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

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

.. justificada por la frecuencia o normalidad con la que ciertos fenómenos tienden a parecerse en su comportamiento a esta distribución. tallas. puntuaciones de examen. por ejemplo: cociente intelectual. Errores cometidos al medir ciertas magnitudes. por ejemplo: consumo de cierto producto por un mismo grupo de individuos. Caracteres fisiológicos..Distribución Normal DISTRIBUCION NORMAL La distribución normal es muy importante por lo siguiente: Esta distribución es frecuentemente utilizada en las aplicaciones estadísticas.. al considerar distribuciones binomiales. Otras distribuciones como la binomial o la de Poisson son aproximaciones normales. 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. . perímetros. grado de adaptación a un medio. por ejemplo : la media.. diámetros. En otras ocasiones... pesos. 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. animales. plantas. En resumen. En probabilidad y estadística. o de una misma cantidad de abono.. tipo B(n. Muchas variables aleatorias continuas presentan una función de densidad cuya gráfica tiene forma de campana. Su propio nombre indica su extendida utilización.. por ejemplo: efecto de una misma dosis de un fármaco. 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.) de una especie. . Y en general cualquier característica que se obtenga como suma de muchos factores..p)..ejm. Caracteres psicológicos. p. para un mismo valor de p y valores de n cada vez mayores. se ve que sus polígonos de frecuencias se aproximan a una curva en "forma de campana". Valores estadísticos muestrales. envergaduras. Caracteres sociológicos.

4. 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. más significativo será el resultado. Una "diferencia estadísticamente significativa" solamente significa que hay evidencias estadísticas de que hay una diferencia. la diferencia entre ellas resulta lo suficientemente grande como para inferir que ha ocurrido un cambio real en el indicador. y para ello. Para comparar las medias de dos muestras procedentes de dos poblaciones normales e independientes. 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. y en caso contrario. como si fuera una diferencia real cuando no necesariamente es así. o "falso positivo"). En estadística. entonces la hipótesis nula es rechazada. 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.4 comparación de dos muestras independientes: pruebas t para las diferencias entre dos medias. En pocas palabras. importante. Si el valor de la variable para un individuo es menor o igual que el valor especificado. 4.cuando ésta es verdadera . El nivel de significación de un test es un concepto estadístico asociado a la verificación de una hipótesis. La decisión se toma a menudo utilizando el valor P (o p-valor): si el valor P es inferior al nivel de significación. por el contrario. 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.no es mayor que P. el individuo pertenecerá al primer grupo.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 utiliza el procedimiento Prueba T para muestras independientes. 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 . al segundo. De ahí que muchas veces se asume la diferencia en el valor de un indicador. . 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. diferencias de grupos. Cuanto menor sea el valor P. un resultado se denomina estadísticamente significativo cuando no es probable que haya sido debido al azar. o significativa en el sentido estricto de la palabra. 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. o el valor de la variable que hará de corte para definir dichos grupos. En otros términos. de un trimestre con respecto a otro. aquellas variables sobre las que se va a contrastar si hay o no.

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

porque es mayor que 6. 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. el método que se debe seguir es como sigue: Se calculan las varianzas respectivas de las dos muestras.16.50 y para el Menú B nos arroja 3. entonces se trabaja con el test ³ F ³ de R. Ejemplos para comparar varianzas Cuando la comparación es entre varianzas. En este ejemplo no es posible considerar aX eY como variables independientes ya que va a existir una dependencia clara entre las dos variables. según los números de grados de libertad. por lo que es necesario primero estimar las desviaciones típicas o estándar. podemos decir que se ubicaría en la Tabla de Fisher entre 5% y 1%. .16.90. 15. 16. y admitir la Hipótesis Alternativa o de Trabajo. Cuando el valor de F calculado para las muestras es superior al valor F de la Tabla de Fisher.0.2.2.6 comparaciones de dos muestras pareadas. que es un parámetro de dispersión.5 Ahora bien si comparamos el valor obtenido de las muestras igual a F=7.2. podemos rechazar la Hipótesis Nula que diría que las dos varianzas son iguales. 4. para poder aceptar o no la hipótesis nula.5 ( y llevados al cuadrado son. También se pueden comparar datos de venta de un mismo producto turístico en dos países emisivos distintos. se establece una relación dividiendo la que tenga mayor valor con la que tenga menor valor y esa es la relación F.5.0. o sea: Niveles de significación: 20% 10% 5% 1% 0. Las muestras apareadas se obtienen usualmente como distintas observaciones realizadas sobre los mismos individuos.25. 4.2. El dueño del restaurante tendría que saber que puede utilizar los dos menús de una manera indiferente.95. 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).5. ya que la varianza es el cuadrado de la desviación típica. la cual diría que las dos varianzas son diferentes. 2) Ahora se debe comparar el valor calculado de F con los valores de la Tabla de Fisher. hasta el grado ³10´ el cual indica un máximo puntaje de aceptación). los valores para las siete pruebas con el Menú B son: 3.4. calificando con puntos las respuestas de los clientes (desde ³0´ grado de aceptación.25).0) Al estimar la varianza para el Menú A nos arroja 0. Fisher. Vamos a la Tabla F de Fisher y observamos los diferentes niveles de significación para Valores Críticos de F. Para ello se ejecutan 5 pruebas con el Menú A y 7 pruebas con el Menú B.1% Valor crítico de F: 2. 4. 1) Luego que se conocen las dos varianzas de las muestras.98. 6.6.36.5 = 7. 50. 5.2 y menor que 15.25. Veamos los datos siguientes: Valores para las cinco pruebas con el menú A. a fin de observar el nivel de significación. 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.5. Ahora podemos establecer la relación entre las varianzas para estimar la F empírica: F = 3. 4.0 (y sus valores al cuadrado son: 9. Si se tienen dos muestras y se quiere determinar si sus dispersiones se pueden considerar como idénticas o como diferentes. se puede admitir que el resultado es más significativo que el nivel de significación elegido.4. o sea: el número de datos menos la unidad.5 pruebas de Fisher para varianzas y de igualdad de las varianzas de dos poblaciones normales.0. Igualmente para cada muestra se calcula su grado de libertad . A. Entonces. debido a la baja probabilidad de que sean las mismas.95 / 0.25. 4.

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

Las poblaciones (distribuciones de probabilidad de la variable dependiente correspondiente a cada factor) son normales. siendo sus límites superior e inferior: t /2 es el valor crítico correspondiente al grado de confianza 1. 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. a los valores de la distribución normal. El ANOVA se basa en la descomposición de la variación total de los datos con respecto a la media global (SCT). Variación entre muestras (SCE) o Inter-grupos. cuantifica la dispersión de las medias de las muestras con respecto a la media global. 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.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. 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. 4. Si las varianzas poblacionales no pueden suponerse iguales los límites del intervalo de confianza son: . Las K muestras sobre las que se aplican los tratamientos son independientes. En la práctica si n1 y n2 son moderadamente grandes.8 selección del tamaño de muestra para estimar la diferencia de dos medias. Las poblaciones tienen todas igual varianza (homoscedasticidad). Pueden darse dos situaciones según las muestras sean o no independientes. 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. el valor crítico t /2 se aproxima. cuantifica la dispersión de los valores de cada muestra con respecto a sus correspondientes medias.

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. 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. Si se quiere cambiar el grado de confianza del intervalo. MUESTRAS DEPENDIENTES. En este caso las muestras están formadas por parejas de valores. entonces se debe seleccionar Usar valores especificados e indicar la modalidad que define el grupo 1 y la del grupo 2. 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. Al aceptar se obtienen: .resultados de la prueba T para contrastar la igualdad de medias . 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 * . antes de aceptar hay que modificarlo con el botón Opciones. 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. Si la variable de agrupación presenta sólo dos valores o modalidades.resultados de la prueba de Levene para contrastar la igualdad de varianzas .

9 aplicaciones .4.