TEST DE HIPOTESIS PARAMETRICOS.

La esencia de realizar un test de hiptesis es la de contrastar si una afirmacin realizada sobre un

parmetro de la distribucin de la poblacin es correcta, o no, apoyndose en la evidencia
muestral.

Conceptos:
Hiptesis del Test: Lo primero que debe hacerse para realizar un Test es plantear las hiptesis:
(Hiptesis nula) y (Hiptesis Alternativa).

Las hiptesis deben formularse de manera tal que contenga la igualdad (o desigualdad no
estricta) y contenga slo desigualdades, esto se da porque el test se realiza bajo el supuesto de
que la hiptesis nula es cierta. Posteriormente se ver que pasa cuando se levanta dicho supuesto.

Entonces podemos identificar 3 tipos de combinaciones para formular las hiptesis:

:
: >

: =
:

:
: <

En donde es el parmetro sobre el que realizamos el test y es una constante.

Significacin ( ): Conceptualmente es lo mismo que en Intervalo de Confianza, es el error que se

admite para realizar el test de hiptesis, de acuerdo a la muestra tomada. Pero, a diferencia de lo
que sucede en Intervalos de confianza, la significacin slo estar distribuida equitativamente por
sobre y por debajo del intervalo en el caso de que la regin crtica sea a dos colas; en los otros 2
casos la significacin estar distribuida completamente en un solo extremo del intervalo.

Valor Crtico: El mismo puede ser expresado de dos formas distintas: la primera es en trminos de
la variable que estoy analizando, en tal caso se denota como ; la segunda es en trminos
estandarizados y se denota como , , , de acuerdo a la distribucin que tenga el
estadgrafo correspondiente al Test.

La forma de obtener el valor crtico es encontrar el valor de mi variable que acumula (en el caso de
que la hiptesis alternativa sea con <) % de probabilidad, que desacumula (en el caso de que la
hiptesis alternativa sea con >) % de probabilidad, o que acumula (en el caso de que la hiptesis
nula sea con ) % y el que desacumula % (en este ltimo caso son 2 valores crticos). Si se los
quiere expresar en valores estndar se los estandariza.

Regin Crtica o de rechazo: La regin crtica es la que se corresponde al % de significacin.

Contemplando la definicin de Hiptesis, significacin, valor crtico y Regin crtica podemos

obtener el siguiente esquema que las relaciona:
! "# %&:

:
: >

En donde es el valor crtico que desacumula % de probabilidad (significacin) y la regin crtica

es el rea sombreada.

! "# %&: ! "# %&:

2 2

: =

:

En donde es el valor crtico que desacumula % de probabilidad (la mitad de la

significacin), es el valor crtico que acumula % de probabilidad (la otra mitad de la
significacin) y la regin crtica se compone de las dos reas sombreadas.

! "# %&:

:
: <
En donde es el valor crtico que acumula % de probabilidad (significacin) y la regin crtica es
el rea sombreada.

Valor Experimental: Es el que surge de la muestra tomada, el cual va a compararse con el valor
crtico para definir si cae en zona de aceptacin o rechazo. El mismo se puede expresar (al igual
que el valor crtico con el que se lo va a comparar) en trminos de la variable sobre la que
realizamos el test o en trminos estndar, lo importante es que coincida con la forma en que se
expresa el valor crtico para poder compararlos. Naturalmente al ser un valor obtenido de la
muestra, por defecto viene en trminos de la variable sobre la que estamos trabajando, si lo que
queremos es compararla en valores estndar, lo que hay que hacer es estandarizarlo.

Para realizar la estandarizacin se utilizan los mismos estadgrafos vistos en intervalos de

confianza.

Error de Tipo I: Es rechazar cuando en realidad es verdadera. La probabilidad de cometer el

error de tipo I es la significacin (teniendo en cuenta que es una probabilidad condicional,
condicionada a que es verdadera y que al realizar el test se asume ese supuesto).

= (( %&*&# / , #-&- #&)

tipo II es .:
Error de Tipo II: Es Aceptar cuando en realidad es falsa. La probabilidad de cometer el error de

. = ((/% 0 &# / , 1&2,&)

Potencia: Es la probabilidad de rechazar cuando realmente es falsa. Por su definicin misma se

calcula como el complemento de la probabilidad de cometer el error de tipo II.

(3 !% & = 1 .

NOTA: Para poder calcular el error de tipo II o la potencia no slo es necesario tener la certeza de que es falsa.
Tambin se necesita conocer el valor verdadero.

Lo dicho precedentemente se puede resumir en la siguiente tabla:

5
Aceptar 1 . = 6##3# 7 03 88

Rechazar = 6##3# 7 03 8 1 . = (3 !% &

Procedimiento para realizar un test:
Identificar cul es la afirmacin que se realiza sobre el parmetro y que hay que
contrastar.
En base a dicha afirmacin, formular las hiptesis del test y los cursos de accin:
Contrastar una afirmacin tiene dos posibles resultados: es verdadera (en base a la

parmetro respecto a un determinado valor " " tiene tres posibles resultados: es menor,
evidencia muestral) o es falsa (en base a la evidencia muestral). Contrastar el valor de un

es mayor o es igual. Entonces, es fcil darse cuenta de que debo agrupar los tres posibles
resultados de la comparacin del parmetro en dos grupos que sean equivalentes a la
afirmacin planteada. Bsicamente se trata de preguntarle a cada uno de los tres posibles
resultados si se cumple la afirmacin, y posteriormente agrupar los que tengan la misma
respuesta. Una vez agrupados y separados en dos, el que contenga el igual formar la
hiptesis nula y el resto la hiptesis alternativa.

Ejemplo:

Un comerciante asegura que el consumo promedio de dulces de los nios (en su conjunto) de un determinado barrio ha
disminuido. Si se sabe que el consumo promedio de dulces en aos anteriores fue de $850.- por da (a fines de simplificar
el ejemplo supongamos una economa sin inflacin). El comerciante est planeando realizar un test de hiptesis para
corroborar dicha afirmacin y le solicita a usted que plantee las hiptesis del problema:

Lo primero que vemos es que el test corresponde a la media. Como dijimos, empezamos por plantear los 3 posibles
resultados que puede arrojar la comparacin del parmetro (la media) luego de tomar una muestra:

: < 850

: = 850

: > 850

Una vez identificados los tres posibles resultados, debo verificar en cada uno si se cumple o no la afirmacin planteada
por el problema:

: < 850 6! 3!% , ?&@ 2 %3!,AB3? D

: = 850 6! 3!% , ?&@ 2 %3!,AB3? E3

: > 850 6! 3!% , ?&@ 2 %3!,AB3? E3

Una vez que tengo definidas las respuestas, agrupamos los que tienen la misma respuesta:

: < 850 6! 3!% , ?&@ 2 %3!,AB3? D

: 850 6! 3!% , ?&@ 2 %3!,AB3? E3

De los dos resultados que nos quedan, el que tiene incluida la igualdad es el que corresponde a y el otro a :

: : 850

: : < 850

IMPORTANTE: A pesar de parecer intuitivo y fcil, es un paso de vital importancia y que puede llevar a confusin, razn
por la cual se recomienda realizar el proceso descripto paso a paso. Tngase en cuenta que un resultado positivo del test
no necesariamente significa un resultado positivo sobre la afirmacin.

Definir el estadgrafo y el valor experimental:

El estadgrafo a utilizar se define de igual manera que en intervalos de confianza, cada uno
con su distribucin, de acuerdo al parmetro al que deseo testear. El valor experimental es
el que arroja la muestra y como se mencion anteriormente, puede ser expresado en
trminos de la variable que se est analizando o en trminos estndar.

Ejemplo:

Continuando con el punto anterior, supngase que se conoce que el desvo estndar del consumo de dulces es de $49 por
da, y que de las observaciones de 49 das arroj un consumo promedio de $829.- por da.

Las dos opciones que tengo son:

Tomar 829 como valor crtico (en trminos de la variable que estoy analizando), definir a partir de este valor la regin
crtica y contrastar con el valor crtico en trminos de la variable que estoy analizando.

Trabajar en trminos estndar, para lo cual voy a tener que estandarizar 829. Para estandarizarlo debo utilizar el
estadgrafo correcto, en este caso es:

: 829 850
= = = 3
F
G/! 49/49
F

Si no conociera el G debera estimarlo por s y utilizar una distribucin LM NO .

Definir la regin crtica (o de rechazo) y el valor crtico:

Dada la definicin de regin crtica previamente introducida no debe generar mayor
dificultad poder identificarla:
Primero se debe encontrar el valor crtico, el mismo debe estar expresado en los mismos
trminos que el valor emprico/experimental. Una vez identificado el valor crtico, la
decisin de si el rea de rechazo est por encima o por debajo se basa en la forma en que
se plantearon las hiptesis como se explic en el esquema de la pgina 2.

Ejemplo:

Supngase que se desea realizar el test con una significacin ( ) del 5%.

Recordando cmo se haban planteado las hiptesis:

 : : 850

: : < 850

Sabemos que el valor crtico y la regin de rechazo tendrn la siguiente representacin:

850

Como sabemos que la regin de rechazo es una sola y est por debajo, el valor crtico ser aquel que acumule 0,05 de
probabilidad. La distribucin en la que voy a buscar que se cumpla esta condicin es en la misma que tiene el estadgrafo
del valor experimental (lgicamente para que sean comparables).

Entonces:

~E(850; 7) Porque para realizar el test, la hiptesis nula se asume verdadera.

( < ) = 0,05 ?

Poniendo estos datos en cualquier aplicacin obtengo el dato que necesito:

= 838,4860

Entonces nuestra rea de rechazo queda definida por todos los menores a 838,4860

= 838,4860 850

O, expresado en trminos estndar:

= 1,6448

Entonces nuestra rea de rechazo queda definida por todos los menores a 1,6448

Grficamente:

= 1,6448 0
 Dar el resultado del Test:
El resultado del test de obtiene comparando el valor experimental con el valor crtico, es
decir, verificar si el valor experimental cae en zona de aceptacin o de rechazo:

Ejemplo:

Como vimos, el valor experimental era:

F = 829 3 F = 3

Para el caso en que trabajemos con los valores de la variable que estamos analizando:

F = 829

= 838,4860

F cae en zona de rechazo, por lo cual rechazamos en base a la evidencia muestral. Si la comparacin la hubisemos
realizado en trminos estndar:

F = 3

= 1,6448

F cae en zona de rechazo, por lo que rechazamos en base a la evidencia muestral. Es importante remarcar que por
cualquiera de las dos formas la respuesta del test es la misma.

De acuerdo al resultado del Test definir el curso de accin o respuesta final:

Como vimos en el punto 2. Los posibles resultados del test tienen aparejada su propia
respuesta respecto a la afirmacin que queremos contrastar. Lo que debemos hacer para
contestar a esa afirmacin es recorrer el camino inverso.

Ejemplo:

Recordando:

: < 850 6! 3!% , ?&@ 2 %3!,AB3? D

: 850 6! 3!% , ?&@ 2 %3!,AB3? E3

Como rechazamos : : 850 significa que asumimos que : < 850, lo que significa que SI BAJ EL CONSUMO, en base
a la evidencia muestral.

Ntese que la respuesta al test era negativa (ya que el test se realiza para probar ) pero la respuesta a la afirmacin es
positiva. Esta relacin puede (o no) ser as, y va a depender del planteo correcto de las hiptesis.
Ms all del test:

Al momento de realizar el test se suele considerar importante a la probabilidad de cometer un

error. Asumiendo que la hiptesis nula es correcta, el error en el que se puede incurrir es el Error
Tipo I (ET1). Pero adems, si la hiptesis nula no es correcta se puede producir el error de tipo II
(ET2). La P(ET1) la conocemos previamente, ya que es condicin para poder realizar el test, y es la
significacin. La P(ET2) no la conocemos previamente (ya que si supiramos de antemano que la
hiptesis nula es falsa no realizaramos el test), por lo cual el test se realiza tal cual lo descripto.
Supngase entonces, que posterior a la realizacin del test se descubre la falsedad de ; el rea
de rechazo bajo la que se realiz el test es la misma slo que al verse modificado uno de los
parmetros poblacionales, la probabilidad que acumula (o desacumula) se ve afectada:

! %# %& =

:
! %# %&
# & - &% 0 &% !:
! %# %& = 03 !% &
=1 ((6##3# - 03 88) = .
.

Puede observarse que, en este caso, al mantener fijo el valor crtico (en trminos de variable) y disminuir la media, se
desplaza toda la grfica hacia la izquierda haciendo crecer el rea de rechazo, por lo que la masa probabilstica
contenida ser mayor al original. Se deja a cargo del alumno la comprobacin para el caso donde se incrementa la
media para el mismo ejemplo, en donde el rea de rechazo se achica y disminuye su masa probabilstica.

Analticamente se puede calcular utilizando el mismo valor crtico en trminos de la variable que
estoy analizando, con la misma distribucin, pero falseando , es decir, introduciendo el nuevo
valor para el parmetro testeado.

Ejemplo:

Supngase que se descubre que la nueva media para el consumo de dulces es de $843 y recurdese que las hiptesis se
haban planteado de la siguiente manera:

: : 850

: : < 850

Como vemos, el verdadero valor de la media no cumple con lo planteado en , pero el valor crtico en trminos de la
variable sigue siendo el mismo: $838,486 , es decir que se rechazaba si el valor experimental daba un resultado
inferior a 838,486. Recordando la primer parte de la materia sabemos que no es lo mismo la probabilidad acumulada
hasta 838,486 de una variable aleatoria que se distribuye normalmente con media igual a 850 que lo que acumula hasta
ese mismo valor una variable aleatoria que se distribuye normalmente con media 843 y mantiene el mismo desvi.
Entonces, sabemos que con media 850 el valor crtico acumulaba 0,05. Cuanto acumula con media 843??

Puedo calcular este dato por cualquier aplicacin estadstica o estandarizando, el resultado es:

~E(843; 7)

( < 838,486) = 0,2595

Este valor obtenido es el equivalente a la probabilidad de caer en rea de rechazo utilizando la nueva media (la nueva
media significa que es falsa) por lo que se corresponde con la POTENCIA; si lo que quiero es calcular el ET2, lo que
tengo que hacer es calcular el complemento.

IMPORTANTE: Tener en cuenta que siempre el rea de rechazo se transforma en la potencia cuando es falsa, est
relacin es entre el AREA DE RECHAZO y la POTENCIA. No confundir con la probabilidad acumulada hasta el valor crtico,
ya que si el test es a una cola por derecha, el rea de rechazo ser la probabilidad desacumulada hasta ese valor y no la
acumulada como en el ejemplo anterior.

Test para ms de una poblacin:

Al igual que como se vio en intervalos de confianza, los test de hiptesis tambin pueden
corresponder a parmetros de dos poblaciones distintas. Los estadgrafos son los mismos que en
intervalo de confianza, y la mecnica del test es la misma que en los test para una poblacin. Por
lo que directamente se explicara con el ejemplo. Cabe mencionar un caso particular de un test que
se resuelve realizando otro test:

Como vimos para los estadgrafos de dos poblaciones de intervalo de confianza, para la diferencia
de medias tengo 3 casos posibles: los desvos son conocidos, los desvos son desconocidos pero se
asumen iguales, y por ltimo los desvos son desconocidos y se asumen distintos. Para el caso de
Test de hiptesis pasa exactamente lo mismo, pero cuando no conocemos los desvos no
realizamos supuestos de igualdad sin antes testear dicha igualdad estadsticamente. Dicho en
otras palabras, cuando debemos resolver un test para diferencia de medias con desvos
desconocidos, para saber cul de los dos estadgrafos utilizar debemos previamente realizar un
test de homocedasticidad (igualdad de varianzas) para decidir si estadsticamente son iguales o no.

Ejemplo:

Ejercicio 30 Prctica de Test de Hiptesis

Para decidirse acerca de la eleccin de uno u otro activo, un analista burstil calcul el retorno promedio y el riesgo
respectivo de cada una de ellas. As, de los ltimos 9 das de cotizacin, el precio de la accin A tuvo una variacin
promedio de 0,9% con un desvo de 0,193%; mientras que la accin B (que uno de esos das no cotiz) brind un
rendimiento medio de 1,18% con un desvo de 0,245%

Verificar si existe diferencia significativa entre ambas cotizaciones, con un nivel de significacin del 10%.

RESPUESTA:

Identificar cul es la afirmacin que se realiza sobre el parmetro y que hay que contrastar.

El rendimiento medio de ambas acciones es similar.

En base a dicha afirmacin, formular las hiptesis del test y los cursos de accin.

Posibles respuestas a la afirmacin:

Es similar.

No es similar.

Posibles resultados de la muestra:

: = : 6, , B 2&#.

: < : E3 , , B 2&#.

: > : E3 , , B 2&#.

Una vez que agrupamos los resultados de la muestra que tienen la misma respuesta para la afirmacin planteada
planteo las hiptesis dejando el que tiene el igual para la hiptesis nula:

:: = :
:: :

ambos lados : ):
Simplemente porque en el estadgrafo nos facilitara las cuentas haremos el siguiente pasaje trminos (restando en

:: : = 0
:: : 0

Definir el estadgrafo y el valor experimental:

Para el caso de diferencias de medias con desvos poblacionales desconocidos tenemos dos opciones: usamos el
estadgrafo que se distribuye LWXLY M NO , o utilizamos el estadgrafo que se distribuye ZNO (recurdese que g es una
funcin de los desvos), y eso va a depender de si los desvos poblacionales son estadsticamente iguales o no.

Para probar esto ltimo tenemos que realizar un test de Homocedasticidad (igualdad de varianzas):

-----------------------------------------------------------------------------------------------------------------------------------

Identificar cul es la afirmacin que se realiza sobre el parmetro y que hay que contrastar.

Los desvos poblacionales de ambas poblaciones son iguales.

En base a dicha afirmacin, formular las hiptesis del test y los cursos de accin.

Posibles respuestas a la afirmacin:

Si, son iguales.

No son iguales.

Posibles resultados de la muestra:

G = G D , ,3! A&2 ,.

G < G E3 ,3! A&2 ,.

G > G E3 ,3! A&2 ,.

Una vez que agrupamos los resultados de la muestra que tienen la misma respuesta para la afirmacin planteada
planteo las hiptesis dejando el que tiene el igual para la hiptesis nula:

:G = G
:G G

Simplemente porque en el estadgrafo nos facilitara las cuentas haremos el siguiente pasaje trminos:

G
: =1
G
[ G
: 1
G

Definir el estadgrafo y el valor experimental:

El estadgrafo a utilizar para el valor experimental es el mismo que se utiliza en intervalos de confianza:

, .G
=
F (L\ M ;L] M )NO
, .G

Recordando que el test de hiptesis se realiza bajo el supuesto de que es verdadera, el estadgrafo queda de la
siguiente manera:

,
=
F (L\ M ;L] M )NO
,

0,193
= = 0,07601837
F (L\ M ;L] M )NO
0,245

Definir la regin crtica (o de rechazo) y el valor crtico:

Por la forma en la que estn definidas las hiptesis la regin de rechazo ser a dos colas, cada una con % de
significacin.

;(^,_)NO = 0,2856 ;(^,_)NO = 3,7257

Se utiliza la campana de gauss simplemente para graficar la divisin del rea de rechazo, obviando que el grfico sera distinto debido a
que la grfica de la distribucin F tiene distinta forma.

Dar el resultado del Test:

Debemos comparar el F con el rea crtica:

F = 0,07601837

;(^,_)NO = 0,2856 ;(^,_)NO = 3,7257

 F cae en carea de rechazo, por lo que se rechaza en base a la evidencia muestral.

De acuerdo al resultado del Test definir el curso de accin o respuesta final:

Debido a que se rechaza , para realizar el test de diferencia de medias vamos a suponer que los desvos poblacionales
son estadsticamente distintos.

---------------------------------------------------------------------------------------------------------------------------------

Una vez que definimos si los desvos poblacionales son distintos, ya sabemos que estadgrafo tenemos que utilizar:

, ,
( d ` + ae
a) (:` :` ) !` !a
= , A!& Z NO %3! = 2
`
, ` , a , ` ,
F
b + d e d ae
!` !a !` !
+ a
!` 1 !a 1

Como dijimos anteriormente, el test se realiza bajo el supuesto de que es verdadera, entonces el estadgrafo queda:

( a) 0
=
`
, ` , a
F
b +
!` !a

Para calcular el valor experimental nos olvidamos de los grados de libertad, ya que se calcula con los datos mustrales.

(0,9 1,18)
F = = 1,2270
b0,193 + 0,245
9 8

Definir la regin crtica (o de rechazo) y el valor crtico:

Antes que nada, como sabemos que la distribucin del estadgrafo es Z NO tengo que calcular cuando vale g:

, , 0,193 0, 245
d ` + ae d + e
!` !a 9 8
= 2= 2 = 11,30
, , 0,193 0,245
d `e d ae d e d e
!` ! 9 8
+ a +
!` 1 !a 1 8 7

= 11 ya que se redondea para abajo (ante la duda se opta por ampliar el rea de aceptacin).

Por la forma en que estn definidas las hiptesis sabemos que el rea de rechazo es a dos colas, cada cola con % de
significacin:

;( )NO = 1,7958 ;( )NO = 1,7958

Se utiliza la campana de gauss simplemente para graficar la divisin del rea de rechazo, obviando que el grfico sera distinto debido a
que la grfica de la distribucin t tiene distinta forma.
Dar el resultado del Test:

Debemos comparar el valor experimental con el rea de rechazo:

F = 1,227

;( )NO = 1,7958 ;( )NO = 1,7958

F cae en zona de aceptacin, por lo cual se acepta en base a la evidencia muestral.

De acuerdo al resultado del Test definir el curso de accin o respuesta final.

Aceptar es aceptar que las medias de ambas poblaciones son similares.