5 Hypothesis Testing - Conf Interval - Rev

Test de Hipótesis e
Intervalos de Confianza
Av. Providencia N° 545, Of. 15, Providencia, Santiago - CHILE, Teléfonos: (56-2) 2797 9400 - 274 5422 Fax: (56-2) 2797 9409
Internet: www.quality.cl E-mail: college@quality.cl
Objetivos
Al final del módulo, usted será capaz de:

 Explicar el Test de Hipótesis
 Entender el Teorema del Límite Central
 Explicar los errores tipo I (), tipo II ()
 Explicar  y p-value
 Configurar las hipótesis nulas y las alternativas
 Explicar el propósito de los intervalos de confianza.
 Explicar la diferencia entre test de hipótesis e intervalos de
confianza.
 Entender la diferencia entre la desviación estándar de la muestra y
la desviación estándar de la población
© 2008 Derechos Reservados Quality College Test de Hipótesis e Intervalos de Confianza - 2
© Quality College Ltda. 5(Parte 1) - 1

Inferencia Estadística
Las Poblaciones son muy
Probabilidad grandes para analizarlas
integralmente. Por esa razón,
se toma una muestra
aleatoria de los datos de la
población y se usa para
estimar algunas de las
Población
Muestra características de la
población. Esto se llama
inferencia estadística.
Inferencia
 La Inferencia Estadística es de dos tipos

 Test de Hipótesis – verificar si los datos observados dan el
respaldo a una teoría específica (hipótesis)
 Estimación del Intervalo de Confianza – usa los datos de la
muestra para obtener un punto estimado y un Intervalo de
Confianza alrededor del punto estimado, para algún parámetro de
la población (p.e. media)
El test de Hipótesis y la estimación de los intervalos de confianza

son 2 formas distintas de evaluar el mismo tipo de interrogante

Test de Hipótesis
 El Test de Hipótesis se usa para ensayar teorías relacionadas con

características de la población, (p.e., parámetros de la población - media,
desv. Estd., percentiles) o relaciones.
 El Promedio de “Entrega a Tiempo” para el centro de distribución 1 es mayor
que el centro de distribución 2.
 El porcentaje de devoluciones para el Circuito Central es el mismo que para el
Circuito Periférico.
 El promedio del tiempo de llamadas de la Estación de Servicio a Clientes Nº 1
es menor a 10 minutos.
 Nota: cuando se comparan parámetros de la población, ésta debe
permanecer razonablemente “fija”.
 Los trabajadores en los Centros de Distribución 1 y 2 deben mantenerse
razonablemente estables.
 Las políticas de devoluciones se mantienen entre los almacenes que se están
comparando.
 La Estación de Servicio a Clientes no cambia el mercado que atienden.
Estimación de los Intervalos de

Confianza
 Los Intervalos de Confianza (CI’s) se pueden usar para estimar valores
característicos de la población (p.e., parámetros de la población - media,
std. dev., percentiles) o sus relaciones.
 Promedio de “Entrega a Tiempo” para el centro de distribución 1 cuando se le
compara con el centro 2
 Porcentaje devoluciones del sector central comparado con el suburbio A.
 Promedio de tiempo de las llamadas a Servicio a Clientes 1
 Nota: cuando se comparan parámetros de la población, ésta debe
permanecer razonablemente “fija”.
 Los trabajadores en los Centros de Distribución 1 y 2 deben mantenerse
razonablemente estables.
 Las políticas de devoluciones se mantienen entre los almacenes que se están
comparando.
 La Estación de Servicio a Clientes no cambia el mercado que atienden.

Test de Hipótesis v/s Sentencias de
 Intervalos de Confianza
 Promedio de “Entrega a Tiempo” para el centro de distribución 1 cuando se le
compara con el centro 2
 Porcentaje devoluciones del Circuito central comparado con el suburbio A.
 Promedio de tiempo de las llamadas a Estación de Servicio a Clientes 1
 Test de Hipótesis
 El Promedio de “Entrega a Tiempo” para el centro de distribución 1 es mayor
que el centro de distribución 2.
 El porcentaje de devoluciones para el Circuito Central es el mismo que para el
Circuito Periférico.
 El promedio del tiempo de llamadas de la Estación de Servicio a Clientes Nº 1
es menor a 10 minutos.
El test de Hipótesis es un ensayo del tipo pasa no pasa

La estimación de los intervalos de confianza define una relación
 Los intervalos de confianza existen debido a las variaciones en

el muestreo.
 Se relaciona estrechamente con el test de hipótesis
 Si se toman dos muestras diferentes obtendrá resultados distintos
 Los intervalos de confianza proporcionan una estimación de los
parámetros de la población
 Los test de hipótesis proporcionan información “discreta”
 Los intervalos de confianza proporcionan información “continua”

Test de Hipótesis
 ¿Le gustaría mostrar que el promedio del tiempo de llamadas de

la Estación de Servicio a Clientes Nº 1 es menor a 3,5 minutos.?
Hipótesis Nula y Alternativa
Los datos muestreados se usarán para ensayar la

hipótesis
Una vez terminado el ensayo con algunos

niveles de riesgo, podremos:
• Rechazar la hipótesis nula
• Fallar en el rechazo de la hipótesis nula
Variación del Muestreo
 ¿Por qué no sólo limitarse a recolectar 4 tiempos de

llamada desde la Estación de Servicio a Clientes Nº 1?
 Si el promedio de la muestra es menor que 3,5 min. Rechaza la
hipótesis nula.
 La razón es la variación del muestreo
 La población de llamados de la Estación de Servicio a Clientes Nº 1 son
todas las llamadas realizadas en los últimos 6 meses
 La población de llamados es de 15.000
 Promedio de los 15.000 llamados = 3,5 min Esto normalmente no
se conoce
 La Std Dev de los 15.000 llamados = 0,5 min
 ¿Qué podría esperarse del promedio y la Std dev de 4 llamados
escogidos aleatoriamente desde los 15.000?
 Si toma otra muestra de 4 ¿los resultados serían los mismos?
¿Cómo tomar una decisión?

Observaciones:
La media de las Hay dos fuentes de variación:
muestras estará más
1) Dentro de las muestras (individuales)
cerca de la media de
la población que los 2) Entre las muestras (medias)
valores individuales Ambas se conjugan en la variación total
Extensión de la
Observación: - Media de la población
A medida que se
agranda el tamaño - Media de la muestra
de la muestra, menor
es la variación en la
media entre muestra
y muestra.
Next
 Variación del Muestreo:

 La Variación entre los promedios de las muestras
tomadas de la misma población.
 El Teorema del Límite Central dice:
 El promedio de las muestras se concentra alrededor
del promedio de la población actual.
 La variación del promedio de las muestras (i.e. el
error estándar de la media) es:
 Variación dentro de las

muestras (individuales)
Variación entre Más en la

muestras (promedio)
próxima

Media = 3.5
 Teorema del Límite Central : Std Dev = 0.5
 Para cualquier distribución de
población
 El promedio de la
distribución del muestreo
será el mismo que el
promedio de la distribución
de población.
 La distribución del Teorema del Límite Central:
muestreo será Media = 3.5
aproximadamente normal Error Estándar = 0.5/4
 A mayor tamaño de
muestra, la distribución
de la muestra es más
normal.
 Error Estándar = / n
Ejercicio 16.3: Teorema del

Límite Central
 Para ilustrar el Teorema del Límite Central, se recolectó

información usando un mazo de cartas.
 Minitab Data Set: “Cap 16, exer 16-03, example, cards TLC.MTW”
 Se sacaron los ochos, nueves y los diez desde el mazo de 52
cartas y se usó el siguiente método.
 1-Se barajó el mazo y luego se sacaron 5 cartas.
 2-Se promedió el valor de las 5 cartas, considerando jack=11, reina=12,
rey=13 y as=1.
 3-Se regresaron las 5 cartas al mazo y se repiten los pasos 1 & 2, 25
veces.
Se sugiere que el promedio de las cartas

se calcule en una planilla Excel. Más en la próxima diapositiva

Ejercicio 16.3: Teorema del Límite
Central
 Se repiten los pasos 1-3 , 25 veces, pero se muestrean 10

cartas y promedian sus valores.
 Para los 2 conjuntos de datos
 Grafique el promedio de la distribución (i.e., distribución hijo o
distribución de la muestra).
 También Grafique la distribución padre o distribución de la población.
 Compare la forma de las distribuciones padre e hijo.
 Desde el promedio de la curva o de los valores de las 5 cartas, estime
el rango de valores esperados de la media para un 90% de las veces.
 Desde el promedio de la curva o de los valores de las 10 cartas, estime
el rango de valores esperados de la media para un 90% de las veces.
Este ejercicio demuestra la variación del ¿Los resultados se parecen?
muestreo y el teorema del límite central.

Central
i

Central Graph>Probability Plot
i

Central
Ambas distribuciones son

aproximadamente
normales.
El promedio de las 5
cartas tiene gran
variabilidad.
i

Central
Graph>Dot plot
i

Central
La gráfica de la distribución
padre, no está muy cerca de una
distribución normal.
i

Central Graph>Probability Plot
i

Central
90%
Estimación del Percentil
90 para el promedio de
una muestra de tamaño 5
y 10
i

La Estadística de la muestra
puede ser engañosa
 Un fabricante quiere introducir un nuevo producto.
 Para ser rentable, la compañía necesita fabricar 1200 productos durante
las 200 horas que están disponibles en las próximas 5 semanas.
 El producto será exitoso si el tiempo promedio para fabricar cada uno es
menor a 6 horas.
 El fabricante tiene cierta experiencia con este tipo de producto y tiene
una confianza razonable que el tiempo promedio para fabricar cada uno
será menor a 6 horas.
puede ser engañosa
 ¿Por qué no fabricar sólo 7 productos y si el tiempo promedio de
fabricación es menor a 6 horas, se hace?
 Variación de la Muestras
Aunque la media de la muestra de 7 productos sea menor a 6 horas el
promedio de la población puede ser mayor a 6 horas
Demos una mirada intuitiva al test

de hipótesis

puede ser engañosa
 Suponga que las muestras de abajo, representan tiempos de
fabricación para una muestra de piezas, se tendrán dos escenarios
 ¿Sería capaz de postular en el caso Nº 1 que la media de fabricación de la
población va a ser menor o mayor que 6 horas?
 ¿Por qué?
 ¿Sería capaz de postular en el caso Nº 2 que la media de fabricación de la
población va a ser menor o mayor que 6 horas?
 ¿Por qué?
Ambas muestras
tienen un promedio
menor de 6
puede ser engañosa
 Para el caso Nº 1 hay muy poca variación dentro de la muestra
 Si escogemos una muestra aleatoria de la población del caso Nº 1 las próximas
muestras probablemente estarán cerca.
 En este caso se puede postular que la media será menor a 6 horas.
 Pero para el caso Nº 2 hay demasiada variación dentro de la muestra
 Esto indica que variaciones entre las muestras también podrían ser grandes.
 En este caso se puede postular que la media podría ser mayor a 6 horas.

Establecer los Intervalos de
Confianza
Más adelante se analiza en mayor detalle (p.e.
¿cómo determinar el valor 2.447)
 Para el tiempo de fabricación
 El intervalo de confianza del 95% para el tiempo promedio de
fabricación (población)
 Máquina No.1 – 3.5, 4.0, 3.3, 3.7, 3.4, 3.5, 3.6
 Máquina No.2 – 4.0, 6.5, 7.5, 5.5, 6.0, 7.0, 4.7
 Variable N Mean StDev SE Mean
Por ahora se da esta
 Machine No.2 7 5.886 1.248 0.472 ecuación
 Machine No.1 7 3.5714 0.2289 0.0865
 Para Máquina No1.
Intervalo de
Confianza del
 Para Máquina No2. 95%

Confianza
 Para el tiempo de fabricación:

 Si se toma otra muestra de la máquina Nº 1
 EL INTERVALO DE CONFIANZA SERÍA DIFERENTE
 El 95% de confianza significa que:
 Si toma 100 muestras y calcula el intervalo de confianza de cada una, 95
de 100, de los intervalos, contendrían la media de la población y 5 no lo
harían.
 ¿Cree que su intervalo es uno de los 95 o uno de los 5?
En realidad usted podría recibir entre 1 y 12,

que no contengan la media de la población
con un intervalo verdadero de 95% en las
100 muestras

Confianza
 Sacando 9 muestras de la máquina Nº 1, un intervalo de confianza no contiene la

media verdadera de la población de 3,5.
 Si se repite 100 veces, aprox. 95 intervalos contendrán la media de la población, bajo el
supuesto de un intervalo de confianza del 95%
Esto se refiere
de nuevo a la
simulación de la
variación
muestral de una
media = 3,5
Desv.Est= 0,5

Confianza
 Para el tiempo de fabricación

 Hay 3 factores que impactan el ancho de los intervalos de confianza, se
pueden controlar 2 de ellos
 Variación de la Población (estimada con la std dev de la muestra)
 Tamaño de la muestra
 Nivel de Confianza seleccionado Se pueden controlar
 ¿Por qué el intervalo de confianza de la Máq. Nº 2 es más ancho que
en la Máq. Nº 1.?
 La Desv. Estd de la Máq. Nº 2 es mayor
95% CI para la
Máq. Nº 1
95% CI para la
Máq. Nº 2

Confianza
 Lógica detrás de la ecuación Mean = 3,5
para el intervalo de Std Dev = 0,5
confianza
 Saber si la población se ve
como la distribución
superior
 El Teorema del Límite
Central dice que la
distribución de los
promedios se ve como la
distribución inferior
 La Tabla Z (Apéndice E) Teorema del Límite
nos dice que el 95% de las Central:
obs. está dentro de 1,96 Mean = 3,5
Desv. Estd. de la media Std Error = 0,5/4
 La Desv. Estd de la
distribución de las
muestras se llama error
estándar.

Confianza
 Lógica detrás de la
ecuación para el intervalo
de confianza 95% de todas las
 Tome cualquier media medias de las
muestras está dentro
desde la dist. de las de 1,96 “std errors” de
muestras. la media de la
población.
 Sume y reste 1,96 “std
errors”.
 95% de estos intervalos
contendrán la media
verdadera.
Este intervalo no
contiene la media
verdadera de la Pobl.
Error Estándar: Std Error

 En general x es desconocida y se estima con “s” (Desviación

Estándar de la muestra).
 Usando s se agrega más variación al intervalo.
 Esto se considera reemplazando la estadística-z, z0.05/2 , con la
estadística - t, t0.05/2, n-1
 La distribución – t se ve similar a la distribución – z, sólo que es un
poco más variable.
 La variabilidad depende del tamaño de la muestra.
 Cuando n=30 la distribución – t, es aproximadamente igual a la z
Grados de Libertad = n-1
Ejercicio 16-4 Intervalos de Confianza
 Minitab Data Set: “Cap 16, exer 16-04, Intervalos Conf.MTW

 Veamos la Estadística Descriptiva
Estadísticas
Error
estándar
de la
Variable N N* Media media Desv.Est. Mínimo Q1 Mediana Q3 Máximo
Datos 0 2 0 4,00 1,00 1,41 3,00 * 4,00 * 5,00
Datos 1 3 0 4,000 0,577 1,000 3,000 3,000 4,000 5,000 5,000
Datos 2 4 0 4,000 0,408 0,816 3,000 3,250 4,000 4,750 5,000
Datos 3 5 0 4,000 0,447 1,000 3,000 3,000 4,000 5,000 5,000
Datos 4 6 0 4,000 0,365 0,894 3,000 3,000 4,000 5,000 5,000
Compare Datos 1 con Datos 3

¿qué pasó?

Ejercicio 16.4: Intervalos de Confianza
Gráfica>Gráfica de Intervalos
i
Ejercicio 16.4: Intervalos de Confianza

Botón Derecho >Agregar>Etiquetas de Datos
¿Qué opina ahora de Datos 1 y

de Datos 3?
Misma media y Desv. Est.
i

Test de Hipótesis
 En las situaciones industriales, frecuentemente queremos definir si el

parámetro de una distribución tiene un solo valor o está relacionado.
 Esto es, queremos ensayar la hipótesis de que la media o la desviación estándar
de una distribución, tiene un cierto valor o que la diferencia entre dos medias es
cero.
 El procedimiento de test de hipótesis se usa para estos ensayos.
Ensayo de un Valor Particular: x o Y Relaciones del Ensayo: Y = F(x)
Test de Hipótesis
 1. Un fabricante desea introducir un nuevo producto.

 Para ser rentable, la compañía necesita saber si es capaz de producir
1200 artículos durante las 200 horas disponibles, en las próximas cinco
semanas.
 El producto puede ser fabricado con éxito, si la media de tiempo
requerida de fabricación, no es superior a 6 horas.
 La empresa puede evaluar la factibilidad, ensayando la hipótesis que el
tiempo promedio de fabricación sea igual a seis horas.
 2. Un fabricante está pensando modificar el proceso, para disminuir
el tiempo promedio de fabricación de otro tipo de producto.
 La eficacia del cambio se puede ensayar por la hipótesis de que el
tiempo promedio de fabricación es el mismo, antes y después de
cambiar el proceso.
Ejemplos de Test de Hipótesis

Test de Hipótesis
 Una hipótesis Estadística tiene los siguientes elementos:

 una Hipótesis Nula (H0) describe el valor o la relación que está
siendo ensayada.
 una hipótesis Alternativa (Ha)
 un test estadístico, o regla que se usa para decidir el rechazo de la
hipótesis nula.
 un valor de probabilidad específico (denominada ) que define la
probabilidad máxima permitida para que la hipótesis nula será
rechazada cuando ésta sea cierta (riesgo )
 el poder del test, que es la probabilidad (denominada [1- ]) de que
la hipótesis nula sea rechazada, cuando ésta era falsa.
 se va a usar una muestra de observaciones para ensayar la
hipótesis.
Test de Hipótesis
 La hipótesis nula y la alternativa, surgen de la definición de

un problema.
 En el ejemplo 1, la hipótesis nula es que la media del
tiempo de fabricación de un producto es igual a seis.
 La fabricación del producto no puede ser exitosa si la media de
tiempo de fabricación es mayor que seis. Por lo tanto, la hipótesis
alternativa es mayor que seis.
 La media del tiempo de fabricación se describe como  ; El
planteamiento de las hipótesis es :
H0: = 0 y Ha: > 0
donde 0=6

Test de Hipótesis
 La hipótesis en el Ejemplo 2 se refiere a la relación entre

dos medias de valores.
 La hipótesis nula es que la media del tiempo de producción de un
artículo es la misma antes y después de los cambios.
 Dado que el productor desea determinar la eficacia de los cambios,
la hipótesis alternativa es que la media es menor después de los
cambios.
 Si la media del tiempo de producción antes de los cambios es 1 y
la media del tiempo de producción después de los cambios es 2,
el planteamiento resumido es :
H0: 1=2 y Ha: 1>2
Test de Hipótesis
 Ejemplo de planteamientos
Single Sided o One Sided (Lado único)
H0: = 0 o H0: 1 = 2
Ha:  >0 Ha: 1 < 2
Double Sided o Two Sided (Ambos lados)
H0: =0 o H0: 1=2

Ha: 0 Ha: 12

Test de Hipótesis
La creación de las reglas de rechazo,
son del ámbito de los estadísticos
 La regla de rechazo usada para los test de hipótesis

depende de la hipótesis que está siendo evaluada.
 Los estadísticos han desarrollado reglas buenas e incluso óptimas
para diferentes situaciones.
 La mayoría de estas reglas apelan a la intuición.
 Para mostrar esto consideremos el ejemplo 1, donde la regla
normal es rechazar la hipótesis nula si la muestra apropiada para el
tiempo de producción es notoriamente mayor que seis.
 ¿Cuánto más grande?
 Depende de la probabilidad permitida de cometer un error y
 de la variación de los valores individuales
El uso y entendimiento de las reglas de rechazo, son del ámbito de un Black o
Green Belt
Test de Hipótesis
 El resultado de un test de hipótesis es la decisión de rechazar o

no la hipótesis nula.
 No podemos probar la hipótesis nula
 En la práctica podríamos pensar que la hipótesis nula es aceptada, si no
es rechazada.
 Como no conocemos la verdad. Podemos tener uno de los dos
posibles siguientes errores en la aplicación del test de hipótesis.
 Podemos rechazar la hipótesis nula que es, en efecto, verdad, o
 Podemos fallar en el rechazo de la hipótesis nula, en circunstancias que
esto es falso
 El primero se llama error Tipo I y el segundo se llama error
Tipo II
Estos son puntos importantes en los Test de Hipótesis

Test de Hipótesis
 El riesgo de error es:

Estado Verdadero de la naturaleza
Confianza
Verdadera Falsa Riesgo 
Falso (-)
H0 Ha Aceptación Falsa
Estos términos Decisión Error
se definirán No rechazar H 0 H0 Correcta Tipo II
mejor durante 1- α β
el curso Decisión
Lograda
Error Decisión
Rechazar H 0 Ha Tipo I Correcta
Riesgo  α 1-β Potencia
Falso (+)
Rechazo Falso
Test de Hipótesis
 La probabilidad de cometer un error Tipo II

se controla eligiendo un tamaño de muestra
apropiado. --- Ejemplo 1
 Si la media real del tiempo de fabricación de un Este tipo de
artículo no es seis, podemos tener muchos ensayo
valores posibles. necesita una
 Puede ser 6.01 o 6.1 o 7 o 20 o 100 o gran tamaño de
cualquiera muestra.
 Para un diseño correcto del test de hipótesis, el
fabricante selecciona un valor posible que lo
proteja y especifica la probabilidad para que la
hipótesis nula sea rechazada, si el valor real de
la media real es igual al valor seleccionado.

Test de Hipótesis
 Por Ejemplo, el fabricante decide que la hipótesis de media 6 debe ser

rechazada con una probabilidad de 0.85 si la media real del tiempo es 8 o
con una probabilidad de 0.98 si la media del tiempo real es de 9 horas
 Es común que esto tenga diferencias de 2 (i.e., 8–6 = 2) y 3 (i.e., 9–6 =
3) que corresponden a los valores para  (un rango aceptable de
incertidumbre)
 La probabilidad de rechazo para un valor dado de  se llama “la
potencia” del Test en , y es uno menos la probabilidad de cometer un
error Tipo II ( ) en  . La potencia (1- ) es la probabilidad de que
usted rechace correctamente la hipótesis nula cuando ésta es falsa.
 El fabricante diseñó el test para seleccionar un tamaño de muestra que
le asegure “la potencia” deseada frente a la alternativa específica.
 La selección del tamaño de la muestra lo analizaremos en otra sección.
Desarrollando la Hipótesis Nula y la

Alternativa
 Establezca el problema de la vida real
 ¿Los equipos producen productos diferentes?
 Defina la hipótesis estadística
 Test 1: Ho: M1 = M2 vs Ha: M1  M2
 Test 2: Ho: 2M1 = 2M2 vs Ha: 2M1  2M2
 Conozca los resultados estadísticos
 Test 1: p-value=0.001 rechazo Ho a nivel alpha de 0.05
 Test 2: p-value=0.24 falla el rechazo Ho a nivel alpha de 0.05
 Establezca la conclusión en el mundo real
 Es poco probable que la media de los 2 equipos sea igual
 No tenemos evidencias que nos indiquen que la variación entre los
equipos sea diferente

Desarrollando la Hipótesis Nula y la
Alternativa
 Establezca una explicación de lo que ocurre en el mundo

real
 Es poco probable que la media de los 2 equipos sea igual
 Si los 2 equipos tienen la misma media, las medias que nos arroja el
análisis podrá observarse alrededor del 0.1% de las veces
 No tenemos evidencias que nos indiquen que la variación entre los
equipos sea diferente
 Si los 2 equipos tienen la misma varianza, las varianzas que nos
arroja el análisis podrá observarse alrededor del 24 % de las veces
Test de Hipótesis
 Habiendo seleccionado una regla para rechazar la hipótesis

nula y para definir el tamaño de la muestra, seleccionamos
una muestra al azar para aplicar el test.
 Una afirmación estadística acerca de la media de la población es
robusta para datos que no se distribuyen normalmente, sin
embargo la evaluación estadística en relación con la desviación
estándar de la población, puede que no sea robusta ante la falta de
normalidad.
 Los parámetros , , y  se refieren a veces como riesgo
del productor, riesgo del consumidor y el nivel aceptable de
incertidumbre, respectivamente.

Usando y Entendiendo P-value
 Minitab proporciona un p-value para determinar la

conclusión de una prueba de hipótesis
 Usted compara el p-value con el riesgo de una decisión aceptable.
 El riesgo de la decisión es -risk, error tipo 1, (1-nivel de confianza)
 Si el p-value es menor o igual al riesgo de una decisión aceptable
 "Se rechaza la hipótesis nula"
 Dé credibilidad a la hipótesis alternativa en vez de la hipótesis nula
 Si el valor de p-value es más que el riesgo de una decisión
aceptable
 “Falla el rechazo de la hipótesis nula"
 Dé credibilidad a la hipótesis nula y no a la hipótesis alternativa
El p-value es una medida de la

probabilidad de estar equivocado si
se rechaza la hipótesis nula
Escogiendo la Confianza o -risk
 Esta es una medición del riesgo de rechazar equivocadamente

la hipótesis nula (identificando falsamente un efecto significativo)
 La opción predeterminada es una confianza del 95% o un -risk
del 5%.
 El nivel real de confianza elegido es una función de las
consecuencias del error y el costo de la decisión
 Decisiones de alto riesgo, por lo general relacionados con la
seguridad o asuntos de costos significativos, utilizarán un alto nivel
de confianza
 Decisiones de muy bajo riesgo pueden disminuir el nivel de
confianza a 90%, pero esto es raro.
La industria nuclear utiliza generalmente un nivel de confianza del
95% en todos los análisis a excepción de los análisis de seguridad
donde los niveles pueden elevarse hasta el 99,9%.

Escogiendo la Potencia/Poder del
Ensayo o -risk
 Esta es una medición del riesgo de aceptar equivocadamente
la hipótesis nula (fallando en la identificación de un efecto
significativo)
 En general no se le reconoce mucho valor al Poder/Potencia
 Los valores típicos varían entre 50% a 95%
 El poder real elegido es una función de las consecuencias del
error y el costo de la decisión.
 Decisiones de alto riesgo, por lo general relacionados con la seguridad
o con asuntos de costos significativos utilizarán un alto nivel de
potencia/poder
Proyectos y Selección de Riesgo
 -risk/Confianza  -risk/Poder
 Aborda el riesgo de rechazar  Aborda el riesgo de aceptar
equivocadamente la hipótesis equivocadamente la hipótesis
nula. nula.
 En un proyecto, esto es  En un proyecto, esto es
equivalente a concluir que una equivalente a concluir que una
causa era significativa cuando causa no era significativa
no era significativa. cuando era significativa.
 ¿Qué tipo de error tiene una consecuencia mayor en su organización?
Llamar equivocadamente a una causa como significativa puede conducir a

un mejoramiento mal enfocado que consume $ y recursos.
Llamar equivocadamente a una causa como no significativa puede llevar a
que el proyecto se demore más de lo previsto.
El -risk tiende a proteger más a la organización Test de Hipótesis e Intervalos de Confianza - 54

© 2008 Derechos Reservados Quality College

Ejemplo 1: Test de Hipótesis
 Su empresa tiene un proveedor que ha terciarizado su servicio

de entrega
 Usted quiere determinar si la media de su tiempo de entrega ha
aumentado
 El proceso antiguo tenía una media de tiempo de entrega de 101 horas
 Usted está dispuesto a tolerar una tasa de error de tipo I de un 5%
 Necesita desarrollar un test de hipótesis para decirle a su jefe lo

que debe hacer
Ejemplo 1: Test de Hipótesis
One-Sample T: Sample El método para crear este output se

Test of mu = 101 vs mu > 101 describirá en el módulo del capítulo 17
Variable N Mean StDev SE Mean
Sample 16 103.33 4.70 1.18
Variable 95.0% Lower Bound T P

Sample 101.27 1.98 0.033
 Se rechaza la hipótesis nula con =0.05, p-value=0.03
Dígale a su jefe
Es poco probable que la media pueda ser 101. Por ahora debemos asumir que la media
del tiempo de entrega ha cambiado y hay que forzar al proveedor a ajustar su proceso

Ejemplo 1 : Planteamiento de la
Hipótesis
 El planteamiento de hipótesis puede aplicarse a otras situaciones

aparte de los test de medias o de desviación estándar.
H0: Datos son de una dist.
normal
HA: Datos no son de una

dist. normal.
Conclusión: Falla en el P-Value: 0.397

rechazo de la hipótesis nula
(no se puede rechazar) en
el nivel de 0.05 dado que el
cálculo del “p value” no es
igual o menor a 0.05
Ejemplo 1: Determinando los

 Un fabricante desea introducir un nuevo producto
 Para ser rentable, la compañía necesita saber si es capaz de
producir 1200 artículos durante las 200 horas disponibles, en las
próximas cinco semanas.
 El producto puede ser un éxito, si la media del tiempo requerido de
fabricación, no es superior a 6 horas.
 El fabricante no tiene experiencia con este tipo de producto y
desearía estimar el tiempo promedio de fabricación con un intervalo
de confianza del 95%
 Interprete el 95% del intervalo de confianza
 Rechazaría la Ho:  = 6.0, vs Ha:  < 6.0

Ejemplo 1: Determinando los
 Interpretación de los resultados del Intervalo de Confianza
El método para crear este output se

One-Sample T: CI describe en otra sección
Test of mu = 6 vs mu not = 6
Variable N Mean StDev SE Mean
CI 7 4.946 0.488 0.184
Variable 95.0% CI T P
CI ( 4.495, 5.398) -5.71 0.001
 95% de confianza en que la media verdadera está entre 4,5 y 5,4 hrs.
 Este CI se usa para conducir un test de hipótesis
 Ho:  = 6,0, vs Ha:  < 6,0
 -level = 0,05
 Dado que el intervalo de confianza del 95% está todo por debajo de 6,0, se
rechaza la hipótesis nula.
Discusión de Test de Hipótesis
 ¿Dará lo mismo evaluar la calidad de un producto entre

dos proveedores, si se considera una hipótesis de un
lado (one-sided) o de dos lados (two-sided)?.
 Respuestas:
 Si la hipótesis alternativa no es de igualdad, este test
podría considerase de dos lados (two-sided).
 Si la hipótesis alternativa es que un proveedor es mejor
que el otro en respuesta, este test podría considerarse
de un lado (one-sided).

 Describa situaciones de su vida personal que usted pueda

describir como test de hipótesis.
 Respuestas
 Entre dos hermanos gemelos la frecuencia de empezar una pelea es
igual.
 La media de tiempo de llegada de las personas a las reuniones a una
hora convenida.
Con estas afirmaciones “responda

las siguiente pregunta”
 Considere en qué caso una herramienta básica que

se use comúnmente, podría ser engañosa si no se
considera el intervalo de confianza.
 Respuesta: Gráfico de Pareto
 Por ejemplo, cuando hay diferencias visuales entre “las
barras semanales de un Gráfico de Pareto” estas
diferencias podrían no tener una significancia estadística.
 Las diferencias entre semanas pueden ensayarse
mediante un test de hipótesis.

5 Hypothesis Testing - Conf Interval - Rev

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

5 Hypothesis Testing - Conf Interval - Rev

Cargado por

Copyright:

Formatos disponibles

Test de Hipótesis e

Al final del módulo, usted será capaz de:

© 2008 Derechos Reservados Quality College Test de Hipótesis e Intervalos de Confianza - 2

© Quality College Ltda. 5(Parte 1) - 1

© 2008 Derechos Reservados Quality College Test de Hipótesis e Intervalos de Confianza - 3

 La Inferencia Estadística es de dos tipos

El test de Hipótesis y la estimación de los intervalos de confianza

© 2008 Derechos Reservados Quality College Test de Hipótesis e Intervalos de Confianza - 4

© Quality College Ltda. 5(Parte 1) - 2

 El Test de Hipótesis se usa para ensayar teorías relacionadas con

Estimación de los Intervalos de

© 2008 Derechos Reservados Quality College Test de Hipótesis e Intervalos de Confianza - 6

© Quality College Ltda. 5(Parte 1) - 3

El test de Hipótesis es un ensayo del tipo pasa no pasa

© 2008 Derechos Reservados Quality College Test de Hipótesis e Intervalos de Confianza - 7

 Los intervalos de confianza existen debido a las variaciones en

© 2008 Derechos Reservados Quality College Test de Hipótesis e Intervalos de Confianza - 8

© Quality College Ltda. 5(Parte 1) - 4

 ¿Le gustaría mostrar que el promedio del tiempo de llamadas de

Hipótesis Nula y Alternativa

Los datos muestreados se usarán para ensayar la

Una vez terminado el ensayo con algunos

• Rechazar la hipótesis nula

• Fallar en el rechazo de la hipótesis nula

© 2008 Derechos Reservados Quality College Test de Hipótesis e Intervalos de Confianza - 9

Variación del Muestreo

 ¿Por qué no sólo limitarse a recolectar 4 tiempos de

© Quality College Ltda. 5(Parte 1) - 5

© 2008 Derechos Reservados Quality College Test de Hipótesis e Intervalos de Confianza - 11

Variación del Muestreo

 Variación del Muestreo:

 Variación dentro de las

Variación entre Más en la

© Quality College Ltda. 5(Parte 1) - 6

Ejercicio 16.3: Teorema del

 Para ilustrar el Teorema del Límite Central, se recolectó

Se sugiere que el promedio de las cartas

© 2008 Derechos Reservados Quality College Test de Hipótesis e Intervalos de Confianza - 14

© Quality College Ltda. 5(Parte 1) - 7

 Se repiten los pasos 1-3 , 25 veces, pero se muestrean 10

Ejercicio 16.3: Teorema del Límite

© Quality College Ltda. 5(Parte 1) - 8

Ejercicio 16.3: Teorema del Límite

Ambas distribuciones son

© Quality College Ltda. 5(Parte 1) - 9

Ejercicio 16.3: Teorema del Límite

© Quality College Ltda. 5(Parte 1) - 10

Ejercicio 16.3: Teorema del Límite

© Quality College Ltda. 5(Parte 1) - 11

© 2008 Derechos Reservados Quality College Test de Hipótesis e Intervalos de Confianza - 23

Demos una mirada intuitiva al test

© 2008 Derechos Reservados Quality College Test de Hipótesis e Intervalos de Confianza - 24

© Quality College Ltda. 5(Parte 1) - 12

© 2008 Derechos Reservados Quality College Test de Hipótesis e Intervalos de Confianza - 25

© 2008 Derechos Reservados Quality College Test de Hipótesis e Intervalos de Confianza - 26

© Quality College Ltda. 5(Parte 1) - 13

 Para Máquina No1.

© 2008 Derechos Reservados Quality College Test de Hipótesis e Intervalos de Confianza - 27

Establecer los Intervalos de

 Para el tiempo de fabricación:

En realidad usted podría recibir entre 1 y 12,

© Quality College Ltda. 5(Parte 1) - 14

 Sacando 9 muestras de la máquina Nº 1, un intervalo de confianza no contiene la