Tema 2.

Contraste de hipotesis en una poblacion

Contenidos
I Introduccion, las hipotesis nula y alternativa
I El procedimiento de contraste de hipotesis
I Errores de Tipo I y Tipo II, potencia del contraste
I Estadsticos del contraste, nivel de significacion y regiones de
aceptacion/rechazo en contrastes bilaterales y unilaterales
I Contrastes de hipotesis: procedimiento
I p-valor
I Contrastes bilaterales e intervalos de confianza
I Ejemplos para distintos parametros
I Potencia y tamano muestral
Tema 2. Contraste de hipotesis en una poblacion

Objetivos de aprendizaje
Al final de este tema debieras ser capaz de:
I Llevar a cabo un contraste de hipotesis sobre una poblacion
I Formular las hipotesis nula y alternativa de un contraste
I Entender los errores de tipo I y tipo II, definir el nivel de
significacion, definir la potencia del contraste
I Seleccionar un estadstico del contraste adecuado e identificar las
regiones crticas correspondientes a contrastes unilaterales y
bilaterales
I Utilizar el p-valor para llevar a cabo un contraste
I Conocer la relacion entre un contraste bilateral y un intervalo de
confianza asociado
I Calcular la potencia de un contraste y encontrar el tamano muestral
necesario para obtener una potencia dada
Tema 2. Contraste de hipotesis en una poblacion

Referencias
I Newbold, P. Estadstica para administracion y economa
I Captulo 9 (9.1-9.5)
I Ross, S. Introduccion a la Estadstica
I Captulo 9
Contrastes de hipotesis: introduccion

Un contraste de hipotesis es un procedimiento que:

I se basa en datos muestrales
I para proporcionarnos informacion cara a tomar una decision
I sobre la validez de una conjetura o hipotesis sobre una poblacion X ;
tpicamente, el valor de un parametro de la poblacion ( puede ser
uno cualquiera de los parametros que hemos considerado hasta
ahora: , p, 2 , etc)
Esta hipotesis a confrontar se conoce como la hipothesis nula (H0 ):
I Podemos pensar en ella como la hipotesis considerada correcta
(antes de llevar a cabo el test)
I Sera mantenida a menos que la muestra aporte suficiente evidencia
contraria
I La informacion recogida en la muestra se emplea para confrontar (o
contrastar) esta hipotesis
La hipotesis nula: ejemplos
1. Un fabricante de paquetes de cereales afirma que, en promedio, cada
paquete pesa al menos 400 g. Quieres contrastar esta informacion a
partir de los pesos de los paquetes en una muestra aleatoria.
Poblacion: X = peso de un paquete de cereales (en g)
0

'
z}|{
Hipotesis nula, H0 : 400 MAS

Proporciona la muestra suficiente evidencia para dudar de

(rechazar) H0 ?
2. Una compana recibe envos de componentes, que acepta si el
porcentaje de componentes defectuosos es como maximo del 5%. La
decision se basa en una muestra aleatoria de estos componentes.
Poblacion: X = 1 si un componente es defectuoso y 0 en otro caso
X Bernoulli(p), p = proporcion de componentes defectuosos en
todo el envo
p0
z}|{
Hipotesis nula, H0 : p 0.05
' MAS

Proporciona la muestra evidencia suficiente para rechazar H0 ?

La hipotesis nula, H0
I Define la hipotesis a contrastar
I Se asume inicialmente que la hipotesis nula es correcta (semejante a
suponer inocencia a menos que se pruebe la culpa)
I Habitualmente corresponde al estatus quo
I Su definicion matematica siempre contiene los smbolos =, o
(conjunto cerrado)
I Puede ser rechazada como resultado del contraste, o no serlo
I Hipotesis 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 hipotesis nula: 0 = {0 }

I Hipotesis 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 hipotesis nula: 0 = (, 0 ] o

0 = [0 , )
Hipotesis alternativa, H1
Si la hipotesis nula no es valida, alguna alternativa debe ser correcta. Para
realizar el contraste, el investigador debe especificar una hipotesis alternativa
frente a la que se contrasta la hipotesis nula.
La hipotesis alternativa H1 :
I Es la opuesta a la hipotesis nula
I Habitualmente confronta el estatus quo
I Su formulacion matematica no contiene los smbolos =, o
I Puede ser soportada por los datos o no serlo
I Habitualmente es la hipotesis por la que se inclina el investigador
I Hipotesis 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 )

I Hipotesis bilaterales:

H1 : 2 6= 9 En general: H1 : 6= 0

Espacio parametrico bajo esta alternativa: 1 = (, 0 ) (0 , )

La hipotesis alternativa: ejemplos
1. Un fabricante de paquetes de cereales afirma que, en promedio, cada
paquete pesa al menos 400 g. Quieres contrastar esta informacion a partir
de los pesos de los paquetes en una muestra aleatoria.
Poblacion: X = peso de un paquete de cereales (en g)
Hipotesis nula, H0 : 400 frente a

Hipotesis alternativa, H1 : < 400

' MAS

Proporciona la informacion de la muestra suficiente evidencia en contra

de H0 y a favor de H1 ?
2. Una compana recibe envos de componentes, que acepta si el porcentaje
de componentes defectuosos es como maximo del 5%. La decision se basa
en una muestra aleatoria de estos componentes.
Poblacion: X = 1 si un componente es defectuoso y 0 en otro caso
X Bernoulli(p), p = proporcion de componentes defectuosos en el envo
Hipotesis nula, H0 : p 0.05 frente a

Hipotesis alternativa, H1 : p > 0.05

' MAS

Proporciona la informacion de la muestra suficiente evidencia contra H0

y a favor de H1 ?
Procedimiento de contraste de hipotesis

Es extrano observar una

xyyxxxxyy
Poblacion:
media muestral igual a
x = 1.65
si la media de la poblacion
X = altura de un estudiante de la es 1.6?
UC3M (en m)
Afirmacion: En promedio, los
estudiantes miden menos de 1.6 m
Hipotesis:
H0 : 1.6 frente a H1 : > 1.6

' MAS yyxx

Muestra: Supongamos que la
media muestral es 1.65 m,
Si no es razonable, rechazamos la
hipotesis nula en favor de la
alternativa.

x = 1.65
Procedimiento de contraste de hipotesis

I Una vez especificadas las hipotesis nula y alternativa y recogida la

informacion muestral, se toma una decision sobre la hipotesis nula
(rechazar o no rechazar H0 ).
I La regla de decision 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 hipotesis nula.
I Esta distancia se calcula como el valor de un estadstico del
contraste, relacionado con las cantidades pivotales mencionadas en
el Tema 1. Mas adelante se mencionaran casos especficos.
I Para cualquier decision que pueda tomarse, existe la posibilidad de
llegar a una conclusion equivocada sobre el valor del parametro de la
poblacion, porque no disponemos mas que de una muestra aleatoria
y con ella no podemos tener la certeza de que la hipotesis nula sea
correcta o no.
I Existen dos posibles estados en la naturaleza y por tanto se pueden
cometer dos errores: los errores de Tipo I y de Tipo II.
Errores de Tipo I y de Tipo II, potencia
I Error de Tipo I: rechazar una hipotesis nula correcta. El error de Tipo I se
considera importante. La probabilidad de un error de Tipo I es igual a y
se denomina nivel de significacion,

= P(rechazar la nula|H0 es correcta)

I Error de Tipo II: no rechazar una hipotesis nula incorrecta. La

probabilidad de un error de Tipo II es igual a .

= P(no rechazar la nula|H1 es correcta)

I potencia: probabilidad de rechazar una hipotesis nula (cuando es

incorrecta).

potencia = 1 = P(rechazar la nula|H1 es correcta)

Situacion actual
Decision H0 correcta H0 incorrecta
No Sin error Error de Tipo II
Rechazar H0 (1 ) ()
Rechazar Error de Tipo I Sin error
H0 () (1 = potencia)
Errores de Tipo I y de Tipo II, potencia

I Los errores de Tipo I y de Tipo II no se pueden cometer

simultaneamente
I El error de Tipo I solo puede darse si H0 es correcta
I El error de Tipo II solo puede darse si H0 es incorrecta
I Si la probabilidad del error de Tipo I, , entonces la probabilidad
del error de Tipo II,
I Si todo lo demas no cambia:
I cuando la diferencia entre el valor supuesto para el parametro y
su valor real
I cuando
I cuando la variabilidad en la poblacion ()
I cuando el tamano muestral (n)
I Para 1
potencia() = 1 ()
I Para 0
potencia()
Estadstico del contraste, nivel de significacion y region de
rechazo
Estadstico del contraste, T
I Nos permite decidir si es probable o improbable que se observen
los datos muestrales, suponiendo que la hipotesis nula sea cierta.
I Es la cantidad pivotal vista en el Tema 1, calculada bajo la hipotesis
nula.
I La decision del contraste de hipotesis se basa en el valor observado
del estadstico del contraste, t.
I Si los datos muestrales proporcionan evidencia contraria a la
hipotesis nula, el valor observado del estadstico del contraste
debiera ser extremo, esto es, muy poco probable. En otro caso,
este valor debiera ser usual.
I Distinguimos entre valores usuales y extremos sobre la base de:
I la distribucion del estadstico del contraste para la muestra,
I el nivel de significacion , que define la llamada region de rechazo o
crtica y la region de aceptacion.
Estadstico del contraste, significacion y region de rechazo
Region de rechazo (RR) y de aceptacion (RA) en contrastes de tamano :

Contraste unilateral derecho H1 : > 0

RR = {t : t > T } RA = {t : t T }
RA

VALOR

RR
CRITICO

Contraste unilateral izquierdo H1 : < 0

RR = {t : t < T1 } RA = {t : t T1 }
RR

VALOR RA
CRITICO

Contraste bilateral H1 : 6= 0

RR = {t : t < T1/2 o t > T/2 }

2

RR

VALOR RA

2

VALOR RR
RA = {t : T1/2 t T/2 } CRITICO CRITICO
Estadsticos del contraste
Sea X n una m.a.s. de una poblacion X con media y varianza 2 , un nivel de
significacion, z el cuantil de N(0,1), 0 la media de la poblacion bajo H0 , etc.
Parametro Hipotesis Estadstico contraste RR contraste bilateral

8
> z 9
>
>
> z }| { >
>
> >
x 0
> >
X 0 x0
< =
Datos normales N(0, 1) z : < z1/2 o > z/2
/ n / n
Varianza conocida >
>
> / n >
>
>
>
> >
>
: ;
ff
Datos no normales X 0 x0 x0
Media ap. N(0, 1) z : < z1/2 o > z/2
Muestra grande / n / n / n
ff
Datos Bernoulli pp0 pp0 pp0
p ap. N(0, 1) z : p < z1/2 o p > z/2
Muestra grande p0 (1p0 )/n p0 (1p0 )/n p0 (1p0 )/n
8
> t 9
>
>
> z }| { >
>
> >
x 0
> >
Datos normales X 0
<
x0
=
Varianza descono- tn1 t : < tn1;1/2 o > tn1;/2
s/ n >
> s/ n s/ n >
>
cida >
>
>
>
>
>
: ;

2
8 9
>
> >
>
>
> z }| { >
>
>
> >
>
(n 1)s 2
> >
(n1)s 2 2
> >
(n1)s
< =
Varianza Datos normales 2
n1 2 : < 2 o > 2
2 > 2 n1;1/2 2 n1;/2 >
0 >
>
> 0 0 >
>
>
>
> >
>
>
> >
>
: ;
( )
(n1)s 2 (n1)s 2 (n1)s 2
Desv. Tp. Datos normales 2
n1 2 : < 2 o > 2
2 2 n1;1/2 2 n1;/2
0 0 0

Pregunta: Como definiras RR para contrastes unilaterales?

Contraste de hipotesis: procedimiento

1. Especificar las hipotesis nula y alternativa.

2. Calcular el valor observado del estadstico del contraste (ver
transparencia anterior).
3. Para un nivel de significacion dado, definir la region de rechazo
(RR ).
I Rechazar H0 , la hipotesis nula, si el valor del estadstico del contraste
esta en RR y no rechazar H0 en otro caso.
4. Escribir las implicaciones para nuestro caso en una frase.
Contraste unilateral para la media de datos normales con
varianza conocida: ejemplo
Ejemplo: 9.1 (Newbold) Los pesos de los rodamientos fabricados en un proceso
siguen una distribucion normal con media 250 g. y desviacion tpica 5 g. Tras
reajustar el mismo, el encargado sospecha que el peso promedio ha aumentado,
pero su desviacion tpica no ha cambiado. Se selecciona una muestra aleatoria
simple de dieciseis rodamientos, con un peso medio de 251.9 g. Tiene razon el
encargado? Lleva a cabo el contraste para un nivel de significacion del 5%.
Poblacion:
X = peso de un rodamiento (en g) Estadstico del contraste:
X N(, 2 = 52 ) Z = X 0 N(0, 1)

'
/ n
Valor observado del estadstico:
MAS: n = 16
=5 0 = 250
Muestra: x = 251.9 n = 16 x = 251.9
x 0
Objetivo: contrastar z =
/ n
0
251.9 250

z}|{
H0 : = 250 frente a H1 : > 250 = = 1.52
5/ 16
(contraste unilateral)
Contraste unilateral para la media de datos normales con
varianza conocida: ejemplo
Ejemplo: 9.1 (cont.)
Region de rechazo (o region crtica):

RR0.05 = {z : z > z0.05 }

z=
= {z : z > 1.645} 1.52
Como z = 1.52 / RR0.05 no rechazamos
H0 a un nivel de significacion del 5%.

Densidad N(0,1)
RA

RR
z = 1.645
Conclusion: Los datos muestrales no proporcionan suficiente evidencia
para rechazar la afirmacion de que el peso promedio de los rodamientos
es 250 g.
Definicion de p-valor

I Es la probabilidad de que se obtenga un valor del estadstico del

contraste que sea al menos tan extremo ( o ) como el observado,
suponiendo que H0 sea cierta.
I Se conoce tambien como el nivel de significacion observado
I Es el menor valor de para el que se puede rechazar H0 .
I Se puede emplear en el paso 3) del procedimiento de contraste de
hipotesis con la regla siguiente:
I Si el p-valor < , rechazamos H0
I Si el p-valor , no rechazamos H0
I Como resumen:
I p-valores pequenos proporcionan evidencia en contra de H0
I p-valores grandes proporcionan evidencia a favor de H0
p-valor
Calculo del p-valor: t valor observado del estadstico del contraste T :
estad. de
contr.

Contraste unilateral derecho H1 : > 0

p-valor = P(T t)
pvalor
=area

estad. de
contr.

Contraste unilateral izquierdo H1 : < 0

p-valor = P(T t)
pvalor
=area

|estad.| |estad.|

Contraste bilateral H1 : 6= 0

p-valor = P(T |t|) + P(T |t|)

pvalor
=areas
izq.+der.
p-valor: ejemplo
Ejemplo: 9.1 (cont.)
Poblacion:
X = peso de un rodamiento (en g)
X N(, 2 = 52 ) p-valor = P(Z z) = P(Z 1.52)

'
= 0.0643 donde Z N(0, 1)
MAS: n = 16
Como se cumple que
Muestra: x = 251.9 p-valor = 0.0643 = 0.05
no rechazamos H0 (pero
Objetivo: contrastar rechazaramos para cualquier
0 mayor que 0.0643, por ejemplo,
z}|{ = 0.1).
H0 : = 250 frente a H1 : > 250
(contraste unilateral)

Estadstico del contraste: z=

Z = X/
0 N(0, 1)
n 1.52
Valor observado del estadstico: z = 1.52
pvalor

densidad N(0,1)
=area
El p-valor y la probabilidad de la hipotesis nula1

I El p-valor:
I no es la probabilidad de H0 ni la del error de Tipo I, ;
I se puede utilizar como un estadstico del contraste comparando su
valor con el de (i.e. rechazar H0 si p-valor < ).
I Queremos responder la pregunta: cual es la probabilidad de la
hipotesis nula dadas las observaciones?
I Recordemos que definimos el p-valor como la probabilidad de obtener
las observaciones (o valores mas extremos) dada la hipotesis nula.
I No podemos responder de manera exacta,
I Pero bajo condiciones generales y asumiendo que sin los datos
Pr(H0 ) = Pr(H1 ) = 1/2, entonces para p-valores, p, tales que
p < 0.36:
ep ln(p)
Pr(H0 |Observaciones) .
1 ep ln(p)

1 Selke, Bayarri and Berger, The American Statistician, 2001

El p-valor y la probabilidad de la hipotesis nula
La siguiente tabla permite calibrar el p-valor como una funcion de la
probabilidad de la hipotesis nula:
p-valor Pr(H0 |Observaciones)
0.1 0.39
0.05 0.29
0.01 0.11
0.001 0.02
0.00860 0.1
0.00341 0.05
0.00004 0.01
0.00001 0.001

I Para un p-valor igual a 0.05 la hipotesis nula tiene una probabilidad

de al menos el 29% de ser cierta.
I Mientras que si queremos que la probabilidad de que sea cierta no
supere el 5%, el p-valor tiene que ser mas pequeno que 0.0034.
Intervalos de confianza y contrastes bilaterales: dualidad

Un contraste bilateral a un nivel de significacion puede realizarse a

partir de un intervalo (simetrico) con nivel de confianza 100(1 )% de
la manera siguiente:
1. Especificar las hipotesis nula y alternativa:

H0 : = 0 frente a H1 : 6= 0

2. Calcular un intervalo de confianza al 100(1 )% para .

3. Si 0 no pertenece a este intervalo, rechazamos H0 .
Si 0 pertenece al intervalo, no rechazamos H0 .
4. Escribir las implicaciones para nuestro caso en una frase.
Contraste bilateral para la media con varianza conocida:
ejemplo
Ejemplo: 9.2 (Newbold) Un taladro produce agujeros cuyos diametros
siguen una distribucion normal con media 2 cm y desviacion tpica 0.06
cm. Para verificar su correcto funcionamiento se miden aleatoriamente
nueve taladros, con un diametro medio de 1.95 cm. Realiza un contraste
bilateral para un nivel de significacion del 5% utilizando ICs.
Poblacion: Intervalo de confianza al
X = diametro de un agujero (en cm) 100(1 )% = 95% para :
X N(, 2 = 0.062 )

'
 

IC0.95 () = x 1.96
MAS: n = 9 n
 
0.06
Muestra: x = 1.95 = 1.95 1.96
9
Objetivo: contrastar = (1.9108, 1.9892)
0
z}|{ Como 0 = 2 / CI0.95 (),
H0 : = 2 frente a H1 : 6= 2 rechazamos H0 a un nivel de
(contraste bilateral) significacion del 5%.
Contraste bilateral para la proporcion: ejemplo
Ejemplo: 9.6 (Newbold) En una muestra aleatoria de 199 socios
auditores de empresas de auditora americanas, 104 socios se mostraron
de acuerdo con la afirmacion: Los flujos de caja operativos son una
medida valida de rentabilidad. Contrasta al 10% frente a una
alternativa bilateral la hipotesis nula de que la mitad de los miembros de
la poblacion estaran de acuerdo con esta afirmacion.
Poblacion:
X = 1 si un socio esta de acuerdo con la Estadstico del contraste:
afirmacion y 0 en otro caso Z = pp0 aprox. N(0, 1)
X Bernoulli(p) p0 (1p0 )/n
Valor observado del estadstico:

'
Muestra: p =
MAS: n = 199 n grande

104
199 = 0.523
p0 = 0.5
n = 199 p = 0.523
p p0
Objetivo: contrastar z = p
p0 (1 p0 )/n
p0
0.523 0.5
= p
z}|{
H0 : p = 0.5 frente a H1 : p 6= 0.5 0.5(1 0.5)/199
(contraste bilateral) = 0.65
Contraste bilateral para la proporcion: ejemplo
Ejemplo: 9.6 (cont.)
Region de rechazo o region crtica:

RR0.10 = {z : z > z0.05 }

{z : z < z0.05 }
= {z : z > 1.645} z=
{z : z < 1.645} 0.65

Como z = 0.65 / RR0.10 no

rechazamos H0 a un nivel de
significacion del 10%.

Densidad N(0,1)
RR

RA

RR
z2 = 1.645 z2 = 1.645
Conclusion: 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.
Contraste unilateral, media con var. desconocida: ejemplo
Ejemplo: 9.4 (Newbold, modificado) Una cadena de centros comerciales cree
que el aumento de ventas entre Noviembre y Diciembre es del 20%. Una
muestra aleatoria de seis centros tuvo incrementos de ventas de 19.2, 18.4,
19.8, 20.2, 20.4, 19.0. Suponiendo la poblacion normal, contrasta que el
incremento promedio es al menos del 20% frente a una alternativa unilateral,
para = 10%. Emplea el p-valor.
Poblacion:
X = incremento de ventas en un centro
entre Nov. y Dic. (en %) Estadstico del contraste:
2 2
X N(, ) desconocida T = Xs/
0 tn1
n

'
Valor observado del estadstico:
MAS: n = 6 n pequeno
0 = 20 n=6

Muestra: x = 117 = 19.5 x = 1.95 s = 0.588 = 0.767
6 x 0
2 2284.446(19.5)2 t =
s = 61
= 0.588 s/ n
Objetivo: contrastar 19.5 20
= = 1.597
0 0.767/ 6
z}|{
H0 : 20 frente a H1 : < 20
(contraste unilateral)
Contraste unilateral, media con var. desconocida: ejemplo
Ejemplo: 9.4 (cont.)

p-valor = P(T 1.597)

(0.05, 0.1) porque t=
t5;0.05 t5;0.10 1.597
z }| { z }| {
2.015 < 1.597 < 1.476 pvalor
=area
Dado que p-valor < = 0.1,
rechazamos la hipotesis nula a este
nivel.
||
Densidad tn1
2.015 1.476

Conclusion: Los datos muestrales proporcionan suficiente evidencia para

rechazar que el incremento promedio de las ventas haya sido al menos del 20%.
Interpretacion del p-valor: si la hipotesis nula fuese cierta, la probabilidad de
que hubiesemos obtenido estos datos muestrales sera como maximo del 10%,
lo que es bastante improbable, y por tanto rechazamos la hipotesis nula.
Contraste unilateral para la media con varianza
desconocida: ejemplo
Ejemplo: 9.4 (cont.) en Excel: Selecciona la opcion de menu: Datos,
submenu: Analisis de datos, escoge la funcion: prueba t para dos muestras
suponiendo varianzas desiguales.
Columna A (datos), Columna B (n repeticiones de 0 = 20), en amarillo
(estadstico observado t, p-valor y tn1; ).
Contraste unilateral para la varianza: ejemplo
Ejemplo: 9.5 (Newbold) Para cumplir con la normativa, la varianza del nivel de
impurezas en tanto por ciento en los envos de un cierto producto qumico no
puede superar el valor 4. Una muestra aleatoria de veinte envos ha
proporcionado una cuasi-varianza muestral del nivel de impurezas de 5.62.
a) Lleva a cabo un contraste de hipotesis adecuado ( = 0.1).
b) Calcula la potencia del contraste. Cual es la potencia para 12 = 7?
c) Que tamano muestral garantizara una potencia de 0.9 para 12 = 7?
Poblacion:
X = nivel de impurezas del producto en un
envo (en %) Estadstico del contraste:
2
X N(, ) 2 2 = (n1)s
2
2n1

'
0

Valor observado del estadstico:

MAS: n = 20
02 = 4 n = 20
2 2
Muestra: s = 5.62 s = 5.62
(n 1)s 2
Objetivo: contrastar 2 =
02
02 (20 1)5.62
z}|{ =
H0 : 2 4 frente a H1 : 2 > 4 4
(contraste unilateral) = 26.695
Contraste unilateral para la varianza: ejemplo
Ejemplo: 9.5 a) (cont.)

p-valor = P(2 26.695) 2 =

(0.1, 0.25) porque 26.695
219;0.25 219;0.1
z}|{ z}|{
22.7 < 26.695 < 27.2 pvalor
=area
Como el p-valor es mayor que
= 0.1, no podemos rechazar la
hipotesis nula a este nivel.

Densidad 2n1
22.7 27.2

Conclusion: Los datos muestrales no proporcionan suficiente evidencia

para rechazar la afirmacion de que la varianza del porcentaje de
impurezas en los envos de este producto no es mayor que 4.
Contraste unilateral para la varianza: potencia
Ejemplo: 9.5 b) Recuerda que: potencia = P(rechazar H0 |H1 es cierta)
Cuando rechazamos H0 ?

(n 1)s 2

ff
2
RR0.1 = > n1;0.1 potencia( 2 ) funcion de 2
02
8 9
27.2 4 = 108.8>

1.0
potencia(2 2) =
>
> z }| { >
< =
= (n 1)s 2 > 2n1;0.1 02 1 ( )

0.8
>
> >
>
: ;
20 = 4
La potencia viene dada por:

0.6

potencia(12 ) = P rechazar H0 | 2 = 12

0.4

= P (n 1)s 2 > 108.8| 2 = 12

0.0 0.2
(n 1)s 2

108.8
=P >
12 2
1
0 0 2 4 6 1 8 10

108.8 108.8
= P 2 >
12
= 1 F2
12
2
(F2 es la funcion de distribucion de 2n1 ) Por tanto,
power(7) = P 2 > 108.8
`
7
= 0.6874.
Contraste unilateral para la varianza: calculo de tamano
muestral
Ejemplo: 9.5 c)
De nuestros calculosanteriores, sabemos que
2
2

(n1)s 2
potencia(12 ) = P (n1)s
2
> 2n1;0.1 02 , 12
2n1
1 1

Nuestro objetivo es encontrar el menor n tal que:

0.571
0 1
z}|{
2
B (n 1)s 4 C
B C
potencia(7) = P B 2
> 2n1;0.1 C 0.9
@ 1 7 A

La ultima ecuacion implica que queremos trabajar con una distribucion 2n1
cuyo cuantil 0.9 debe cumplir 2n1;0.9 0.5712n1;0.1 .

tabla chi-cuadrado
243;0.9 /243;0.1 = 0.573 > 0.571 n 1 = 43

Por tanto, si disponemos de 44 observaciones podremos detectar el valor

alternativo 12 = 7 correctamente con una probabilidad superior al 90%.
Otro ejemplo sobre potencia: contraste unilateral para la
media, poblacion normal y 2 conocida
I H0 : 0 frente a H1 : < 0 para = 0.05
I Supongamos 0 = 5, n = 16, = 0.1
x
0 < z = 1.645, esto es, cuando
I Rechazamos H0 si / n
x 4.96, por tanto
 
4.96
potencia(1 ) = P Z < 0.1/ 1
16
1.0

1.0
potencia() =
1 () n=16
n=9
0.8

0.8
0 = 5 n=4
0.6

0.6
0.4

0.4
0.2

0.2
0.0

0.0

4.85 4.95 5.05 4.85 4.95 5.05
1 0
Otro ejemplo sobre potencia: contraste unilateral para la
media, poblacion normal y 2 conocida

La funcion potencia = 1 P(error Tipo II) tiene las siguientes

propiedades (si todo lo demas se mantiene constante):
I Cuanto mas alejada este la media verdadera 1 del valor supuesto
0 , mayor es la potencia.
I Cuanto menor sea , menor es la potencia, esto es, si se reduce la
probabilidad de un error de Tipo I, se incrementa la probabilidad de
un error de Tipo II.
I Cuanto mayor es la varianza de la poblacion, menor es la potencia
(cuando tenemos mas variabilidad, resulta mas difcil detectar
pequenas desviaciones del valor real respecto del valor supuesto 0 ).
I Cuanto mayor sea el tamano muestral, mayor es la potencia del
contraste (cuanto mas informacion tengamos sobre la poblacion,
mas sencillo resultara detectar pequenas desviaciones del valor real
respecto de la hipotesis nula).