Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1
2 2
3 3
4 4
Predictor Respuesta Herramienta
5 5
6
Prueba de Hipótesis Estadística
7
El Nuevo Paradigma
Casi nunca tenemos datos de la verdadera
población.
Por consecuencia, los datos que si tenemos son
datos muestrales de los cuales calculamos
estadísticos.
Usamos estos estadísticos para hacer inferencias
sobre los parámetros verdaderos de la población.
Debido a que hacemos inferencias, hay algún
riesgo asociado con las decisiones que hacemos.
Por tanto, nunca debemos pensar de nuestros
estadísticos como estimadores puntuales, mas
bien como intervalos sobre los cuales tenemos
algún nivel de confianza que estemos prediciendo
con exactitud los verdaderos parámetros de la
población.
8
Hipótesis Nula & Alternativa
Hipótesis Nula: H0 Hipótesis Alternativa: H1
Contiene una declaración Contiene una declaración
de igualdad tal como ≤, de inigualdad tal como < ,
=, ≥. ≠, >
Si soy falso,
Si soy falso, usted es
usted es verdadero
verdadero
9
Hipótesis Nula & Alternativa
10
Riesgos para la Toma de Decisión
TRUTH
( The true state of nature)
H True H False
Error Tipo I
– Incorrectamente Rechazar H0 cuando esta es Verdadera
– = Probabilidad de cometer un error tipo I.
Error Tipo II
– Incorrectamente Aceptar H0 cuando esta es Falsa
– = Probabilidad de cometer un error tipo II.
11
Errores Tipo I vs. Tipo II
Caso de un Juicio
Hipótesis
– H0: Acusado es inocente y debe salir libre.
– H1: Acusado es culpable y debe ser castigado.
Riesgos
– Error Tipo I: Castigar una persona inocente.
– Error Tipo II: Liberar a una persona culpable.
12
Errores Tipo I vs. Tipo II
Fabricación de un paracaídas
Hipótesis
– H0: Paracaídas abrirá exitosamente.
– H1: Paracaídas fallara al abrir.
Riesgos
– Error Tipo I
– No vender un buen paracaídas (perder una venta).
– Error Tipo II
– Vender un paracaídas que no se abrirá (perder un
cliente).
13
Errores Tipo I vs. Tipo II
Agregar una segunda maquina a la línea de
producción:
– H0: m1 = m2
Maquina 1 tiene la misma media que la maquina 2.
El cambio debe ser implementado.
– H1: m1 m2
Maquina 1 no tiene la misma media que la maquina 2.
El cambio no debe ser implementado.
Riesgos
– -riesgo: No usar la nueva maquina aunque tenga la misma
media que la maquina antigua.
14
Valores de P
El valor P representa la probabilidad de que la estadística de prueba
tome un valor al menos tan extremo como el valor observado en
ella cuando Ho es verdadera.
Representa el nivel de significancia () mas pequeño que conduciría
al rechazo de Ho.
Se acostumbra calificar como significativa a la estadística de prueba
(y los datos) cuando se rechaza la hipótesis nula Ho, por lo que
podemos considerar el valor P como el nivel mas pequeño en el
que los datos son significativos.
El Valor P es usado para determinar si existe suficiente evidencia
para rechazar la hipótesis nula en favor de la alternativa.
El valor P es la probabilidad de rechazar incorrectamente la
hipótesis nula.