es un estimador insesgado de la media poblacional µ. 3. .

p. 243) Ha: θ < θ 0. θ < θ 0. región de rechazo: { θ < θ 0 − C} En ambos casos se dice que es una prueba estadística de una extremidad o cola pues la región de rechazo se localiza en un sólo extremo de la distribución muestral de la estadística de prueba. que es normal con media θ = θ 0 y desviación estándar σ θˆ . En el caso de una prueba de dos colas. es normal con media θ a y desviación estándar σ θˆ . Con esta distribución de probabilidad se tiene (ver Figura 7.4. P({ θ < θ 0 + C}) = β   Para pruebas de dos colas: Ha: θ ≠ θ 0. y se define región de rechazo: { θ > θ 0 + C}. P({ θ > θ 0 + C}) = α (ver Figura 7.    Si se quiere probar que el parámetro poblacional θ es distinto de cierto valor θ 0. a cada mitad de la región le corresponde una probabilidad α / 2. Así se elige un C > 0.Probabilidad y Estadística  Pruebas de hipótesis 1− 6 Supongamos que se quiere probar que el parámetro poblacional θ es mayor que un cierto valor θ 0. es decir Ha: θ > θ 0 Se propone entonces como hipótesis nula H 0: θ = θ 0  Estadístico de prueba: θ La región de rechazo debe contener valores de θ que apoyen Ha. θ > θ 0. Probabilidad α de un error tipo I. θ 0 + C valor crítico de la estadística de prueba (separa la región de rechazo de la región de prueba).3. P({ θ < θ 0 − C}) = α Para pruebas de dos colas: Ha: θ ≠ θ 0     P({ θ < θ 0 − C} ∪ { θ > θ 0 + C}) = P({ θ < θ 0 − C}) + P({ θ > θ 0 + C}) = α ⇒ P({ θ < θ 0 − C}) = P({ θ > θ 0 + C}) = α/2       (ver Figura 7. P({ θ > θ 0 − C}) = β . p. correspondiente a la región de rechazo.    Si se quiere probar que el parámetro poblacional θ es menor que un cierto valor θ 0.5. 243) Probabilidad β de un error tipo II. Ha: θ < θ 0 H0: θ = θ 0  Estadístico de prueba: θ La región de rechazo debe contener valores de θ que apoyen Ha. se tendría Ha: θ ≠ θ 0 H0: θ = θ 0  Estadístico de prueba: θ región de rechazo: { θ < θ 0 − C} o { θ > θ 0 + C} y se dice que es una prueba estadística de dos extremidades o colas pues la región de rechazo se localiza en ambos extremos de la distribución muestral de la estadística de prueba.  Es la probabilidad de que θ caiga en la región de rechazo siendo H 0 verdadera.  Para pruebas de una cola: Ha: θ > θ 0. P({θ 0 − C < θ < θ 0 + C}) = β Ha: θ < θ 0. 244)  Para pruebas de una cola: Ha: θ > θ 0. bajo la curva de la distribución muestral de θ . Luego es el área.  Es la probabilidad de que θ caiga en la región de aceptación siendo H0 falsa. Luego la distribución  muestral de θ . Supongamos que H0 es falsa y que en realidad θ = θ a siendo θ a desconocido. p.

4. Prueba de una extremidad (o cola) Ha: θ > θ 0 (θ < θ 0) Prueba de dos extremidades (o colas) Ha: θ ≠ θ 0. z = ˆ ϑ −θ0 σ ϑˆ  ˆ ϑ −θ0 σ ϑˆ 4. z zα/2 es tal que P(z > zα/2) = P(z < − α/2) = α/2. Región de rechazo. z (ver figuras del recuadro p. z = x − µ0 x − µ0 = σx σ/ n Si no se conoce σ se sustituye por s. z Suposición: Se seleccionó una muestra aleatoria de tamaño n ≥ 30. −−−−−−−− − − − − − − − − − − − − − − − − − − − − − − − − − − − − − − − − −−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−− Si se utiliza como estadístico de prueba la variable z= que es la desviación de una variable aleatoria θ . z zα/2 es tal que P(z > zα/2) = P(z < − α/2) = α/2. respecto a θ 0.Probabilidad y Estadística Pruebas de hipótesis 1− 7 (ya no hay simetría respecto a θ 0. Prueba de una extremidad (o cola) Ha: µ > µ0 (µ < µ0) Prueba de dos extremidades (o cola) Ha: µ ≠ µ0. Hipótesis alternativa. 245) Suposición: Se seleccionó una muestra aleatoria de tamaño grande n (≥ 30). Estadística de prueba. H0: µ = µ0. se pueden reescribir las pruebas anteriores como Prueba estadística para muestras grandes 1. 2. Región de rechazo. sino respecto a θ a). Hipótesis nula. Hipótesis alternativa. 3. Prueba de una extremidad (o cola): z > zα (z < − α) z zα es tal que P(z > zα) = P(z < − α) = α. z Prueba de dos extremidades (o cola): z > zα/2 o z < − α/2. z Prueba de dos extremidades (o cola): z > zα/2 o z < − α/2. expresada en unidades de σ θˆ . Hipótesis nula. H0: θ = θ 0. Estadística de prueba. En particular se tiene ___________________________________________________________________________ PRUEBA DE HIPÓTESIS PARA UNA MEDIA POBLACIONAL Prueba estadística para µ en el caso de muestras grandes 1. 2. Prueba de una extremidad (o cola): z > zα (z < − α) z zα es tal que P(z > zα) = P(z < − α) = α. si α = P(error tipo I). 3. .

Prueba de una extremidad (o cola) Ha: µ 1 − µ2 > D0 (µ1 − µ2 < D0) Prueba de dos extremidades (o cola) Ha: µ 1 − µ2 ≠ D0. bajo la curva normal que tiene media µ = 870 desviación estándar σ x = 21 50 = 2. Hipótesis nula.97 Región de rechazo. 247) Así si µ fuera en realidad 870 toneladas. entonces z = − 3. p. z Si se quiere α = 0.82 tiene un coeficiente de confianza 1 − α = 0. Hipótesis alternativa. (b) ¿Cuál es la probabilidad β de aceptar H0 si el valor real de µ fuera 870 toneladas?. Luego Región de rechazo. z ± 1. z > 1.05. Entonces rechazaríamos µ = 880 pues no cae en este intervalo.96 (ver Figura 7.95 = 95%. . Hipótesis nula. La producción diaria de una planta industrial química registrada durante n = 50 días tiene una media x = 871 toneladas y una desviación estándar s = 21 toneladas.96 + 880 x de 874.7. Estadística de prueba.0793 (ver Figura 7.Probabilidad y Estadística Pruebas de hipótesis 1− 8 Ejemplo. Así rechazamos que el promedio de la producción diaria es µ = 880 toneladas por día y la probabilidad de equivocarnos es de 5%.18 a 885. H0: µ = 880. 2. entonces zα/2 = 1. H0: µ1 − µ2 = D0. Como x = 871 < 880. 246) Como x = 871. se sospecharía que en realidad µ < 880. Si usáramos intervalos de confianza tendríamos que el intervalo x ± zα/2 σ / n ≅ 871 ± 5.96 o z < − 1. Prueba de dos extremidades (o cola): z > zα/2 o z < − α/2.96 x − 880 21 / 50 ± 1. Hay un 95% de probabilidad de que este intervalo contenga a µ.03 que cae en la región de rechazo. (a) Probar la hipótesis de que el promedio de la producción diaria es µ = 880 toneladas por día contra la alternativa de que µ es mayor o menor a 880 toneladas por día. Hipótesis alternativa.96. Región de aceptación.6. p.96 x ± 21 50 1. la probabilidad β de aceptar H0: µ = 880 es 7. correspondiente a la región de aceptación. Prueba de dos extremidades (o cola) Ha: µ ≠ 880. ________________________________________________________________________________ PRUEBA DE HIPÓTESIS PARA LA DIFERENCIA DE DOS MEDIAS POBLACIONALES Prueba estadística para µ 1 − µ 2 en el caso de muestras grandes 1.82 β es el área.96 ( x − 880) ± 21 50 1. z = x − µ0 σ/ n = x − 880 σ / 50 ≅ x − 880 s / 50 = x − 880 21 / 50 ≅ x − 880 2.9%.97 β = 0.

z Prueba de dos extremidades (o cola): z > zα/2 o z < − α/2. Hipótesis alternativa. 4. Estadística de prueba. Prueba de una extremidad (o cola): z > zα (z < − α) z zα es tal que P(z > zα) = P(z < − α) = α. H0: p = p0. ˆ p − p0 3. z Suposición: El muestreo aleatorio satisface las características de un experimento binomial y el tamaño de la muestra n ≥ 30. Prueba de una extremidad (o cola) Ha: p1 − p2 > D0 (p1 − p2 < D0) Prueba de dos extremidades (o cola) Ha: p1 − p2 ≠ D0. donde p = ˆ ˆ pq +  n1 + n2   n1 n 2  ˆ ˆ p1 − p 2 . Región de rechazo. z = ˆ ˆ p1 − p 2 − D0 p1 q1 p 2 q 2 + n1 n2 x1 + x 2 ˆ 1 . Hipótesis nula. Región de rechazo. z zα/2 es tal que P(z > zα/2) = P(z < − α/2) = α/2. z = = σ p1 − p2 ˆ ˆ Como p1 y p2 se desconoce. Prueba de una extremidad (o cola) Ha: p > p0 (p < p0) Prueba de dos extremidades (o cola) Ha: p ≠ p0. Hipótesis alternativa. Si D0 = 0. z Prueba de dos extremidades (o cola): z > zα/2 o z < − α/2. 2. z zα/2 es tal que P(z > zα/2) = P(z < − α/2) = α/2. z Suposición: Los dos muestreos son aleatorios e independientes de tamaños n1 ≥ 30 y n2 ≥ 30. Hipótesis nula. z = = σp ˆ ˆ p − p0 p0 q0 n 4. z = = σ x1 − x 2 Si no se conocen σ1 y σ2 se sustituyen por s1 y s2. Estadística de prueba.Probabilidad y Estadística Pruebas de hipótesis x 1 − x 2 − D0 2 σ 12 σ 2 + n1 n2 1− 9 x 1 − x 2 − D0 3. Prueba de una extremidad (o cola): z > zα (z < − α) z zα es tal que P(z > zα) = P(z < − α) = α. Estadística de prueba. ˆ ˆ p1 − p 2 − D0 3. ___________________________________________________________________________ PRUEBA DE HIPÓTESIS PARA LA PROPORCIÓN POBLACIONAL Prueba estadística para p en el caso de muestras grandes 1. 1  . H0: p1 − p2 = D0. 2. ___________________________________________________________________________ PRUEBA DE HIPÓTESIS PARA LA DIFERENCIA DE DOS PROPORCIONES POBLACIONALES Prueba estadística para p1 − p2 en el caso de muestras grandes 1.

Prueba de dos extremidades (o cola) Ha: µ ≠ 880. la región de rechazo debería contener mínimamente este valor observado de la estadística de prueba. z zα/2 es tal que P(z > zα/2) = P(z < − α/2) = α/2. La producción diaria de una planta industrial química registrada durante n = 50 días tiene una media x = 871 toneladas y una desviación estándar s = 21 toneladas.03 p es la probabilidad de cometer un error tipo I con esta región de rechazo p = P(z ≥ 3. Prueba de una extremidad (o cola): z > zα (z < − α) z zα es tal que P(z > zα) = P(z < − α) = α. Estadística de prueba. z=− 3.03 es un valor observado de z. La idea es que un valor observado de la estadística de prueba distinto al que afirma H0. z > 1. suele denominarse nivel de significación asociada a una prueba estadística. Ejemplo. por lo tanto la mínima región de rechazo posible sería z > 3.Probabilidad y Estadística ˆ ˆ p1 − p 2 − D0 ˆ ˆ ˆ ˆ Si D0 ≠ 0. al utilizar esta prueba estadística se elegirán valores de α ≥ 0. Por lo tanto. satisfacen las características de experimentos binomiales y los tamaños de las muestras son n1 ≥ 30 y n2 ≥ 30. z = p1 q1 p 2 q 2 + n1 n2 Pruebas de hipótesis 1− 10 4.03 es un valor observado de z.0024. Prueba de dos extremidades (o cola): z > zα/2 o z < − α/2. a favor de Ha. z (Antes se usó α = 0. es el mínimo nivel de significación para el cual los datos observados indican que se tendría que rechazar la hipótesis. apoya el rechazo de H0.96. z Prueba de dos extremidades (o cola): z > zα/2 o z < − α/2. El valor p. z Suposición: Los dos muestreos son aleatorios e independientes.03) = 0. Luego Región de rechazo. entonces z = − 3. .96) Veamos como se determina el valor p de esta prueba.96 o z < − 1. Región de rechazo. La región de rechazo de H 0. ___________________________________________________________________________ VALORES p En lo que sigue p no se refiere al parámetro de una población binomial. debería incluir mínimamente este valor. α. El mínimo nivel de significación p se determina en función de la mínima región de rechazo que se puede considerar teniendo en cuenta que se ha observado un determinado valor para la estadística de prueba. Región de rechazo.0024.03 o z < − 3. entonces zα/2 = 1. La probabilidad de un error tipo I. Hipótesis nula. H0: µ = 880.05. Hipótesis alternativa. z = x − µ0 σ/ n = x − 880 σ / 50 ≅ x − 880 s / 50 = x − 880 21 / 50 Se tiene el valor x = 871. Por lo tanto.03) + P(z ≤ − 3.

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->