Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Contenidos
I
Introducci
on, las hip
otesis nula y alternativa
I
I
Contrastes de hip
otesis: procedimiento
p-valor
I
I
Potencia y tama
no muestral
Conocer la relaci
on entre un contraste bilateral y un intervalo de
confianza asociado
Referencias
I
Captulo 9 (9.1-9.5)
Ross, S. Introducci
on a la Estadstica
I
Captulo 9
Esta hip
otesis a confrontar se conoce como la hip
othesis nula (H0 ):
I
La informaci
on recogida en la muestra se emplea para confrontar (o
contrastar) esta hip
otesis
'
'
La hipotesis nula, H0
I
Define la hip
otesis a contrastar
Su definici
on matem
atica siempre contiene los smbolos =, o
(conjunto cerrado)
Hip
otesis simples:
0
p0
02
z}|{
z}|{
z}|{
H0 : = 5 , H0 : p = 0.6 , H0 : 2 = 9 En general: H0 : = 0
Espacio parametrico asociado a esta hip
otesis nula: 0 = {0 }
Hip
otesis compuestas (especificadas mediante un rango de valores):
0
p0
z}|{
z}|{
H0 : 5 , H0 : p 0.6 En general: H0 : 0 o
H0 : 0
Espacio parametrico asociado a esta hip
otesis nula: 0 = (, 0 ] o
0 = [0 , )
Hipotesis alternativa, H1
Si la hip
otesis nula no es v
alida, alguna alternativa debe ser correcta. Para
realizar el contraste, el investigador debe especificar una hip
otesis alternativa
frente a la que se contrasta la hip
otesis nula.
La hip
otesis alternativa H1 :
I
Es la opuesta a la hip
otesis nula
Su formulaci
on matem
atica no contiene los smbolos =, o
Habitualmente es la hip
otesis por la que se inclina el investigador
Hip
otesis unilaterales:
(cola derecha) H1 : > 5, (cola izquierda) H0 : p < 0.6
En general: H1 : > 0 o
H1 : < 0
Espacio parametrico bajo esta alternativa: 1 = (0 , ) o
1 = (, 0 )
Hip
otesis bilaterales:
H1 : 2 6= 9
En general: H1 : 6= 0
'
MAS
Proporciona la informaci
on de la muestra suficiente evidencia en contra
de H0 y a favor de H1 ?
2. Una compa
na recibe envos de componentes, que acepta si el porcentaje
de componentes defectuosos es como m
aximo del 5%. La decisi
on se basa
en una muestra aleatoria de estos componentes.
Poblaci
on: X = 1 si un componente es defectuoso y 0 en otro caso
X Bernoulli(p), p = proporci
on de componentes defectuosos en el envo
Hip
otesis nula, H0 : p 0.05 frente a
Hip
otesis alternativa, H1 : p > 0.05
'
MAS
Proporciona la informaci
on de la muestra suficiente evidencia contra H0
y a favor de H1 ?
xyyxxxxyy
Poblaci
on:
X = altura de un estudiante de la
UC3M (en m)
Afirmaci
on: En promedio, los
estudiantes miden menos de 1.6 m
Hip
otesis:
H0 : 1.6 frente a H1 : > 1.6
'
MAS
yyxx
Es extra
no observar una
media muestral igual a
x = 1.65
si la media de la poblacion
es 1.6?
Si no es razonable, rechazamos la
hip
otesis nula en favor de la
alternativa.
La regla de decisi
on se basa en el valor de una distancia entre los
datos muestrales de que disponemos y aquellos valores que tienen
alta probilidad si se cumple la hip
otesis nula.
Decisi
on
No
Rechazar H0
Rechazar
H0
Situaci
on actual
H0 correcta
H0 incorrecta
Sin error
Error de Tipo II
(1 )
()
Error de Tipo I
Sin error
()
(1 = potencia)
I
I
I
I
La decisi
on del contraste de hip
otesis se basa en el valor observado
del estadstico del contraste, t.
I
I
la distribuci
on del estadstico del contraste para la muestra,
el nivel de significaci
on , que define la llamada regi
on de rechazo o
crtica y la regi
on de aceptaci
on.
RA = {t : t T }
RA = {t : t T1 }
Contraste bilateral H1 : 6= 0
RR = {t : t < T1/2 o t > T/2 }
RA = {t : T1/2 t T/2 }
RA
VALOR
CRITICO
RR
RR
VALOR
CRITICO
2
RR
VALOR
CRITICO
RA
2
RA
VALOR RR
CRITICO
Media
Hip
otesis
Estadstico contraste
Datos normales
Varianza conocida
X
0 N(0, 1)
/ n
Datos no normales
Muestra grande
X
0 ap. N(0, 1)
/
Datos Bernoulli
Muestra grande
Datos normales
Varianza desconocida
p
p0
ap. N(0, 1)
p0 (1p0 )/n
X
0 tn1
s/ n
Varianza
Datos normales
(n1)s 2
2
n1
2
0
Desv. Tp.
Datos normales
(n1)s 2
2
n1
2
0
RR contraste bilateral
9
z
>
>
z }| {
>
>
>
=
x 0
x0
> z/2
z :
< z1/2 o
>
>
/ n
>
>
/
n
>
>
>
>
>
>
:
;
ff
x0
x0
< z1/2 o
> z/2
z :
/
n
/
n
8
>
>
>
>
>
<
p
p0
p
p0
< z1/2 o p
> z/2
p0 (1p0 )/n
p0 (1p0 )/n
8
9
t
>
>
>
>
z }| {
>
>
>
>
>
>
<
=
x 0
x0
< tn1;1/2 o
> tn1;/2
t :
>
>
s/
n
>
>
s/ n
>
>
>
>
>
>
:
;
z :
ff
8
9
2
>
>
>
>
>
>
>
>
z
}|
{
>
>
>
>
>
>
>
>
<
=
2
(n 1)s 2
(n1)s
2
2 :
< 2
o
>
2
n1;1/2
n1;/2
>
>
2
>
>
>
>
0
0
>
>
>
>
>
>
>
>
>
>
:
;
(
)
2
2
(n1)s
(n1)s
2
2
2 :
<
>
o
n1;1/2
n1;/2
2
2
0
0
Pregunta: C
omo definiras RR para contrastes unilaterales?
Rechazar H0 , la hip
otesis nula, si el valor del estadstico del contraste
est
a en RR y no rechazar H0 en otro caso.
X N(, 2 = 52 )
0 N(0, 1)
Z = X
'
/ n
MAS: n = 16
Muestra: x = 251.9
Objetivo: contrastar
0
z}|{
H0 : = 250 frente a H1 : > 250
(contraste unilateral)
0 = 250
n = 16
z
=
=
x = 251.9
x 0
/ n
251.9 250
= 1.52
5/ 16
= {z : z > z0.05 }
z=
1.52
= {z : z > 1.645}
Como z = 1.52
/ RR0.05 no rechazamos
H0 a un nivel de significaci
on del 5%.
Densidad N(0,1)
RA
RR
z = 1.645
Conclusi
on: Los datos muestrales no proporcionan suficiente evidencia
para rechazar la afirmaci
on de que el peso promedio de los rodamientos
es 250 g.
Definicion de p-valor
I
I
Como resumen:
I
I
p-valores peque
nos proporcionan evidencia en contra de H0
p-valores grandes proporcionan evidencia a favor de H0
p-valor
Calculo del p-valor: t valor observado del estadstico del contraste T :
Contraste bilateral H1 : 6= 0
p-valor = P(T |t|) + P(T |t|)
estad. de
contr.
pvalor
=area
estad. de
contr.
pvalor
=area
|estad.|
|estad.|
pvalor
=areas
izq.+der.
p-valor: ejemplo
Ejemplo: 9.1 (cont.)
Poblaci
on:
X = peso de un rodamiento (en g)
X N(, 2 = 52 )
'
p-valor
MAS: n = 16
Muestra: x = 251.9
Objetivo: contrastar
0
z}|{
H0 : = 250 frente a H1 : > 250
(contraste unilateral)
Estadstico del contraste:
0 N(0, 1)
Z = X/
n
Valor observado del estadstico: z = 1.52
densidad N(0,1)
z=
1.52
pvalor
=area
El p-valor:
I
I
I
I
1 Selke,
Pr(H0 |Observaciones)
0.39
0.29
0.11
0.02
0.1
0.05
0.01
0.001
frente a
H1 : 6= 0
IC0.95 () =
x 1.96
n
MAS: n = 9
0.06
=
1.95
1.96
Muestra: x = 1.95
9
= (1.9108, 1.9892)
Objetivo: contrastar
0
z}|{
Como 0 = 2
/ CI0.95 (),
H0 : = 2 frente a H1 : 6= 2
rechazamos H0 a un nivel de
(contraste bilateral)
significaci
on del 5%.
'
'
Muestra: p =
104
199
= 0.523
Objetivo: contrastar
p0
z}|{
H0 : p = 0.5 frente a H1 : p 6= 0.5
(contraste bilateral)
p0 = 0.5
n = 199
z
p = 0.523
p p0
= p
p0 (1 p0 )/n
0.523 0.5
= p
0.5(1 0.5)/199
= 0.65
= {z : z > z0.05 }
{z : z < z0.05 }
= {z : z > 1.645}
{z : z < 1.645}
Como z = 0.65
/ RR0.10 no
rechazamos H0 a un nivel de
significaci
on del 10%.
Densidad N(0,1)
z=
0.65
RR
RA
RR
z2 = 1.645 z2 = 1.645
Conclusi
on: Los datos muestrales no dan evidencia suficiente para dudar
que la mitad de los socios auditores piensen que el flujo de caja
operacional es una medida valida de rentabilidad.
0 tn1
T = Xs/
2
2
n
X N(, ) desconocida
'
Muestra: x = 117
= 19.5
6
2284.446(19.5)2
2
s =
= 0.588
61
Objetivo: contrastar
0
z}|{
H0 : 20 frente a H1 : < 20
(contraste unilateral)
0 = 20
x = 1.95
t
=
=
n=6
s = 0.588 = 0.767
x 0
s/ n
19.5 20
= 1.597
0.767/ 6
t=
1.597
pvalor
=area
||
2.015 1.476
Conclusi
on: Los datos muestrales proporcionan suficiente evidencia para
rechazar que el incremento promedio de las ventas haya sido al menos del 20%.
Interpretaci
on del p-valor: si la hip
otesis nula fuese cierta, la probabilidad de
que hubiesemos obtenido estos datos muestrales sera como m
aximo del 10%,
lo que es bastante improbable, y por tanto rechazamos la hip
otesis nula.
'
Muestra: s = 5.62
Objetivo: contrastar
02
z}|{
H0 : 2 4 frente a H1 : 2 > 4
(contraste unilateral)
02 = 4
n = 20
s = 5.62
2
=
=
=
(n 1)s 2
02
(20 1)5.62
4
26.695
2 =
26.695
219;0.25
219;0.1
z}|{
z}|{
22.7 < 26.695 < 27.2
pvalor
=area
2n1
22.7
27.2
Conclusi
on: Los datos muestrales no proporcionan suficiente evidencia
para rechazar la afirmaci
on de que la varianza del porcentaje de
impurezas en los envos de este producto no es mayor que 4.
0.8
1.0
ff
(n 1)s 2
2
RR0.1 =
>
n1;0.1
potencia( 2 ) funci
on de 2
02
9
8
27.2 4 = 108.8>
>
>
}|
{ >
z
=
<
potencia(2 2) =
= (n 1)s 2 > 2n1;0.1 02
1 ( )
>
>
>
>
;
:
20 = 4
0.0 0.2
0.4
0.6
potencia(12 ) = P rechazar H0 | 2 = 12
(n 1)s 2
108.8
=P
>
12
2
1
0 0 2
108.8
108.8
= P 2 >
= 1 F2
12
12
(F2 es la funci
on de distribuci
on de 2n1 ) Por tanto,
` 2
108.8
power(7) = P > 7
= 0.6874.
6 1 8
10
2
2
potencia(12 ) = P (n1)s
> 2n1;0.1 02 ,
2
1
(n1)s 2
12
2n1
La u
ltima ecuaci
on implica que queremos trabajar con una distribuci
on 2n1
2
2
cuyo cuantil 0.9 debe cumplir n1;0.9 0.571n1;0.1 .
tabla chi-cuadrado
1.0
potencia() =
1 ()
0.8
1.0
0.0
0.2
0.4
0.6
0 = 5
0.4
0.2
0.0
4.85
n=16
n=9
n=4
0.8
0.6
4.95
5.05
4.85
4.95
5.05