Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Documento 16 Pruebas Hipotesis
Documento 16 Pruebas Hipotesis
PRUEBAS DE HIPTESIS
CONCEPTOS BSICOS PARA EL PROCEDIMIENTO
Etapas bsicas en pruebas de hiptesis. 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, 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 aleatoria mente 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.
Consecuencias de las Decisiones en Pruebas de Hiptesis.
Decisiones Posibles
Situaciones Posibles
La hiptesis nula es La hiptesis nula es falsa
verdadera
Aceptar la Hiptesis Nula Se acepta correctamente
Error tipo II o Beta
Rechazar la Hiptesis Error tipo I o Alfa
Se rechaza correctamente
Nula
- 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
x o
/ n
Donde Z/2 es un valor de la normal estndar tal que el rea a la derecha de dicho
valor es /2, como se muestra en la figura
Sustituyendo la frmula de z se obtiene:
x
P Z / 2
Z / 2 1
/
n
P / 2
x /2
1
n
n
,x /2
x /2
n
n
Usualmente =0.1, 0.05 0.01, que corresponden a intervalos de confianza del 90,
95 y 99 por ciento respectivamente. La siguiente tabla muestra los Z/2 ms usados.
Nivel de Confianza
90
95
99
Z/2
1.645
1.96
2.58
Z / 2 s
,x
Z / 2 s
n
Por otro lado, tambin se pueden hacer pruebas de hiptesis con respecto a la media
poblacional . Por conveniencia, en la hiptesis nula siempre se asume que la media
es igual a un valor dado. La hiptesis alterna en cambio, puede ser de un slo lado:
menor mayor que el nmero dado, de dos lados: distinto a un nmero dado.
Existen dos mtodos de hacer la prueba de hiptesis: el mtodo clsico y el mtodo
del P-Value.
a. En el mtodo clsico, se evala la prueba estadstica de Z y al valor obtenido se le
llama Z calculado (Zcalc). Por otro lado el nivel de significacin dado determina
una regin de rechazo y una de aceptacin. Si Z calc cae en la regin de rechazo,
entonces se concluye que hay suficiente evidencia estadstica para rechazar la
hiptesis nula con base en los resultados de la muestra tomada. Las frmulas
estn resumidas en la siguiente tabla:
Caso I
Ho: =0
Ha: <0
Caso II
Ho : =0
Ha : 0
Prueba Estadstica: Z
x o
Caso III
Ho : =0
Ha : >0
/ n
x o
/ n
Por tanto, la regla para decisin sera rechazar Ho si Z > +1.96 o s z < -1.96, de lo
contrario, no rechazar Ho. No obstante, en la mayor parte de los casos se desconoce la
desviacin estndar de la poblacin. La desviacin estndar se estima al calcular
S, la desviacin estndar de la muestra. Si se supone que la poblacin es normal la
distribucin en el muestreo de la media seguira una distribucin t con n-1 grados de
libertad.
En la prctica, se a encontrado que siempre y cuando el tamao de la muestra no sea
muy pequeo y la poblacin no este muy sesgada, la distribucin t da una buena
aproximacin a la distribucin de muestra de la media. La prueba estadstica para
determinar la diferencia entre la media x de la muestra y la media de la
poblacin cuando se utiliza la desviacin estndar S de la muestra, se expresa
t n 1
X
s/
n da 100
t n 1
X
S/ n
t 1001
25.430 25.00
1.075
4.000 / 100
Dado que t100-1=1.075, se ve que -1.984 < +1.075 < + 1.984, entonces no se rechaza
Ho.
Por ello, la decisin de no rechazar la hiptesis nula Ho. En conclusin es que la
duracin promedio de las llantas es 25 000 millas. A fin de tener en cuenta la
posibilidad de un error de tipo II, este enunciado se puede redactar como no hay
pruebas de que la duracin promedio de las llantas sea diferente a 25 000 millas en
las llantas producidas en el turno de da.
PRUEBA DE HIPTESIS PARA PROPORCIONES
El concepto de prueba de hiptesis se puede utilizar para probar hiptesis en relacin
con datos cualitativos. Por ejemplo, en el problema anterior el gerente de la fbrica de
llantas quera determinar la proporcin de llantas que se reventaban antes de 10.000
millas. Este es un ejemplo de una variable cualitativa, dado que se desea llegar a
conclusiones en cuanto a la proporcin de los valores que tienen una caracterstica
particular.
El gerente de la fbrica de llantas quiere que la calidad de llantas producidas, sea lo
bastante alta para que muy pocas se revienten antes de las 10.000 millas. Si ms de un
8% de las llantas se revientan antes de las 10.000 millas, se llegara a concluir que el
proceso no funciona correctamente. La hiptesis nula y alternativa se pueden expresar
como sigue:
H 0 P 0.08
(Funciona correctamente)
H1 P 0.08
(No funciona correctamente)
La prueba estadstica se puede expresar en trminos de la proporcin de xitos como
sigue:
P P
X
Z s
Ps
n
Pq
n
siendo X y N el nmero de xitos de la muestra y n el tamao de la muestra, P la
proporcin de xitos de la hiptesis nula. Ahora se determinar si el proceso funciona
correctamente para las llantas producidas para el turno de da. Los resultados del
turno de da indican que cinco llantas en una muestra de 100 se reventaron antes de
10,000 millas para este problema, si se selecciona un nivel de significancia 0.05
, las regiones de rechazo y no rechazo se estableceran como a continuacin se
10
11
aX bX
2
as bs
na nb
tc
de
nmero
igual
de
varianzas homogneas
aX b X
2
as 2 bs 2
(2 / n )
aX b X
as bs
n
2
tc
aX bX
cs 2 cs 2
an bn
12
s a2
ta
n
t g 2a
sa
na
s 2b
tb
nb
2
s
b
nn
tc
Xa Xb
s a2 s 2b
na nn
Donde: ta y tb son los valores de la tabla con n-1 grados de libertad para a y b
respectivamente
6.- Caso de muestras pareadas (de variables dependientes). En este caso, se asume
que las muestras han sido distribuidas por pares.
D
n
tc
(D D)2 n
n 1
TEST DE HIPTESIS ESTADSTICA
En la seccin anterior tratamos la estimacin y precisin de los estimadores, que
conforman una de las dos reas principales de la Inferencia estadstica. En esta
seccin presentaremos una forma diferente de obtener inferencia acerca de
parmetros poblacionales, probando hiptesis respecto a sus valores. Un test de
hiptesis es una metodologa o procedimiento que permite cuantificar la probabilidad
del error que se cometera cuando se hace una afirmacin sobre la poblacin bajo
estudio, es decir, nos permite medir la fuerza de la evidencia que tienen los datos a
favor o en contra de alguna hiptesis de inters sobre la poblacin.
Ejemplo. Una industria usa como uno de los componentes de las mquinas de
produccin una lmpara especial importada que debe satisfacer algunas exigencias.
Una de esas exigencias est relacionada a su vida til en horas. Esas lmparas son
fabricadas por dos pases y las especificaciones tcnicas varan de pas a pas. Por
ejemplo el catlogo del producto americano afirma que la vida til media de sus
lmparas es de 15500 horas, con un SD de 1200. Mientras que para el producto
europeo la media es de 16500, y el SD es de 2000.
Un lote de esas lmparas de origen desconocido es ofrecido a un precio muy
conveniente. Para que la industria sepa si hace o no una oferta ella necesita saber cual
es el pas que produjo tales lmparas. El comercio que ofrece tales lmparas afirma
que ser divulgada la vida til media de una muestra de 25 lmparas del lote antes de
la oferta. Que regla de decisin deben usar los responsables de la industria para decir
13
que las lmparas son de procedencia americana o europea?. Una respuesta que surge
inmediatamente es la de considerar como pas productor aquel en la cual la media de
la muestra se aproxima ms a la media de la poblacin. As, la decisin sera si
x 16000 (el punto medio entre 15500 y 16500) diremos que es de procedencia
americana; en caso contrario diremos que es de procedencia europea.
Suponga que en el da de la licitacin se inform que, de acuerdo con la regla de
decisin diramos que las lmparas son de origen americano. Podemos estar
herrados en esa conclusin?. O en otras palabras, es posible que una muestra de 25
lmparas de origen europeo presente una media de 15800? Si, es posible. Entonces,
para un mejor entendimiento de la regla de decisin adoptada, es interesante estudiar
los tipos de errores que podemos cometer y las respectivas probabilidades de cometer
esos errores.
Los tests de hiptesis consisten en confrontar dos hiptesis, una llamada hiptesis
nula que denotamos con Ho y otra llamada hiptesis alternativa denotada con H1.
En el ejemplo las hiptesis que se plantean son:
En el ejemplo las hiptesis consideradas son
Ho Las lmparas son de origen europeo, esto equivale a decir que la vida til X de
cada lmpara sigue una distribucin con media =16500 horas y un SD=2000 horas.
H1; Las lmparas son de origen americano, es decir la media poblacional = 15500
horas con un SD=1200 horas.
Bajo este planteo un test de hiptesis estadstica no es otra cosa que un
procedimiento para tomar una decisin, bajo incertidumbre, sobre la validez de
la hiptesis nula usando la evidencia de los datos. Puesto que trabajamos bajo
incertidumbre es claro que cualquiera sea la decisin que tomemos siempre existe una
probabilidad de cometer error. A fin de clarificar esto podemos presentar el siguiente
esquema:
Esquema del procedimiento
Decisin
Realidad sobre Ho
Cierta
Rechazar Ho
Error Tipo I
No rechazar Ho
Decisin correcta
Falsa
Decisin correcta
Error Tipo II
Como se puede ver en el esquema, con cada tipo de decisin que se tome hay
asociado una posibilidad de cometer un error. Un procedimiento de este tipo sera
ptimo cuando las probabilidades de cometer un error, cualquiera sea la decisin que
se adopte, sean pequeas. Lamentablemente, en la mayora de los tests de hiptesis
slo es posible controlar una de ellas, con la circunstancia agravante de que estos
14
Con las notaciones indicadas arriba, la probabilidad de cometer cada uno de los
errores puede ser escrito del siguiente modo:
- P[Error Tipo I] = P[ X pertenezca a RC | H0 es verdadera] = .
- P[Error Tipo II] = P[ X no pertenezca a RC | H0 es falsa ] =
Ejemplo. En el ejemplo anterior, cuando H 0 es verdadera, es decir, las lmparas son
de origen europea, sabemos del teorema central del lmite que x , o sea la media de
las muestras de tamao 25, tendrn distribucin aproximadamente normal con media
16500 y =
2000
400 , es decir X N(16500, 1600). Entonces,
25
15
16
- Para confrontar esta suposicin con la informacin (parcial) que proveen los datos
sobre la realidad de Ho, se forma una especie de indicador de concordancia,
denominado estadstico del test, el cual es funcin del de los datos.
- Como el estadstico depende de la informacin de los datos, con cada muestra
posible hay asociado un valor de este estadstico y en consecuencia se genera una
nueva variable aleatoria. Asociada a esta variable hay una cierta distribucin de
probabilidad, a partir de la cual se determina la probabilidad de que la informacin
de los datos concuerde con la hiptesis nula, denominado P-Value. De esta
manera, el P-Value representara la probabilidad de cometer un error cuando se
toma la decisin de rechazar Ho.
- Es claro que si de antemano se fija que la mxima probabilidad de error al
rechazar Ho debe ser igual a , otra manera de tomar la decisin es comparar el
valor del P- value con . As
- Si P entonces la decisin es Rechazamos Ho
- Si P > la decisin es No hay evidencia suficiente para rechazar Ho
PRUEBAS DE HIPTESIS UNILATERALES Y BILATERALES
Las pruebas o test de hiptesis se relacionan con los parmetros poblacionales
(medias o proporciones, etc.). Se puede utilizar los estimadores puntuales de los
parmetros poblacionales como estadstico del test en cuestin. Supongamos, como
ilustracin que se utiliza el smbolo para denotar el parmetro poblacional de
inters, por ejemplo, puede ser , (1- 2), p (p1-p2), y el smbolo para denotar
el estimador puntual insesgado correspondiente.
Desde el punto de vista prctico se puede tener inters en contrastar la hiptesis nula
H0: = 0, contra la alternativa de que el parmetro poblacional es mayor que 0, o
sea H1: > 0. En esta situacin, se rechazar H 0 cuando sea grande, o sea cuando
el estadstico del test sea mayor que un cierto valor llamado valor crtico, que separa
las regiones de rechazo y no rechazo del test.
La probabilidad de rechazar la hiptesis nula cuando es cierta ser igual al rea bajo
la curva de la distribucin muestral del estadstico del test sobre la regin de rechazo.
En el caso que estemos trabajando con una distribucin normal, y un = 0,05, se
17
18
19
Intuitivamente, en el caso a sera lgico suponer que salvo que la muestra obtenida
sobre los habitantes del pueblo sea muy poco representativa, la hiptesis H0 debe ser
rechazada. En el caso b tal vez no podamos afirmar con rotundidad que la hiptesis
H0 sea cierta, sin embargo no podramos descartarla y la admitimos por una cuestin
de simplicidad.
Este ejemplo sirve como introduccin de los siguientes conceptos: En un contraste de
hiptesis (tambin denominado test de hiptesis o Contraste de significacin) se
decide si cierta hiptesis H0 que denominamos hiptesis nula puede ser rechazada o
no a la vista de los datos suministrados por una muestra de la poblacin. Para realizar
el contraste es necesario establecer previamente una hiptesis alternativa (H1) que
20
21
Ho es Cierta
Ho es Falsa
Aceptar Ho
Correcto
Probabilidad 1
Error Tipo II
Probabilidad
Rechazar Ho
Error tipo I
Probabilidad
Correcto
Probabilidad 1
22
H0:=0
H1:>0
X 0
N (0,1)
Para poder acceder a las probabilidades de la normal, hemos tipificado (ya que los
valores para hacer la tipificacin son conocidos). Si H0 es cierta, entonces esperamos
que el valor zexp obtenido sobre la muestra est cercano a cero con una gran
probabilidad. Esto se expresa fijando un nivel de significacin , y tomando como
regin crtica C, a los valores que son muy extremados y con probabilidad en total,
o sea,
P( Z exo z / 2 ) / 2
P( Z exo z 1 / 2 ) / 2 P(z 1 / 2 Z z 1 / 2 ) 1
23
X 0
N (0,1)
24
H0:=0
H1:0
Al no conocer va a ser necesario estimarlo a partir de su estimador insesgado: la
cuasivarianza muestral, s 2 , Por ello la distribucin del estimador del contraste ser
una t-Student, que ha perdido un grado de libertad, segn el teorema de Cochran, y la
definicin de la distribucin de t-Student:
H0 cierta Texp
X 0
s
t n 1
T1 / 2 ,n 1 Texp
Para dar una forma homognea a todos los contrastes de hiptesis es costumbre
denominar al valor del estadstico del contraste calculado sobre la muestra como
valor experimental y a los extremos de la regin crtica, como valores tericos.
Definiendo entonces
Texp
X 0
s n
Tteo t 1 / 2,n 1
Texp Tteo
no rechazamos H0, de
X 0
s n
Tteo t 1 ,n 1
25
significacin de =5% si la altura media es diferente de 174 cm. Para ello nos
basamos en un estudio en el que con una muestra de n=25 personas se obtuvo:
media 170 y desviacin 10
Solucin: El contraste que se plantea es:
H0:=
H1:174
La tcnica a utilizar consiste en suponer que H0 es cierta y ver si el valor que toma el
estadstico
Texp
X 174
t 24
s n
n
25
10
10.206
entonces
n 1
24
170 174
1.959 2.06
10.206 25
26
H1 : 2 02
entonces, definimos
s 2
2
exp (n 1) 2
a teo 2 / 2,n 1
0
b teo 12 / 2,n 1
27
2
Si a teo exp b teo aceptamos a H0, de contrario lo rechazamos
H1 : 2 02
Entonces, a teo , n 1
2
Si a teo exp aceptamos a H0, de contrario lo rechazamos
2
H1 : 2 02
Entonces, b teo 1 ,n 1
2
Si a teo exp aceptamos a H0, de contrario lo rechazamos
2
28
X N p, pq
P
n
n
P N p 0 , 0 0
Z exp N(0,1)
n
n
p0q 0 n
H1 : p p 0
p p 0
p0q 0 n
x/n.
p
Entonces se
Z teo z 1 / 2
H1 : p p 0
Definiendo a
Z exp
p p 0
Z teo z
p 0q 0 n
H1 : p p 0
Definiendo a
Z exp
p p 0
p0q 0 n
Z teo z 1
29
Las muestras apareadas aparecen como distintas observaciones realizadas sobre los
mismos individuos. Un ejemplo de observaciones apareadas: Medir a un
conjunto de n personas el nivel de insulina en la sangre antes (X) y despus (Y)
del tratamiento
Pacient
e
1
xi
yi
150
140
120
90
Diferencia
di
30
50
d
t n 1
s d
n
d
t n 1
s d
n
30
d
N(0,1) y el tratamiento sera anlogo.
s d
n
CONTRASTES
DE
INDEPENDIENTES
DOS
DISTRIBUCIONES
NORMALES
X 1 X 2 N , s 1
Z
X2
2
2
n1
n2
2
1
n1 , s 2
n2
X2 N
entonces,
N (0,1)
31
Z exp
X2
12 22
n1 n 2
Z teo z 1 / 2
y el test consiste en
Z exp Z teo aceptamos H0 y rechazamos H1
Contrastes unilaterales. Para el test
H0: 1-2= H0: 1-2<
y el test consiste en
aceptamos H0 y rechazamos H1
aceptamos H0 y rechazamos H1
n1 n 2
1
n 1 1 s12 n 2 1 s 22
2
s
n1 n 2 2
32
n1 n 2
1
33
X2
s12 s 22
n1 n 2
n 1 n 2
2
2
2
1 s12
1 s 22
n 1 1 n 1
n 2 1 n 2
No desarrollamos en detalle los clculos a realizar, pues la tcnica para efectuar los
contrastes son anlogos a los vistos anteriormente cuando las varianzas son
desconocidas e iguales. Si lo que pretendemos contrastar es si las medias
poblacionales de dos muestras independientes obtenidas de poblaciones
normales son idnticas, esto se reduce a los casos anteriores tomando =0
CONTRASTES DE LA RAZN DE VARIANZAS
Consideramos dos muestras independientes de dos poblaciones que se distribuyen
normalmente (cuyas medias y varianzas son desconocidas). Vamos a abordar
cuestiones relacionadas con saber si las varianzas de ambas poblaciones son las
mismas, o si la razn (cociente) entre ambas es una cantidad conocida, R. La
igualdad entre las dos varianzas puede escribirse 12-22=0 o bien, la existencia
de una diferencia entre ambas (), del modo 12-22=. Este modo de escribir la
diferencia entre varianzas (que era el adecuado para las medias) no es sin
embargo fcil de utilizar para las varianzas, de modo que nos ser ms fcil
sacarle partido a las expresiones de las relaciones entre varianzas como
2
1
R
22
Por ejemplo, si R=1 tenemos que ambas varianzas son iguales. Consideramos
entonces la hiptesis nula
12
H0 : 2 R
2
la cual vamos a contrastar teniendo en cuenta que:
34
(n 1 1)s12
2n1 1
2
1
(n 2 1)s 22
2n 2 1 que conlleva
2
2
1 (n 1 1)s12
n 1 1 12
s12 12 22 s12
Fn 1,n 1
1
2
1 (n 2 1)s 22 s 22 22 12 s 22
n2 1
22
Por tanto el estadstico del contraste que nos conviene tiene una distribucin conocida
cuando H0 es cierta. Vase la definicin de la distribucin de F-Snedecor:
1 s12
F
Fn1 1, n 2 1
R s 22
Contraste bilateral. El contraste bilateral para el cociente de varianzas se escribe
como:
12
12
H0 : 2 R
H0 : 2 R
2
2
Habida cuenta que la distribucin F-Snedecor no es simtrica sino que slo toma
valores positivos, se rechazar la hiptesis nula cuando el valor que tome el
estadstico del contraste al aplicarlo sobre una muestra sea muy cercano a cero, o
bien, muy grande. Es decir, se define el estadstico experimental y los lmites de la
regin crtica como:
1 s12
Fexp
a teo F / 2,n1 1,n 2 1
b teo F1 / 2,n1 1,n 2 1
R s 22
y el criterio de aceptacin o rechazo es:
1
F1 , m , n
35
H0 :
12
R
22
H0 :
12
R
22
1 1, n 2 1
1 1, n 2 1
36
s12 2 2
2 s1 s2
s2
Fexp 2 Fexp 1
s2 s2 s2
s2 2 2
1
ya que as no es necesario calcular el extremo inferior para la regin donde no se
rechaza H0, pues Fexp nunca estar prxima a 0. Con esta definicin de Fexp el criterio a
seguir frente al contraste de significacin para un valor dado es,
Criterio para el rechazo de la hiptesis nula sobre la homocedasticidad. Aunque en
realidad el test a realizar es bilateral, al elegir el estadstico del contraste de modo que
el numerador sea mayor que el numerador, podemos concentrar toda la probabilidad
del error de tipo I,, en la cola derecha de la distribucin.
F s s F b aprobar H
Fteo 2 2
F1,n21,n11 s2 s1 Fexp bteo rechaz r H0
22
1,n11,n21 1 2 exp teo 0
37
38
s12 2 2
2 s1 s2
s2
Fexp 2 Fexp 1
s2 s2 s2
s2 2 2
1
ya que as no es necesario calcular el extremo inferior para la regin donde no se
rechaza H0. En este caso:
s 22
Fexp 2 2.049 Fn 2 1,n1 1
Fteo 2.97
s1
Como FexpTteo, no podemos concluir (al menos al nivel de significacin =5%) que
H0 deba ser rechazada.
No hay evidencia significativa para rechazar la homocedasticidad. El estadstico del
contraste ha sido elegido modo que el numerador de Fexp sea mayor que el
denominador, es decir, Fexp>1.
Por lo tanto no rechazamos la hiptesis de homocedasticidad de ambas poblaciones, y
pasamos a contrastar la igualdad de las medias,
H0: 1-2=0
H1: 1-20
utilizando el estadstico ms sencillo (el que no necesita aproximar los grados de
libertad mediante la frmula de Welch). Para ello calculamos en primer lugar la
cuasivarianza muestral ponderada y los valores del test:
(n 1)s12 (n 2 1)s 22
s 2 1
19.238
n1 n 2 2
x1 x 2
Texp
11.210 t n n 2 t 59
1
1
s
n1 n 2
1
39
X 1 X 11 ,..., X 1n1
X 2 X 21 ,.., X 2 n 2
40
X1 X 1i B(n 1 , p1 )
i 1
n1
X 2 X 2i B(n 2 , p 2 )
i 1
X
pq
X
p q
P1 1 N p1 , 1 1
P2 2 N p 2 , 2 2
n1
n1
n2
n2
pq
p q
P1 P2 N p1 p 2 , 1 1 2 2
n1
n2
n1
n2
Contraste bilateral. El contraste bilateral sobre la diferencia de proporciones es
H0: p1-p2=
H1: p1-p2
Entonces se define
(p p 2 )
Z exp 1
p1q 1 p 2 q 2
n1
n2
y se rechaza la hiptesis nula si Z exp z1 / 2 o si Z exp z 1 / 2
Contrastes unilaterales. En el contraste
H0: p1-p2=
H1: p1-p2<
41
42