Nombre:

Matrcula:
Fecha:
Asignatura:

Anlisis de Regresin

Seccin:
Practica:

No. 1

1. Breve resumen del Teorema Central Lmite

El Teorema del Lmite Central o Teorema Central del Lmite indica que, bajo condiciones muy
generales, la distribucin de la suma de variables aleatorias tiende a una distribucin gaussiana
cuando la cantidad de variables es muy grande. Existen diferentes versiones del teorema, en
funcin de las condiciones utilizadas para asegurar la convergencia. Una de las ms simples
establece que es suficiente que las variables que se suman sean independientes, idnticamente
distribuidas, con valor esperado y varianza finitas.
La aproximacin entre las dos distribuciones es en general mayor en el centro de las
mismas que en sus extremos o colas, motivo por el cual se prefiere el nombre Teorema del
Lmite Central (central califica al lmite, ms que al teorema).
Esta relacin entre la forma de la distribucin de la poblacin y la forma de la distribucin de
muestreo se denomina teorema del lmite central, que es tal vez el ms importante de toda la
inferencia estadstica. Nos asegura que la distribucin de muestreo de la media se aproxima a la
normal al incrementarse el tamao de la muestra. Hay situaciones tericas en las que el teorema
del lmite central no se cumple, pero casi nunca se encuentran en la toma de decisiones prctica.
Una muestra no tiene que ser muy grande para que la distribucin de muestreo de la media se
acerque a la normal.

Los estadsticos utilizan la distribucin normal como una aproximacin a la distribucin de

muestreo siempre que el tamao de la muestra sea al menos de 30, pero la distribucin de
muestreo de la media puede ser casi normal con muestras incluso de la mitad de ese tamao. La
importancia del teorema del lmite central es que nos permite usar estadsticas de muestra para
hacer inferencias con respecto a los parmetros de poblacin sin saber nada sobre la forma de la
distribucin de frecuencias de esa poblacin ms que lo que podamos obtener de la muestra.
2. Indique y explique las distintas pruebas de contraste de hiptesis y sus estadsticos
Cuando nos interesa decidir si una proposicin, una conjetura o suposicin acerca de un
parmetro poblacional (hiptesis) es verdadera o falsa, el procedimiento de toma de decisin
acerca de sta se denomina contraste de hiptesis.
Los contrastes de hiptesis o de significacin permiten verificar la veracidad de alguna
hiptesis establecida acerca de una poblacin, determinando si los valores difieren
significativamente de los esperados por la hiptesis, o si las diferencias observadas se deben
al azar.
Una hiptesis estadstica es una suposicin que se plantea respecto a un problema o a una
poblacin, con el fin de rechazarla o no. En los contrastes de hiptesis se distinguen dos hiptesis
estadsticas: la hiptesis nula designada por H0, conocida tambin como hiptesis de no
diferencia, que es la que se establece en principio con el nico propsito de rechazarla o
"anularla"; y una segunda, la hiptesis de investigacin o alterna, Ha, que es complementaria de
la primera. Cuando se habla de contrastar una hiptesis nula contra una alterna, esto siempre se
hace suponiendo que la nula es verdadera.
En general la forma de las hiptesis nula y alterna es:

H0: parmetro poblacional = ( , ) valor supuesto

Ha: parmetro poblacional ( > , < ) valor supuesto
TIPOS DE HIPTESIS Y REGIN CRTICA O DE RECHAZO

La hiptesis nula de no diferencia (=) contra una alterna de diferencia () es una hiptesis
bilateral o de dos colas porque el rechazo de H0 puede ocurrir hacia un lado u otro; es decir,
puede ser diferente porque es menor o porque es mayor que el valor supuesto o.
H0: = 0 vs. Ha: 0
Las hiptesis nulas del tipo () o () son hiptesis unilaterales o de una sola cola, la primera es
unilateral superior o de cola derecha y la segunda es unilateral inferior o de cola izquierda.
Esto es:
H0: 0 vs. Ha: > 0 es una hiptesis unilateral superior o de cola derecha, porque se
rechaza H0 en el caso de que se obtengan valores muy por encima del valor supuesto.
Mientras que H0: 0 vs. Ha: < 0 es una hiptesis unilateral inferior o de cola izquierda,
porque se rechaza H0 en el caso de que se obtengan valores muy por debajo del valor supuesto.
La regin crtica o regin de rechazo es la regin que contiene los resultados menos favorables
a H0, en el supuesto de que H0 sea verdadera y la regin de no rechazo es la que contiene los
valores ms favorables a H0. Estas regiones estn separadas por los valores crticos del
estadstico de contraste que corresponden a un nivel de significacin dado.
Segn sea el tipo de hiptesis se tendrn regiones crticas para los dos lados (bilaterales o de dos
colas) o para un solo lado (unilaterales o de una cola).

ESTADSTICO DE PRUEBA O ESTADSTICO DE CONTRASTE

Una vez que se han formulado las hiptesis nula, H0, y alterna, Ha, se debe realizar
un procedimiento de contraste por medio del cual se toma una decisin basada en
la muestra aleatoria seleccionada de la poblacin en estudio.

Para llevar a cabo este procedimiento es necesario seleccionar un estadstico

de contraste, calcularlo con base en la muestra y luego tomar la decisin de
rechazar o no H0, dependiendo de si este estadstico es o no consistente con H0.

Es decir, si el valor calculado del estadstico es muy diferente del valor supuesto
en H0, suponiendo que sta es cierta, entonces se rechaza H0. Sin embargo, si el
valor calculado del estadstico de contraste es consistente con lo supuesto en H0,
entonces no hay razn suficiente para rechazar H0 en favor de la Ha.

En resumen, el estadstico de contraste es una variable aleatoria cuya

distribucin se conoce, en el supuesto de que H0 es verdadera y sirve para
tomar la decisin de rechazar o no H0.

Figura 1 Regiones Crticas

TIPOS DE ERRORES

El procedimiento de contrastar una hiptesis nula contra una alterna sobre la base de informacin
obtenida de la muestra conduce a dos tipos de errores posibles, debido a fluctuaciones al azar en
el muestreo. Si la hiptesis nula es en realidad verdadera, pero los datos de la muestra son
incompatibles con ella y se rechaza, se comete un Error Tipo I.
Por otro lado, si la hiptesis nula es falsa y los datos de la muestra conllevan a no rechazarla, se
comete un Error Tipo II. En el cuadro siguiente se resumen estos tipos de errores:

Eventos
H0 V
H0 F

Decisiones
No rechazar H0 Rechazar H0
Error Tipo I
no error
(confianza)
Error Tipo II

P(E.T.I) =
no error

P(E.T.II) =

(potencia)

Las probabilidades de cometer errores Tipo I y II se pueden considerar como los riesgos de decisiones
incorrectas. La probabilidad de cometer un error Tipo I (de rechazar una hiptesis nula dado que sta
es verdadera) se llama nivel de significacin y se denota por (alfa).

La probabilidad de cometer un error Tipo II (de no rechazar una hiptesis nula dado que sta es falsa)
no tiene nombre en particular, pero se denota por (beta). La probabilidad de no rechazar una hiptesis
nula verdadera es la confianza, 1 , con la cual se trabaj para hacer estimaciones por intervalo.
Cuando se rechaza una hiptesis nula falsa se ha tomado una decisin correcta y la probabilidad de
hacerlo se denomina potencia o poder de la prueba y es 1 .

En smbolos esto se expresa de la siguiente manera:

P(E.T.I) = P(Rechazar H0 H0 V) =
P(No rechazar H0 H0 V) = Confianza = 1
P(E.T.II)=P(No rechazar H0 H0 F) =
P(Rechazar H0 H0 F) = Potencia = 1
El nivel de significancia a lo fija el investigador, y en la prctica se usa el 1%, el 5% o el 10%.
Un procedimiento de contraste ideal debera tener a = 0 y b = 0. Sin embargo, en la prctica, una
vez fijado n esto no es posible, por lo que se debe procurar que tanto a como b sean lo ms
pequeos posible.

PROCEDIMIENTO DE CONTRASTE

Los pasos a seguir en un contraste de hiptesis son:

1. Describir las caractersticas de la poblacin acerca de la cual se va a probar la hiptesis
(establecer si se cumplen los supuestos del contraste).
2. Formular las hiptesis nula y alterna (H0 y Ha).
3. Escoger un nivel de significacin o probabilidad de Error Tipo I, .
4. Seleccionar el estadstico de contraste cuya distribucin muestral sea conocida en el
supuesto de que H0 sea verdadera, pero sin hacer clculos todava

5. Determinar la regin crtica o de rechazo, misma que depende del tipo de hiptesis, de la
probabilidad del Error Tipo I y del estadstico de contraste.
6. Calcular el estadstico de contraste.
7. Tomar una decisin de rechazar H0 o no rechazarla.
8. Dar una conclusin al problema.

3. Ejercicio aplicando ANOVA, en Excel

Levadura: Tamao de los panes dulces
Agua Fra

Agua Tibia

Agua Caliente

Poco Azcar

75

87

60

Azcar Normal

74

82

55

Mucho Azcar

70

79

53

LA FUNCIN DE ANOVA: dos factores con una sola muestra por grupo le pide que provee la siguiente
informacin.

Input Range: Rango de entrada

Escriba la referencia correspondiente al rango de datos de la hoja de clculo que desee analizar.
El rango de entrada deber contener dos o ms rangos adyacentes organizados en columnas
(como se ve arriba) o filas. Si el rango de entrada contiene ttulos de fila o de columna, deber
seleccionar la casilla de verificacin.
Output Range: Rango de salida.
Escriba la referencia correspondiente a la celda superior izquierda del rango en el cual desea que
aparezcan los resultados.
Anova: Dos factores con una sola muestra

Resumen
Poco Azcar

Cuenta
3

Suma
222

Promedio
74

Varianza
183

Azucar Normal

211

70.33

192.33

Mucho Azcar

202

67.33

174.33

Agua Fra
Agua Tibia
Agua Caliente

3
3
3

219
248
168

73
82.67
56

7
16.33
13

ANOVA
Origen de

Suma de

Grados

Promedio

Prob.

Valor Crtico

Cuadrados
66.89
1093.56

Libertad
2
2

Cuadrados
33.44
546.78

23.15
378.53

0.0063
2.7E-05

6.94
6.94

Error

5.78

1.44

Total

1166.22

Variaciones
Filas
Columnas

El resultado del ANOVA (Anlisis de varianza) indica el valor estadstico de la "F." En este caso
el valor de la "F" por las filas (cantidad de azcar) es 23.15.
Para saber si estos resultados son significativos (o sea, si la probabilidad "P" tiene un valor
menor a 0.05), el valor de la "F" observado necesita ser al menos 6.94 (o sea, el valor crtico de
la F).
Entonces, como el valor de "F" observado es de 23.15 y es mucho mayor que el valor crtico de
la F (6.94), estamos seguros que los resultados de nuestras pruebas son significativas.
El valor de la "F" para las columnas (temperatura del agua) es igual a 378.53. Esto es tambin
significativo, porque el valor de "F" crtico es solamente 6.94.
En otras palabras, existe una relacin significativa en la cantidad de azcar, la temperatura del
agua y el tamao de los panes dulces. La probabilidad muestra a qu nivel los resultados son
estadsticamente significativos.