Está en la página 1de 6

Monografias | Anlisis de Datos

Anlisis de Datos
Resumen: Contraste de hiptesis. Inferencia. Media muestral. Muestras. Distribucin Normal.
Pruebas de Bondad del Ajuste. Frecuencia.
Publicacin enviada por Ilustrados

Bono 4000 /$
Titan Casino
Bono 2400 /$
Europa Casino
Bono 3000 /$
Casino Tropez
Bono 400 /$
Casino Swiss

INTRODUCCIN

Bono 300 /$
Casino King

La estadstica es la disciplina que nos


proporciona
una
metodologa
para
recoger, organizar, resumir, analizar datos
y hacer inferencias a partir de ellas.
Puede deducirse de la definicin que hay
dos ramas claramente diferenciadas
dentro de la estadstica: La Estadstica
Descriptiva y La Inferencia Estadstica que
es el punto a tratar en el presente trabajo.
La inferencia Estadstica tiene como
funcin inferir las caractersticas de un
colectivo a partir de un subconjunto de
ste.
Referente al contraste de hiptesis,
sabemos que un problema es investigable
cuando existen dos o ms soluciones
alternativas y tenemos dudas acerca de
cual de ellas es la mejor. Esta situacin
permite formular una o ms hiptesis de
trabajo, ya que cada una de ellas destaca
la conveniencia de una de las soluciones
sobre las dems. Si nuestro propsito es
comprobar una teora ella misma ser la
hiptesis del trabajo, pero es importante
destacar que al formular dicha o dichas
hiptesis no significa que ya est resuelto
el problema, al contrario, que nuestra
duda nos impulsa a comprobar la verdad o
falsedad de cada una de ellas.

Bono 300 /$
Prime Casino
Bono 2500 /$
Golden Riviera
Bono 4000 /$
Las Vegas
Bono 500 /$
Party Casino
Bono 200 /$
Lucky Ace

La decisin final partir de las decisiones


previas de aceptar o rechazar las
hiptesis de trabajo.
CAPITULO I
Contraste de Hiptesis
Etapas Bsicas
Hiptesis.

en

Pruebas

de

Al realizar pruebas de hiptesis, se parte de un valor supuesto (hipottico) en parmetro


poblacional. Despus de recolectar una muestra aleatoria, se compara la estadstica muestral,
as como la media (x), con el parmetro hipottico, se compara con una supuesta media
poblacional (

). Despus se acepta o se rechaza el valor hipottico, segn proceda. Se rechaza el valor


hipottico slo si el resultado muestral resulta muy poco probable cuando la hiptesis es cierta.
Etapa 1.- Planear la hiptesis nula y la hiptesis alternativa. La hiptesis nula (H 0) es el
valor hipottico del parmetro que se compra con el resultado muestral resulta muy poco
probable cuando la hiptesis es cierta.

Etapa 2.- Especificar el nivel de significancia que se va a utilizar. El nivel de


significancia del 5%, entonces se rechaza la hiptesis nula solamente si el resultado muestral
es tan diferente del valor hipottico que una diferencia de esa magnitud o mayor, pudiera
ocurrir aleatoriamente con una probabilidad de 1.05 o menos.
Etapa 3.- Elegir la estadstica de prueba. La estadstica de prueba puede ser la
estadstica muestral (el estimador no segado del parmetro que se prueba) o una versin
transformada de esa estadstica muestral. Por ejemplo, para probar el valor hipottico de una
media poblacional, se toma la media de una muestra aleatoria de esa distribucin normal,
entonces es comn que se transforme la media en un valor z el cual, a su vez, sirve como
estadstica de prueba.
Tabla 10.1. Consecuencias de las Decisiones en Pruebas de Hiptesis.

Situaciones Posibles

La
La hiptesis nula es hiptesis
verdadera
nula es
falsa

Decisiones Posibles

Aceptar la Hiptesis Nula

Se acepta correctamente

Error tipo II

Rechazar la Hiptesis Nula

Error tipo I

Se rechaza
correctamente

Etapa 4.- Establecer el valor o valores crticos de la estadstica de prueba. Habiendo


especificado la hiptesis nula, el nivel de significancia y la estadstica de prueba que se van a
utilizar, se produce a establecer el o los valores crticos de estadstica de prueba. Puede haber
uno o ms de esos valores, dependiendo de si se va a realizar una prueba de uno o dos
extremos.
Etapa 5.- Determinar el valor real de la estadstica de prueba. Por ejemplo, al probar un valor
hipottico de la media poblacional, se toma una muestra aleatoria y se determina el valor de la
media muestral. Si el valor crtico que se establece es un valor de z, entonces se transforma la
media muestral en un valor de z.
Etapa 6.- Tomar la decisin. Se compara el valor observado de la estadstica muestral con el
valor (o valores) crticos de la estadstica de prueba. Despus se acepta o se rechaza la
hiptesis nula. Si se rechaza sta, se acepta la alternativa; a su vez, esta decisin tendr
efecto sobre otras decisiones de los administradores operativos, como por ejemplo, mantener o
no un estndar de desempeo o cul de dos estrategias de mercadotecnia utilizar.
Conceptos Bsicos para el Procedimiento de Pruebas de Hiptesis.
Hiptesis Estadstica:
Al intentar alcanzar una decisin, es til hacer hiptesis (o conjeturas) sobre la poblacin
aplicada.

Tales hiptesis, que pueden ser o no ciertas, se llaman hiptesis estadsticas.


Son, en general, enunciados acerca de las distribuciones de probabilidad de las poblaciones.
Hiptesis Nula:
En muchos casos formulamos una hiptesis estadstica con el nico propsito de rechazarla o
invalidarla. As, si queremos decidir si una moneda est trucada, formulamos la hiptesis de
que la moneda es buena ( o sea p = 0,5, donde p es la probabilidad de cara).
Analgicamente, si deseamos decidir si un procedimiento es mejor que otro, formulamos la
hiptesis de que no hay diferencia entre ellos (o sea. Que cualquier diferencia observada se
debe simplemente a fluctuaciones en el muestreo de la misma poblacin). Tales hiptesis se
suelen llamar hiptesis nula y se denotan por Ho.
Hiptesis Alternativa.
Toda hiptesis que difiere de una dada se llamar una hiptesis alternativa. Por ejemplo: Si
una hiptesis es p = 0,5, hiptesis alternativa podran ser p = 0,7, p " 0,5 p > 0,5.
Una hiptesis alternativa a la hiptesis nula se denotar por H1.
Errores de tipo I y de tipo II.
Si rechazamos una hiptesis cuando debiera ser aceptada, diremos que se ha cometido un
error de tipo I.
Por otra parte, si aceptamos una hiptesis que debiera ser rechazada, diremos que se cometi
un error de tipo II.
En ambos casos, se ha producido un juicio errneo.
Para que las reglas de decisin (o no contraste de hiptesis) sean buenas, deben
disearse de modo que minimicen los errores de la decisin; y no es una cuestin sencilla,
porque para cualquier tamao de la muestra, un intento de disminuir un tipo de error suele ir
acompaado de un crecimiento del otro tipo. En la practica, un tipo de error puede ser ms
grave que el otro, y debe alcanzarse un compromiso que disminuya el error ms grave.
La nica forma de disminuir ambos a la vez es aumentar el tamao de la muestra que no
siempre es posible.
Niveles de Significacin.
Al contrastar una cierta hiptesis, la mxima probabilidad con la que estamos dispuesto a
correr el riesgo de cometern error de tipo I, se llama nivel de significacin.
Esta probabilidad, denota a menudo por

se, suele especificar antes de tomar la muestra, de manera que los resultados obtenidos no
influyan en nuestra eleccin.
En la practica, es frecuente un nivel de significacin de 0,05 0,01, si bien se une otros
valores. Si por ejemplo se escoge el nivel de significacin 0,05 ( 5%) al disear una regla de
decisin, entonces hay unas cinco (05) oportunidades entre 100 de rechazar la hiptesis
cuando debiera haberse aceptado; Es decir, tenemos un 95% de confianza de que hemos

adoptado la decisin correcta. En tal caso decimos que la hiptesis ha sido rechazada al nivel
de significacin 0,05, lo cual quiere decir que tal hiptesis tiene una probabilidad 0,05 de ser
falsa.
Prueba de Uno y Dos Extremos.
Cuando estudiamos ambos valores estadsticos es decir, ambos lados de la media lo llamamos
prueba de uno y dos extremos o contraste de una y dos colas.
Con frecuencia no obstante, estaremos interesados tan slo en valores extremos a un lado de
la media (o sea, en uno de los extremos de la distribucin), tal como sucede cuando se
contrasta la hiptesis de que un proceso es mejor que otro (lo cual no es lo mismo que
contrastar si un proceso es mejor o peor que el otro) tales contrastes se llaman unilaterales, o
de un extremo. En tales situaciones, la regin critica es una regin situada a un lado de la
distribucin, con rea igual al nivel de significacin.
La siguiente tabla de valores crticos de z para contraste de unos o dos extremos en varios
niveles de significacin.

Nivel
significacin

de
0.10

0.05

0.01

0.005

0.02

Valores crticos de z para Test Unilaterales

-1.28
1.28

o -1.645
1.645

o -2.33 -2.58 o -2.88


o 2.33 2.58
2.88

Valores Crticos de z para Test Bilaterales

- 1.645 y - 1.96 y -2.58 -2.81 y -3.08


1.645
1.96
y 2.58 2.81
3.08

Curva Caracterstica Operativa y Curva de Potencia.


Hemos visto como limitar el error de tipo I eligiendo adecuadamente el nivel de significacin.
Es posible evitar el riesgo de cometer error de tipo II simplemente no aceptado nunca hiptesis,
pero en muchas aplicaciones prcticas esto es inviable.
En tales casos se suele recurrir a curvas de operacin caractersticas o curvas de OC, que
son grficos que muestran las probabilidades de error de tipo II bajo diversas hiptesis.
Proporcionan indicadores de hasta que punto un test dado nos permitir evitar un error de tipo
II; es decir, nos indicar la potencia de un test a la hora de prevenir decisiones errneas. Son
tiles en el diseo de experimentos porque sugieren entre otras cosas al tamao de muestra a
manejar.
Grados de Libertad.
Para el clculo de un estadstico, es necesario emplear tanto observaciones de muestra como
propiedades de ciertos parmetros de la poblacin. Si estos parmetros son desconocidos, hay
que estimarlos a partir de la muestra el nmero de grados de libertad de un estadstico,
generalmente denotado por v se define como el nmero N de observaciones independientes

en la muestra (o sea, el tamao de la muestra) menos el nmero K de parmetros de la


poblacin, que debe ser estimado a partir de observaciones mustrales.
En smbolos, v = N - k.
Capitulo II
Contraste de hiptesis referentes a la diferencia entre:

Una media muestra y una media poblacin; utilizando la distribucin (z)


El uso de la distribucin normal z se busca en las mismas condiciones que en el caso
de una muestra excepto que ahora se tienen dos muestras independientes. La formula general
para determinar el valor de z para probar la diferencia entre dos medidas, dependiendo de s se
conocen los valores para las dos poblaciones