Prueba de Hipótesis

1
2 2
3 3
4 4
 Predictor Respuesta Herramienta

Continua Continua Regresión Simple o Múltiple, Variables Indicadoras

Categórica Continua ANOVA

Categórica Continua ANOVA, regresión simple o múltiple

Continua Continua ANOVA/COVARIANZA

Categórica o Continua Binaria Regresión Logística

Tiempo Continua Series de Tiempo

5 5
6
Prueba de Hipótesis Estadística

 Una hipótesis es una declaración sobre los

parámetros de una población.
– Ejemplos: media poblacional (m), desviación estándar
poblacional (s)
– Los parámetros deben estar identificados antes de hacer
el análisis.

 Los datos de un experimento pueden ser

usados para probar la hipótesis.

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

Do not reject No error Type II error

H 
Decision
Reject Type I error No error
H


 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.

¿Cual de los dos riesgos es mas serio?

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.

¿Cuál de los dos riesgos es mas serio?

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).

¿Cuál de los dos riesgos es mas serio?

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.

– β-riesgo: Usar la nueva maquina aunque tenga una media

diferente que la maquina antigua.

¿Cuál de los dos riesgos es mas serio?

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.

Regla General de Decisión:

 Si Valor P ≥ , Acepte H0

 Si Valor P < , Rechace H0

15
Error Tipo II y Beta
 Un error tipo II es definido como aceptar Ho cuando
es realmente falsa.
– Usualmente corresponde a riesgo del cliente.
 Se define “falsa” en términos de la diferencia,
denotada, por , entre la media hipotética m0 y la
verdadera media del proceso.
– “¿Qué tan lejos de la media hipotética m0 puede el
proceso estar antes de decir es diferente?”
 En el valor especificado de  la probabilidad de
cometer un error tipo II es denotada por .

 1 -  = Potencia: la probabilidad que la prueba

estadística será capaz de detectar una diferencia
de .
  es típicamente definido en 10%
16