4 PRUEBAS DE HIPÓTESIS CON DOS MUESTRAS Y VARIAS MUESTRAS DE DATOS NUMÉRICOS.

no exigen tantas restricciones sobre la naturaleza de la población. La prueba de hipótesis para dos muestras es casi semejante a la prueba de una sola muestra es decir que este capítulo se tomaran dos muestras aleatorias para determinar si proviene de una misma población o a su vez de poblaciones iguales. La inferencia estadística se ocupa de la obtención de conclusiones en relación a un gran número de sucesos. de igual manera las desviaciones estándar de las dos poblaciones son iguales. Así mismo puedo entender que en el caso de que se den las dos poblaciones iguales. siendo los <<parámetros>> los valores numéricos de la población.4. en base a la observación de una muestra obtenida de ellos. si las diferencias observadas entre dos muestras significan que las poblaciones de las que se han obtenido las muestras son realmente diferentes.1 PRUEBA DE HIPOTESIS CON DOS MUESTRAS Y VARIAS MUESTRAS DE DATOS NUMÉRICOS.las que se caracterizan por una medición. Dos son los problemas que trata de resolver la estadística inferencial en torno a las pruebas estadísticas: 1º determinar si es probable que un valor obtenido a partir de una muestra pertenece realmente a una población. en términos de probabilidad. estas son iguales a la suma de dos variables individuales.. a partir de la evidencia que suministra las muestras.existe una formación de pares de las observaciones correspondientes. llamadas también de <<libre distribución>>. ya que atienden más a la ordenación de los datos que a su valor numérico. Existen casos en que las muestras no son independiente sino son dependientes o que a su ves estas están relacionadas entre si Por tal razón puedo entender que existen dos tipos de muestras dependientes. test of hypothesis). 2º determinar. Las primeras establecen un buen número de restricciones sobre la naturaleza de la población de la que se obtiene los datos. Así mismo constituyo que para realizar una comparación de poblaciones con muestras pequeñas es necesario tener en cuanta las siguientes suposiciones: las dos muestras provienen de poblaciones independientes. A partir de ambas determinaciones se desarrollan los fundamentos de las pruebas de decisión estadísticas o pruebas de hipótesis (en inglés.. Como consiguiente tenemos que el número de grados de libertad en la prueba es igual al número total de elementos muestreados. Los métodos de la estadística inferencial señalan los procedimientos que se han de seguir para poder extraer conclusiones válidas y fiables. así mismo las poblaciones muestreadas siguen una distribución normal. menos el número de muestras. 4. En el caso que existan poblaciones independientes. Las segundas. una intervención de cierto tipo y esta a su ves otra medición.2 distribuciones normal y t de estudent. . Por ende las muestras deben ser suficientemente grandes para que la distribución de las medias muéstrales siga una distribución normal. se esperara que la media entre las dos medias muéstrales sea cero. 2. 1. Existen dos tipos de técnicas estadísticas inferenciales: las paramétricas y las aparamétricas.

por ejemplo: efecto de una misma dosis de un fármaco.) de una especie. por ejemplo: consumo de cierto producto por un mismo grupo de individuos. . para un mismo valor de p y valores de n cada vez mayores. En otras ocasiones. pesos. diámetros. grado de adaptación a un medio. envergaduras. la distribución t (de Student) es una distribución de probabilidad que surge del problema de estimar la media de una población normalmente distribuida cuando el tamaño de la muestra es pequeño. Otras distribuciones como la binomial o la de Poisson son aproximaciones normales.ejm. perímetros.. Su propio nombre indica su extendida utilización. por ejemplo: cociente intelectual.. al considerar distribuciones binomiales. Caracteres fisiológicos. tallas.. puntuaciones de examen. En probabilidad y estadística... tipo B(n.. p. Y en general cualquier característica que se obtenga como suma de muchos factores. la importancia de la distribución normal se debe principalmente a que hay muchas variables asociadas a fenómenos naturales que siguen el modelo de la normal Caracteres morfológicos de individuos (personas.Distribución Normal DISTRIBUCION NORMAL La distribución normal es muy importante por lo siguiente: Esta distribución es frecuentemente utilizada en las aplicaciones estadísticas. En resumen. Aparece de manera natural al realizar la prueba t de Student para la determinación de las diferencias entre dos medias muestrales y para la construcción del intervalo de confianza para la diferencia entre las medias de dos poblaciones cuando se desconoce la desviación típica de una población y ésta debe ser estimada a partir de los datos de una muestra.. se ve que sus polígonos de frecuencias se aproximan a una curva en "forma de campana". animales. Caracteres sociológicos. justificada por la frecuencia o normalidad con la que ciertos fenómenos tienden a parecerse en su comportamiento a esta distribución.p). Caracteres psicológicos. por ejemplo : la media. . Valores estadísticos muestrales. o de una misma cantidad de abono..... Errores cometidos al medir ciertas magnitudes. Muchas variables aleatorias continuas presentan una función de densidad cuya gráfica tiene forma de campana. plantas.

con el objetivo de explicar si dichas diferencias se mantienen dentro de los límites previstos por el diseño estadístico (un error y una confianza esperados) o si. . Variable de agrupación: aquí se debe introducir la variable que se utiliza para definir los grupos de sujetos sobre los que se estudian las diferencias. al segundo. En estadística. Si el valor de la variable para un individuo es menor o igual que el valor especificado. la diferencia entre ellas resulta lo suficientemente grande como para inferir que ha ocurrido un cambio real en el indicador.4 comparación de dos muestras independientes: pruebas t para las diferencias entre dos medias. y para ello. o significativa en el sentido estricto de la palabra. importante. entonces la hipótesis nula es rechazada. de un trimestre con respecto a otro. el nivel de significatividad de un contraste de hipótesis es una probabilidad P tal que la probabilidad de tomar la decisión de rechazar la hipótesis nula . En otros términos. se utiliza el procedimiento Prueba T para muestras independientes. o el valor de la variable que hará de corte para definir dichos grupos. El nivel de significación de un test es un concepto estadístico asociado a la verificación de una hipótesis. aquellas variables sobre las que se va a contrastar si hay o no. La decisión se toma a menudo utilizando el valor P (o p-valor): si el valor P es inferior al nivel de significación.4. Entonces el sistema activa el botón definir grupos y al presionarlo aparece una ventana donde se introducen los valores de la variable que definen los dos grupos de sujetos a comparar. se define como la probabilidad de tomar la decisión de rechazar la hipótesis nula cuando ésta es verdadera (decisión conocida como error de tipo I. es decir.cuando ésta es verdadera . Para comparar las medias de dos muestras procedentes de dos poblaciones normales e independientes. un resultado se denomina estadísticamente significativo cuando no es probable que haya sido debido al azar. Cuanto menor sea el valor P. 4.3 pruebas de significancia Las pruebas de significancia estadística son un procedimiento que brinda un criterio objetivo para calificar las diferencias que se presentan al comparar los resultados de dos muestras. se selecciona: A continuación se abre una ventana con los siguientes campos: Contrastar variables: donde se han de introducir las variables que se van a analizar. Una "diferencia estadísticamente significativa" solamente significa que hay evidencias estadísticas de que hay una diferencia.no es mayor que P. Estas pruebas son importantes porque con frecuencia se tiende a analizar los datos de una encuesta por muestreo probabilístico como si fueran los datos provenientes de un censo. no significa que la diferencia sea grande. por el contrario. el individuo pertenecerá al primer grupo. o "falso positivo"). como si fuera una diferencia real cuando no necesariamente es así. En pocas palabras. De ahí que muchas veces se asume la diferencia en el valor de un indicador. y en caso contrario. diferencias de grupos. más significativo será el resultado.

Y2. En primer lugar se desarrollará el test t de Student para el caso en el que se verifiquen ambas condiciones.. En general no se exigirá que coincida el número de observaciones en cada uno de los grupos que se comparan. de modo que en el ejemplo planteado la hipótesis de partida será.. La comprobación de esta hipótesis puede realizarse tanto por métodos gráficos (por medio de histogramas. discutiendo posteriormente el modo de abordar formalmente el caso en el que las varianzas no sean similares... de modo que en el ejemplo n=40 y m=35.sav. . por último pulsamos continuar y aceptar para ejecutar el procedimiento. Para ello. no obstante. X2..Opciones: presionando este botón se obtiene una ventana donde se especifica igual que en la sección anterior el nivel de confianza para el intervalo y la forma de tratar los valores missing.. seleccionamos el procedimiento prueba t para muestras independientes. y elegimos la variable tiemdoc para llevarla al campo contrastar variables. Bajo las hipótesis de normalidad e igual varianza la comparación de ambos grupos puede realizarse en términos de un único parámetro como el valor medio. test de Shapiro-Wilks). Un número suficiente de observaciones (digamos mayor de 30) como ocurre en el ejemplo planteado justifica. Vamos a comprobar si existen diferencias significativas entre los tiempos medios de dedicación a la docencia. El t test para dos muestras independientes se basa en el estadístico: . Como ya se ha adelantado. consideremos los datos que se muestran en la correspondientes a 75 individuos con sobrepeso sometidos a dos dietas alimenticias distintas. para los profesores asociados y los titulares de universidad de profesores2.. Uno de los análisis estadísticos más comunes en la práctica es probablemente el utilizado para comparar dos grupos independientes de observaciones con respecto a una variable numérica. Seguidamente seleccionamos como variable agrupación la variable categoría. Como ejemplo. la aplicación de un contraste paramétrico requiere la normalidad de las observaciones para cada uno de los grupos. diagramas de cajas o gráficos de normalidad) como mediante tests estadísticos5 (test de Kolmogorov-Smirnov. presionamos el botón definir grupos.Ym} al peso observado en cada uno de los sujetos sometidos a la dieta A y a la dieta B respectivamente. Así mismo. por lo tanto: H0: La media de peso inicial es igual en ambos grupos Se denotará por {X1.. de modo que se desea comparar el peso de los individuos que iniciaron cada una de las dietas. la utilización del mismo test.Xn} e {Y1. y tecleamos un 1 en el primer grupo y un 3 en el segundo. este tipo de metodología exigirá que la varianza en ambos grupos de observaciones sea la misma.

a fin de observar el nivel de significación. Fisher. 4. que es un parámetro de dispersión. se establece una relación dividiendo la que tenga mayor valor con la que tenga menor valor y esa es la relación F.90.25. debido a la baja probabilidad de que sean las mismas. En este ejemplo no es posible considerar aX eY como variables independientes ya que va a existir una dependencia clara entre las dos variables.25.5.5 ( y llevados al cuadrado son. 4. 16. para saber si existe diferencia significativa entre sus dos varianzas (si son las mismas o son diferentes) y tomar una decisión de venta más racional. .0.0.6 comparaciones de dos muestras pareadas. o sea: Niveles de significación: 20% 10% 5% 1% 0.2. 6.5. calificando con puntos las respuestas de los clientes (desde ³0´ grado de aceptación. Igualmente para cada muestra se calcula su grado de libertad . entonces se trabaja con el test ³ F ³ de R.95.2. Las muestras apareadas se obtienen usualmente como distintas observaciones realizadas sobre los mismos individuos. 5.0 (y sus valores al cuadrado son: 9. Cuando el valor de F calculado para las muestras es superior al valor F de la Tabla de Fisher. Un ejemplo de observaciones pareadas consiste en considerar a un conjunto de n personas a las que se le aplica un tratamiento médico y se mide por ejemplo el nivel de insulina en la sangre antes (X) y después del mismo (Y).50 y para el Menú B nos arroja 3.95 / 0.36. Vamos a la Tabla F de Fisher y observamos los diferentes niveles de significación para Valores Críticos de F. la cual diría que las dos varianzas son diferentes. 4. 2) Ahora se debe comparar el valor calculado de F con los valores de la Tabla de Fisher.4.98. hasta el grado ³10´ el cual indica un máximo puntaje de aceptación).16. y admitir la Hipótesis Alternativa o de Trabajo. En seguida aplicaremos el método con un ejemplo: Se utilizan dos menús en un restaurante urbano para medir el grado de aceptación por parte de los comensales y saber si los dos menús se pueden o no utilizar indiferentemente.6.5. por lo que es necesario primero estimar las desviaciones típicas o estándar. porque es mayor que 6.5 Ahora bien si comparamos el valor obtenido de las muestras igual a F=7. Ejemplos para comparar varianzas Cuando la comparación es entre varianzas. 1) Luego que se conocen las dos varianzas de las muestras.16.2. 4. o sea: el número de datos menos la unidad. para poder aceptar o no la hipótesis nula. El dueño del restaurante tendría que saber que puede utilizar los dos menús de una manera indiferente.2. Entonces. Si se tienen dos muestras y se quiere determinar si sus dispersiones se pueden considerar como idénticas o como diferentes. También se pueden comparar datos de venta de un mismo producto turístico en dos países emisivos distintos. el método que se debe seguir es como sigue: Se calculan las varianzas respectivas de las dos muestras.2 y menor que 15. 50.0) Al estimar la varianza para el Menú A nos arroja 0. A.0. Veamos los datos siguientes: Valores para las cinco pruebas con el menú A.5 = 7. 15. podemos rechazar la Hipótesis Nula que diría que las dos varianzas son iguales. ya que la varianza es el cuadrado de la desviación típica.25). Ahora podemos establecer la relación entre las varianzas para estimar la F empírica: F = 3.1% Valor crítico de F: 2. se puede admitir que el resultado es más significativo que el nivel de significación elegido.5 pruebas de Fisher para varianzas y de igualdad de las varianzas de dos poblaciones normales. Para ello se ejecutan 5 pruebas con el Menú A y 7 pruebas con el Menú B. 4.4. los valores para las siete pruebas con el Menú B son: 3. según los números de grados de libertad. podemos decir que se ubicaría en la Tabla de Fisher entre 5% y 1%.25.

El fundamento en el que se basan es en suponer que el bloque es más homogéneo que el conjunto. A. teóricamente infinitos. siendo por tanto una pareja un caso particular de bloque de 2 elementos. e ingeniería. El análisis de la varianza permite contrastar la hipótesis nula de que las medias de K poblaciones (K >2) son iguales. por lo que restringiendo las comparaciones entre tratamientos al interior de los bloques se espera obtener una mayor precisión. frente a la hipótesis alternativa de que por lo menos una de las poblaciones difiere de las demás en cuanto a su valor esperado.Si se quiere contrastar si hay diferencia entre las poblaciones. de los que únicamente una muestra al azar (t niveles) están presentes en el experimento. llamemos di a la diferencia entre las observaciones ³antes´ y ³después´. biología. El Anova requiere el cumplimiento los siguientes supuestos: . Los modelos de efectos aleatorios se usan para describir situaciones en que ocurren diferencias incomparables en el material o grupo experimental. en el cual la varianza está particionada en ciertos componentes debidos a diferentes variables explicativas. Este modelo se supone cuando el investigador está interesado por una población de niveles. el análisis de la varianza (ANOVA.7 modelo totalmente aleatorio: análisis de varianza de un factor. El ejemplo más simple es el de estimar la media desconocida de una población compuesta de individuos diferentes y en el que esas diferencias se mezclan con los errores del instrumento de medición. que es la prueba que se utiliza para comparar más de dos grupos. Hablaremos de este tipo de diseños más adelante. Fisher en los años 1920 y 1930 y es algunas veces conocido como "Anova de Fisher" o "análisis de varianza de Fisher". según terminología inglesa) es una colección de modelos estadísticos y sus procedimientos asociados. Este contraste es fundamental en el análisis de resultados experimentales. para pasar a "diseñar" el estudio o experimento. en los que interesa comparar los resultados de K 'tratamientos' o 'factores' con respecto a la variable dependiente o de interés. En estadística. En estas técnicas de formación de bloques el investigador deja de ser un mero observador. 4. debido al uso de la distribución F de Fisher como parte del contraste de hipótesis. del factor de estudio. cuando dediquemos algún artículo al análisis de la varianza. El concepto de prueba pareada se puede extender a comparaciones de más de dos grupos y hablaremos entonces de bloques de m elementos (tantos elementos por bloque como grupos o tratamientos). Las técnicas iniciales del análisis de varianza fueron desarrolladas por el estadístico y genetista R. desde la agricultura donde se inició. y es una metodología de gran utilidad en muchos tipos de trabajos de investigación en diversas áreas. a la medicina.

siendo en ambos casos condición necesaria que las poblaciones de origen sean normales o aproximadamente normales: MUESTRAS INDEPENDIENTES Si puede suponerse que las varianzas de ambas poblaciones son iguales. Si las varianzas poblacionales no pueden suponerse iguales los límites del intervalo de confianza son: . siendo sus límites superior e inferior: t /2 es el valor crítico correspondiente al grado de confianza 1. cuantifica la dispersión de los valores de cada muestra con respecto a sus correspondientes medias. Las K muestras sobre las que se aplican los tratamientos son independientes. cuantifica la dispersión de las medias de las muestras con respecto a la media global. el intervalo de confianza para la diferencia de medias poblacionales está centrado en la diferencia de las medias muestrales. como ya se ha visto anteriormente. en dos partes: obtenida a partir de toda la Variación dentro de las muestras (SCD) o Intra-grupos. que bajo el supuesto de que H0 es cierta es una estimación de información muestral. Variación entre muestras (SCE) o Inter-grupos. En ocasiones interesa definir un intervalo de valores tal que permita establecer cuáles son los valores mínimo y máximo aceptables para la diferencia entre las medias de dos poblaciones. El ANOVA se basa en la descomposición de la variación total de los datos con respecto a la media global (SCT). 4. Pueden darse dos situaciones según las muestras sean o no independientes. Las poblaciones tienen todas igual varianza (homoscedasticidad). el valor crítico t /2 se aproxima.Las poblaciones (distribuciones de probabilidad de la variable dependiente correspondiente a cada factor) son normales.8 selección del tamaño de muestra para estimar la diferencia de dos medias. En la práctica si n1 y n2 son moderadamente grandes.de la distribución t de Student con n1+ n2-2 grados de libertad y es una estimación de la desviación típica común a ambas poblaciones obtenida a partir de las varianzas de las dos muestras. a los valores de la distribución normal.

uno de los cuales estará formado por todos los casos con valores menores que el especificado y el otro por el resto de casos.intervalo de confianza para la diferencia de medias al 95% por defecto. antes de aceptar hay que modificarlo con el botón Opciones. Si se quiere cambiar el grado de confianza del intervalo. Si la variable de agrupación presenta sólo dos valores o modalidades.resultados de la prueba T para contrastar la igualdad de medias . Si la variable tiene más de 2 valores o modalidades se elige la opción Punto de corte indicando el valor de la variable que induce una partición en dos grupos. Al aceptar se obtienen: . Para contrastar la hipótesis de igualdad de medias y obtener el intervalo de confianza la secuencia es: Analizar Comparar medias Prueba T para muestras independientes * . En este caso las muestras están formadas por parejas de valores. MUESTRAS DEPENDIENTES. uno de cada población y el estadístico se obtiene a partir de las diferencias de los valores de las dos variables correspondientes a cada caso o di que se define como di= xi-yi. entonces se debe seleccionar Usar valores especificados e indicar la modalidad que define el grupo 1 y la del grupo 2.El valor crítico t /2 corresponde a una distribución t cuyos grados de libertad se calculan en base a ambos tamaños muestrales y a las desviaciones típicas de cada grupo según la corrección propuesta por Dixon y Massey: Para obtener el intervalo de confianza en ambos casos la secuencia es: Analizar Comparar medias Prueba T para muestras independientes Los grupos pueden definirse en función de una variable cuantitativa o de una cualitativa.resultados de la prueba de Levene para contrastar la igualdad de varianzas .

4.9 aplicaciones .

Sign up to vote on this title
UsefulNot useful