Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Pruebas de Hipótesis
Pruebas de Hipótesis
HIPTESIS
OBJETIVO: Determinar la validez de
supuestos poblacionales a partir del mtodo
de prueba de hiptesis para una, dos, tres o
ms poblaciones.
CONCEPTOS BSICOS
La prueba de hiptesis comienza con una suposicin,
denominada hiptesis, que hacemos entorno a un
parmetro de la poblacin. Reunimos datos
mustrales, producimos estadsticos de la muestra y
con esta informacin decidimos la probabilidad de
que el parmetro supuesto de la poblacin sea
correcto. Por ejemplo, suponemos cierto valor de una
media de la poblacin. Para verificar la validez de la
suposicin, obtenemos los datos
mustrales y
determinamos la diferencia entre el valor supuesto y el
valor real de la media muestral. A continuacin
juzgamos si la diferencia es significativa. Cuanto
menos sea la diferencia, mayores probabilidades
habr de que sea correcto el valor supuesto de la
media. Y a una diferencia ms amplia corresponder
una probabilidad menor.
No podemos aceptar ni rechazar una hiptesis referente
a un parmetro de la poblacin por mera intuicin. Por
el contrario, necesitamos aprender a decidir con
objetividad, basndonos en la informacin de la
muestra,
si
aceptamos
o
rechazamos
un
presentimiento.
a) Hiptesis
Se debe formular el supuesto valor del parmetro de la poblacin
antes de empezar el muestreo. La suposicin que se desea
probar, se denomina hiptesis nula y se representa por H0. Si se
rechaza la hiptesis nula, la conclusin que debemos aceptar se
llama hiptesis alternativa y se simboliza por H1.
Supongamos que se quiere probar la hiptesis de que el promedio de
calificacin de los alumnos de cierta Universidad es de 8.5,
entonces:
H0 : = 8.5 Establece que la media de la poblacin es igual a 8.5
b) Nivel de significancia
Supongamos que la media de
calificaciones del ejemplo anterior de
8.5, se expresa con un nivel de
confianza del 95%, entonces el nivel
de significancia ser de 0.05, es
decir:
= 1 0.95
Entonces: = 0.05 Que representa el
nivel de significancia.
Se
puede
comprender
mejor
observando la grfica siguiente:
c) Seleccin de un nivel de
significancia
No hay un nivel de significancia que
sea oficial o universal con el cual
probar las hiptesis. Pero la eleccin
del
criterio
mnimo
de
una
probabilidad aceptable, o nivel de
significancia, es asimismo el riesgo
que se corre de rechazar una
hiptesis
nula
aunque
sea
verdadera. Cuando ms alto sea el
nivel de significancia que utilizamos
al probar una hiptesis, mayores
probabilidades habr de rechazar
una hiptesis nula que sea
verdadera.
d) Errores de tipo I y II
Si se rechaza una hiptesis nula que sea verdadera es un
error de tipo I, y su probabilidad se representa con .
Si se acepta una hiptesis nula que sea falsa se llama
error de tipo II, y su probabilidad se representa con .
La probabilidad de cometer uno de estos errores se
reduce si se aumenta la probabilidad de incurrir en
otro tipo de error. A fin de conseguir una baja,
habremos de conformarnos con una alta. Para
sortear
esto
en
situaciones
personales
y
profesionales, los encargados de tomar decisiones
eligen el nivel apropiado de significancia examinando
los costos o castigos que conllevan a ambos tipos de
error.
Por ejemplo: supngase que el cometer un error de tipo I
implica el tiempo y el trabajo de reelaborar un lote de
sustancias qumicas que debera haber sido aceptado.
En cambio, el incurrir en un error de tipo II significa
correr el riesgo de que se envenene un grupo entero
de usuarios de la sustancia. La gerencia de esta
compaa preferira el error de tipo I al de tipo II y, en
consecuencia, establecera niveles muy elevados de
significancia en sus pruebas para conseguir bajas.
Realizaremos
algunos
ejemplos,
en
diferentes
condiciones cuando se
conocen las desviaciones
estndar de la poblacin.
Solucin:
Las hiptesis se expresan de la siguiente manera:
H0 : = 60,000 mi
La duracin de las llantas es de
60,000 millas
H1 : 60,000 mi La duracin de las llantas es distinta
a 60,000 millas
Primero, vamos a calcular el error estndar de la media y
para ello emplearemos la expresin del error estndar:
x
n
5,000
48
5,000
6.9282
x 721.69 mi
Lc H 0 Zx
Sustituyendo valores en ella, se tiene:
Lc = 60,000 1.96 (721.69)
Ls = 60,000 + 1,414.51 Ls = 61,414.51 millas.
Li = 60,000 1,414.51 Li = 58,585.49 millas
Entonces la media de la poblacin flucta entre
58,585.49 y 61,414.51 millas en un nivel de
confianza del 95%.
x
Z
x
59,500 60,000
Z
721.69
Z 0.693 __
X
1
x
50
1
x
7.07
x 0.1414
2.75 3
Z
0.1414
x
Z
x
0.25
Z
0.1414
Z 1.77 x
s=
= 38 dlares (desviacin
estndar estimada).
= 0.05
x
n
38
x
172
38
13.115
x 2.897
x
Z
x
Comprobando con:
407 400
2.897
7
2.897
Z 2.416 x
x
n
11
x
20
11
x
4.472
x 2.46
Lc tx
Lc = 90 1.729 (2.46)
Li = 90 1.729 (2.46)
Ls = 90 + 4.246
Li = 90 4.246
Ls = 94.25
Li = 85.75
= $600,000
= 0.05
x
n
49,000
x
7
49,000
x
2.646
x $18,518.52
Li t x
Li = 600,000 1.943 (18,518.52)
En la campana de Gauss:
Li = $564,018.52
560,000 600,000
18,518.52
40,000
18,518.52
Z 2.16x
p H 0 qH 0
n
Sustituyendo valores:
(.8)(.2)
150
0.0010666
p 0.0327
p
La probabilidad
de la muestra = 0.7,
se localiza en la zona de rechazo,
por lo que se rechaza la hiptesis
nula y se acepta la alternativa.
Vamos a demostrarlo:
Z
0.7 0.8
0.0327
0.1
0.0327
Z 3.058 p
pHo qHo
n
Sustituyendo valores:
(0.3333) (0.6667)
200
0.2222
200
p .0011 p 0.0333
0.4 0.3333
Z
0.0333
0.0667
Z
0.0333
En la campana de Gauss:
p
Z 2.003p