Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Teoria Del Error
Teoria Del Error
37,5
64
1007,71cm3
Como la condicin de rechazo es (C.R.: si x > 1007,71 entonces rechazo Ho) y en la muestra hemos
obtenido
x = 1010 entonces rechazamos Ho y detenemos el proceso inmediatamente.
El nuevo ingeniero de planta nos indica que en un proceso idntico el verific que en promedio los
cilindros se llenan con 1005 cm3 y que no tiene razones para creer lo contrario, por lo tanto y
dada su amplia experiencia lo tomar como valor poblacional Cul ser la probabilidad de
detener el proceso si esta afirmacin es verdadera?
Esto significa que si el grfico anterior estaba referido a un valor poblacional o = 1000 que
suponamos verdadero, ahora graficaremos una nueva curva pero centrada en 1 = 1005 que en
caso de ser cierta tornara falsa nuestra Ho
Veamos
All podemos observar claramente que la zona grisada de la curva centrada en 1005, se
corresponde con el concepto de potencia del test (1-) pues en esta curva, la Ho es falsa y en
dicha zona grisada se debe rechazar la misma, por lo tanto representa la probabilidad de rechazar
Ho cuando en realidad es falsa.
Calculemos entonces el valor de (1-).
Simplemente se trata de calcular un rea bajo la curva normal.
Entonces haremos:
1007,71 1005
1 F
1 F (0,58) 1 0,719 0,281
37,5
64
Potencia que es muy baja. Razonemos que significan en este caso el valor de y de (1-).
H
Rechazar
(Detener el
proceso)
No Rechazar
(No detener el
proceso)
V
EL PROCESO
FUNCIONA BIEN
F
EL PROCESO
FUNCIONA MAL
P(Error Tipo I) =
= 0,05
(1-) = 0,281
(1-) = 0,95
A simple vista vemos que la potencia del test es otra. Calculemos entonces cunto vale.
1007,71 1009
1 F
1 F (0,28) 1 0,3897 0,6103
37,5
64
El test es ahora mas potente. Al alejarse la realidad 1 = 1009 de nuestro planteo (que suponemos
verdadero) o=1000 aumenta la probabilidad de detener el proceso cuando est funcionando mal.
Vemos ahora un par de casos particulares.
Caso particular en que 1 = 0
xcrit
De esta manera se puede construir una tabla para los valores de y de (1-) para los distintos
valores de 1
1
1000
1005
1007,71
1009
1010
1020
(1-)
0,7190
0,5
0,3897
0.3126
0.0043
(1-)
0,2810
0,5
0,6103
0.6874
0.9957
Con esto se podran graficar las curvas de y de (1-) en funcin de los distintos valores de 1
A las curvas de se las denomina habitualmente curvas caractersticas de operacin (C.O.) y se
las suele utilizar en grficos de control estadstico. A las curvas de (1-) se las llama curvas de
potencia. Puede encontrar ambos grficos en la bibliografa obligatoria.
Ahora la idea fundamental en estos tests es mantener en un nivel bajo tanto el error de tipo I
como el error de tipo II, por lo tanto vamos a ver dos formas de disminuir el error de tipo II que
pueden resultarnos tiles.
Relacin entre y :
Si en el test original aumentamos =0,10, la regin de rechazo se agranda, pues el crtico se
desplaza hacia la izquierda tomando el valor 1006 cm3.
Como 1 = 1005 recalculamos
Y consecuentemente va a disminuir a 0,5822 (antes era de 0,7190) y por lo tanto la potencia del
test aumentar a 0,4178 (antes era de 0,2810)
Decimos entonces que y estn inversamente relacionados. Cuando uno de ellos aumenta el
otro disminuye.
, resulta
claro que al aumentar ( n ) disminuye el valor del desvo y esto resulta en un apuntamiento de la
curva normal.
Esto provoca que (si se deja el valor de constante) se reduzca el valor de en la segunda curva.
Esto es realmente complicado de demostrar desde lo grfico, pero espero que con la explicacin
analtica previa lo logre comprender.
Concluyendo entonces, la manera aconsejable para mantener bajo control los valores de y de
es aumentando el tamao de la muestra.
Por lo tanto deduciremos la frmula de clculo correspondiente.
Si observamos nuevamente los grficos del planteo original vemos que
xcrit o z1 *
xcrit 1 z *
o z1 *
1 z *
z1 z1 *
n
0 1
z1 por z1 / 2