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

Las primeras establecen un buen número de restricciones sobre la naturaleza de la población de la que se obtiene los datos. 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. de igual manera las desviaciones estándar de las dos poblaciones son iguales. 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. estas son iguales a la suma de dos variables individuales.. 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. En el caso que existan poblaciones independientes. no exigen tantas restricciones sobre la naturaleza de la población. 2º determinar.las que se caracterizan por una medición. test of hypothesis). 2. si las diferencias observadas entre dos muestras significan que las poblaciones de las que se han obtenido las muestras son realmente diferentes. en términos de probabilidad. en base a la observación de una muestra obtenida de ellos. así mismo las poblaciones muestreadas siguen una distribución normal.4.1 PRUEBA DE HIPOTESIS CON DOS MUESTRAS Y VARIAS MUESTRAS DE DATOS NUMÉRICOS. una intervención de cierto tipo y esta a su ves otra medición. 4.2 distribuciones normal y t de estudent.existe una formación de pares de las observaciones correspondientes. siendo los <<parámetros>> los valores numéricos de la población. A partir de ambas determinaciones se desarrollan los fundamentos de las pruebas de decisión estadísticas o pruebas de hipótesis (en inglés. Las segundas. a partir de la evidencia que suministra las muestras. Existen dos tipos de técnicas estadísticas inferenciales: las paramétricas y las aparamétricas. Por ende las muestras deben ser suficientemente grandes para que la distribución de las medias muéstrales siga 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. se esperara que la media entre las dos medias muéstrales sea cero. Los métodos de la estadística inferencial señalan los procedimientos que se han de seguir para poder extraer conclusiones válidas y fiables. Como consiguiente tenemos que el número de grados de libertad en la prueba es igual al número total de elementos muestreados. .. llamadas también de <<libre distribución>>. ya que atienden más a la ordenación de los datos que a su valor numérico. La inferencia estadística se ocupa de la obtención de conclusiones en relación a un gran número de sucesos. 1. Así mismo puedo entender que en el caso de que se den las dos poblaciones iguales.

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

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

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

36. Ahora podemos establecer la relación entre las varianzas para estimar la F empírica: F = 3.95. 16. ya que la varianza es el cuadrado de la desviación típica. a fin de observar el nivel de significación. los valores para las siete pruebas con el Menú B son: 3. podemos decir que se ubicaría en la Tabla de Fisher entre 5% y 1%. o sea: Niveles de significación: 20% 10% 5% 1% 0. A.95 / 0. 5. Vamos a la Tabla F de Fisher y observamos los diferentes niveles de significación para Valores Críticos de F.98. Si se tienen dos muestras y se quiere determinar si sus dispersiones se pueden considerar como idénticas o como diferentes. podemos rechazar la Hipótesis Nula que diría que las dos varianzas son iguales. En este ejemplo no es posible considerar aX eY como variables independientes ya que va a existir una dependencia clara entre las dos variables. .0) Al estimar la varianza para el Menú A nos arroja 0. por lo que es necesario primero estimar las desviaciones típicas o estándar. El dueño del restaurante tendría que saber que puede utilizar los dos menús de una manera indiferente.25.0.2. 4. 1) Luego que se conocen las dos varianzas de las muestras. hasta el grado ³10´ el cual indica un máximo puntaje de aceptación). y admitir la Hipótesis Alternativa o de Trabajo.2.5 ( y llevados al cuadrado son. 4.6 comparaciones de dos muestras pareadas. 4.25.5. para poder aceptar o no la hipótesis nula. se establece una relación dividiendo la que tenga mayor valor con la que tenga menor valor y esa es la relación F. Ejemplos para comparar varianzas Cuando la comparación es entre varianzas.0.6. Para ello se ejecutan 5 pruebas con el Menú A y 7 pruebas con el Menú B.1% Valor crítico de F: 2. 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). Fisher. o sea: el número de datos menos la unidad. entonces se trabaja con el test ³ F ³ de R. 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.25. según los números de grados de libertad. Igualmente para cada muestra se calcula su grado de libertad . calificando con puntos las respuestas de los clientes (desde ³0´ grado de aceptación. 50. 2) Ahora se debe comparar el valor calculado de F con los valores de la Tabla de Fisher. Entonces. También se pueden comparar datos de venta de un mismo producto turístico en dos países emisivos distintos.5. la cual diría que las dos varianzas son diferentes. 15. 4.2 y menor que 15.16.2. debido a la baja probabilidad de que sean las mismas.5 pruebas de Fisher para varianzas y de igualdad de las varianzas de dos poblaciones normales. Veamos los datos siguientes: Valores para las cinco pruebas con el menú A.5 = 7.5.0 (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. el método que se debe seguir es como sigue: Se calculan las varianzas respectivas de las dos muestras. 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. Las muestras apareadas se obtienen usualmente como distintas observaciones realizadas sobre los mismos individuos. que es un parámetro de dispersión. 4.0.90.4. se puede admitir que el resultado es más significativo que el nivel de significación elegido.4. porque es mayor que 6. 6.25).16.2.50 y para el Menú B nos arroja 3.5 Ahora bien si comparamos el valor obtenido de las muestras igual a F=7.

Este contraste es fundamental en el análisis de resultados experimentales. El análisis de la varianza permite contrastar la hipótesis nula de que las medias de K poblaciones (K >2) son iguales. El Anova requiere el cumplimiento los siguientes supuestos: . Este modelo se supone cuando el investigador está interesado por una población de niveles. 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. que es la prueba que se utiliza para comparar más de dos grupos. e ingeniería.7 modelo totalmente aleatorio: análisis de varianza de un factor. siendo por tanto una pareja un caso particular de bloque de 2 elementos. biología.Si se quiere contrastar si hay diferencia entre las poblaciones. El fundamento en el que se basan es en suponer que el bloque es más homogéneo que el conjunto. En estas técnicas de formación de bloques el investigador deja de ser un mero observador. y es una metodología de gran utilidad en muchos tipos de trabajos de investigación en diversas áreas. por lo que restringiendo las comparaciones entre tratamientos al interior de los bloques se espera obtener una mayor precisión. En estadística. en el cual la varianza está particionada en ciertos componentes debidos a diferentes variables explicativas. del factor de estudio. Los modelos de efectos aleatorios se usan para describir situaciones en que ocurren diferencias incomparables en el material o grupo experimental. Las técnicas iniciales del análisis de varianza fueron desarrolladas por el estadístico y genetista R. para pasar a "diseñar" el estudio o experimento. debido al uso de la distribución F de Fisher como parte del contraste de hipótesis. desde la agricultura donde se inició. 4. 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). Fisher en los años 1920 y 1930 y es algunas veces conocido como "Anova de Fisher" o "análisis de varianza de Fisher". Hablaremos de este tipo de diseños más adelante. según terminología inglesa) es una colección de modelos estadísticos y sus procedimientos asociados. teóricamente infinitos. 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. cuando dediquemos algún artículo al análisis de la varianza. el análisis de la varianza (ANOVA. llamemos di a la diferencia entre las observaciones ³antes´ y ³después´. A. a la medicina. frente a la hipótesis alternativa de que por lo menos una de las poblaciones difiere de las demás en cuanto a su valor esperado.

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

entonces se debe seleccionar Usar valores especificados e indicar la modalidad que define el grupo 1 y la del grupo 2. MUESTRAS DEPENDIENTES. 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.resultados de la prueba T para contrastar la igualdad de medias .resultados de la prueba de Levene para contrastar la igualdad de varianzas . Si se quiere cambiar el grado de confianza del intervalo. Al aceptar se obtienen: . Si la variable de agrupación presenta sólo dos valores o modalidades.intervalo de confianza para la diferencia de medias al 95% por defecto. 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. uno de los cuales estará formado por todos los casos con valores menores que el especificado y el otro por el resto de casos.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. 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.

4.9 aplicaciones .

Sign up to vote on this title
UsefulNot useful