Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Inferencia, Estimación y Contraste de Hipótesis PDF
Inferencia, Estimación y Contraste de Hipótesis PDF
1.- INTRODUCCIN
Puntual
Estimacin
Estadstica
Descriptiva Intervalos
INFERENCIA
Probabilidad y
Contraste
modelos
Por tanto, algunos de los objetivos que se persiguen en este tema son:
Inferencia, estimacin y contraste de hiptesis 46
Calcular los parmetros de la distribucin de medias o proporciones muestrales
de tamao n, extradas de una poblacin de media y varianza conocidas.
Estimar la media o la proporcin de una poblacin a partir de la media o
proporcin muestral.
Utilizar distintos tamaos muestrales para controlar la confianza y el error
admitido.
Contrastar los resultados obtenidos a partir de muestras.
Visualizar grficamente, mediante las respectivas curvas normales, las
estimaciones realizadas.
En definitiva, la idea es, a partir de una poblacin se extrae una muestra por
algunos de los mtodos existentes, con la que se generan datos numricos que se van a
utilizar para generar estadsticos con los que realizar estimaciones o contrastes
poblacionales.
El estudio muestral no es un tema que entre a formar parte de este tema, pero si
necesitaremos una serie de conceptos necesarios para el desarrollo del tema, y que se
detallan a continuacin.
- La media poblacional: X
- Total poblacional: X
- Proporcin: P
ESTIMACIN: Este trmino indica que a partir de lo observado en una muestra (un
resumen estadstico con las medidas que conocemos de Descriptiva) se extrapola o
generaliza dicho resultado muestral a la poblacin total, de modo que lo estimado es el
valor generalizado a la poblacin. Consiste en la bsqueda del valor de los parmetros
poblacionales objeto de estudio. Puede ser puntual o por intervalo de confianza:
1
Todas las variables aleatorias que forman la muestra verifican que son independientes entre s, que
E[ X i ] = y que su V [ X i ] = 2 .
Apuntes de Estadstica II 49
o Total: t = n xi .
i =1
MEDIA MUESTRAL: Sea X1.....Xn, una m.a.s. con media o con E(x)= y con
2
varianza muestral V [ X ] = , entonces la media muestra se distribuye como una
n
normal de parmetros:
X N ( , ).
n
VARIANZA MUESTRAL: Sea X1.....Xn, una m.a.s. independientes e idnticamente
distribuidas, definimos el estadstico muestral para la varianza como la cuasivarianza
muestral s 2 =
1
n 1
( 2
)
1n=1 x1 x , entonces se verifica que:
(n 1)s 2 n21
2
TOTAL MUESTRAL: Sea X1......Xn, una m.a.s. con E(t)= n y con V(t)= n 2 ,
entonces se distribuye como una normal:
(
t N n ; n 2 . )
El intervalo de confianza est determinado por dos valores dentro de los cuales
afirmamos que est el verdadero parmetro con cierta probabilidad. Son unos lmites o
margen de variabilidad que damos al valor estimado, para poder afirmar, bajo un
criterio de probabilidad, que el verdadero valor no los rebasar. Es una expresin del
tipo [1, 2] 1 2, donde es el parmetro a estimar. Este intervalo contiene al
parmetro estimado con una determinada certeza o nivel de confianza.
BILATERAL: P z < X < z .
2 2
x
P z < < z = P z . < x < z =
2 / n
2
2 n 2 n
Apuntes de Estadstica II 53
P x z . < < x + z .
2 n 2 n
P [ x + z /2 > > x - z /2 ] = (1- ).
n n
Ordenando la informacin:
P [ x - z /2 < < x + z /2 ] = (1- ).
n n
Sabemos que para cualquier distribucin, por el Teorema Central del Lmite, si
tiene un tamao de muestra grande, se puede aproximar o se distribuye como una
Normal de parmetros:
s
X N ( , ),
n
siendo s la cuasidesviacin tpica muestral. En consecuencia,
x
Z= N (0;1) ,
s/ n
y procediendo de forma anloga a la anterior llegamos a que el intervalo de confianza
que buscamos es
s s
x z ; x + z .
2 n 2 n
x
t n 1 .
s/ n
s s
I .C . x t ;x + t .
n 1;
2 n n 1;
2 n
pq pq
p z ; p + z ; .
2
n 2
n
Apuntes de Estadstica II 55
P 2 <
(n 1)s 2 < 2 = 1 .
n 1;1 2 2 n 1;
2
1 2 1 (n 1)s 2 (n 1)s 2
P 2 > > 2 = P 2 > >
2
= 1 .
n 1;1
(n 1)s n 1;
2
n 1;1 2
n 1;
2 2 2 2
(n 1)s 2 (n 1)s 2
2 ; 2 .
n 1;
n 1;1
2 2
Es una regla de decisin que nos dice cuando aceptar y rechazar las hiptesis,
con esto vemos si los datos de una muestra son compatibles o no con los de la
poblacin.
Aquella hiptesis que se desea contrastar se llama hiptesis nula (Ho), por tanto,
la que se acepta o rechaza como conclusin del contraste. La hiptesis nula suele ser
una estrategia o medio del que se sirve el investigador para probar la alternativa. Suele
ir acompaada por la hiptesis alternativa o hiptesis experimental, simbolizada por H1.
Apuntes de Estadstica II 57
A su vez, al plantear una hiptesis, esta puede ser simple o compuesta. Una
hiptesis es simple si se especifica exactamente el valor del parmetro. Una hiptesis es
compuesta, si contiene dos ms valores del parmetro. La hiptesis nula (Ho) por ser
ms concreta suele ser simple y la alternativa, compuesta. Es frecuente plantearlas como
complementarias.
5.2.- Supuestos
Las suposiciones que podemos hacer dependiendo del tipo de contraste que
necesitemos son:
a) Supuestos acerca de las caractersticas de los datos que se van a manipular,
como puede ser la independencia de la observaciones, nivel de medida
utilizada, etc.
b) Supuestos acerca de la forma de distribucin de partida: Normal, Binomial,
etc.
Muestras independientes.
Este criterio consiste en dividir tal espacio en dos zonas mutuamente excluyentes
y exhaustivas: la zona de rechazo o regin crtica y la zona de aceptacin. La zona de
rechazo est constituida por aquellos valores del estadstico de contraste que se alejan
mucho de Ho, por lo tanto es muy poco probable que ocurran si Ho es verdadera. Por
ejemplo, a continuacin se pueden ver dos ejemplos de contrastes, uno unilateral y otro
bilateral, aunque se pueden crear muchos ms.
Los contrastes unilaterales suelen ser mejores que los contrates bilaterales. La
eleccin de uno u otro, est condicionada al planteamiento de la hiptesis alternativa.
Ejemplo:
Si Ho 0.50 H1 > 0.50 Es unilateral.
- Error tipo II (): Es el error que se comete en la decisin del contraste cuando
se acepta la hiptesis nula (Ho), siendo falsa.
Inferencia, estimacin y contraste de hiptesis 60
En la siguiente tabla se puede ver de forma ms concreta:
Verdadera Falsa
(1- )
Acertar
Decisin correcta Error tipo II
(1-)
Rechazar
Error tipo I Decisin Correcta
As, las probabilidades asociadas a los tipos dos tipos de Error vienen dadas por
las siguientes expresiones:
que se obtiene al relacionar los posibles valores de H1 con los correspondientes (1-), se
llama curva de potencia o funcin de potencia.
Carencia de Sesgo:
Consistencia:
[ ]
p = P Z > z exp .
El p-valor puede considerarse como el valor lmite para que un contraste sea
significativo, es decir, elegido un nivel de significacin , se rechazar H0 si p .
Apuntes de Estadstica II 63
H 0 : 0 x 0
B) RECHAZO H0 si > z
H1 : > 0 s/ n
H 0 : 0 x 0
C) RECHAZO H0 si < z
H1 : < 0 s/ n
En caso contrario se acepta la hiptesis nula.
x
t
s/ n n 1
H 0 : = 0 x 0
A) RECHAZO H0 si >t
H1 : 0 s/ n n 1;
2
H 0 : 0 x 0
B) RECHAZO H0 si > t n 1;
H1 : > 0 s/ n
H 0 : 0 x 0
C) RECHAZO H0 si < t n1;
H1 : < 0 s/ n
p P0
N (0;1) .
p0 q0
n
H 0 : P = P0 p P0
A) RECHAZO H0 si > z
H 1 : P P0 p0 q0 2
n
Inferencia, estimacin y contraste de hiptesis 66
H 0 : P P0 p P0
B) RECHAZO H0 si > z
H 1 : P > P0 p0 q0
n
H 0 : P P0 p P0
C) RECHAZO H0 si < z
H 1 : P < P0 p0 q0
n
En caso contrario se acepta la hiptesis nula.
H 0 : 2 = 02 (n 1)s 2 2 ; 2
A) RECHAZO H0 si
H 1 : 2 02
2 1
0 2 2
H 0 : 2 02 (n 1)s 2
B) RECHAZO H0 si > 2
H1 : >
2 2
0
2
0
H 0 : 2 02 (n 1)s 2 < 2
C) RECHAZO H0 si 1
H 1 : 2 < 02 02