Ejemplo 1, pruebas de hipótesis (parte III)

1. Ing. Preng Biba: Para proceder con este cálculo vamos a Excel.

2. Aquí, en Excel, vean que aquí está calculado de una vez el error
estándar que ya vimos

3. que era 2.5 , valores que son necesarios para hacer este cálculo,
que es básicamente 15

4. dividido, que es la desviación estándar de la población, dividido la

raíz de 36,

5. que es la cantidad de observaciones en la muestra.

6. El "zi" sería la diferencia entre 295 y 300, dividido este error

estándar.

7. Y el "zd" que es el lado derecho, sería exactamente lo mismo, sólo

que aquí aparece 305.

8. Para hacer el cálculo en Excel, tengo estas dos gráficas.

9. La primera que está acá, del lado izquierdo, que corresponde a la

probabilidad de "zi",

10. lo que me está calculando Excel, utilizando la función de cálculo

de probabilidad DISTR.NORM.ESTAND.N

11. es el valor de la probabilidad de la distribución de probabilidad

normal estándar, con el valor

12. que yo le especifico y que sea acumulado.

13. Vean que aquí no me pide el parámetro de la media ni de la

desviación estándar, porque

14. lo calcula internamente.

15. Lo que sí es importante notar es que, como es un valor acumulado,

Excel está calculando

16. desde el lado izquierdo hasta el valor que yo le especifiqué acá.

17. Vean que el "d4" corresponde al valor de, que es éste que está acá,
"d4" corresponde

18. al valor de menos dos y de una vez, miremos, si quieren, el de "d5",

sería el valor de

19. dos positivo.

20. El área que me está calculando Excel, en realidad, este valor de
acá, el 0.022, es

21. el área que va desde el extremo izquierdo, hasta el valor de menos

dos.

22. Y en el caso del lado derecho, el "z" derecho, tengo desde el

extremo izquierdo hasta el

23. valor de "z", dos positivo.

24. Y ese valor es 0.9772.

25. Siempre es bueno hacer un chequeo si esto tiene sentido, y vean

que, en términos generales,

26. esto tiene sentido porque se recuerdan que la sumatoria de la

distribución de probabilidad

27. del área, bajo la curva de la distribución de probabilidad normal,

tiene que dar uno.

28. Entonces, vean que este valor, 0.97 es más pequeño que uno,
porque no he terminado de

29. colorear, digamos, toda el área debajo de la curva.

30. Tiene sentido que sea un valor grande.

31. A eso es a lo que me refiero.

32. Y este valor que está acá, tiene sentido que sea un número
pequeño, porque sólo

33. es el cálculo de este pedazo pequeño que está acá, hasta el

número dos.

34. En realidad, lo que me están preguntando es lo que está en medio

de los dos.

35. Para hacer eso, necesito calcular la resta entre 0.9772 y 0.02275.

36. Y ese es el cálculo que está acá.

37. Es la resta entre "k13" y "c13".

38. Este es "k13", que es el valor más grande y "c13", la resta entre
estos dos valores

39. me va a dar el valor del área bajo la curva del rango que yo estoy
buscando, que es desde

40. menos dos hasta dos.

41. La respuesta sería 0.9544.

42. Podríamos decir que, del total de las bolsas que produzca Sunshine
Rice, de la presentación

43. pequeña, el 95 por ciento de éstas va a caer casi el 95.5 ciento,

podríamos decir

44. el 96 por ciento, va a caer dentro del rango especificado, que son,
recuerden que esto

45. representa el 295 y éste el 305, o sea que el 95 por ciento de las
veces, 96 por ciento

46. de las veces, más o menos, va a caer dentro del rango permitido.

47. Entonces el resultado sería ¿Cuál es la probabilidad de que una

observación caiga

48. dentro de este rango?

49. Es 0.9544.

50.

Ejemplo 1, pruebas de hipótesis (parte IV)

1. Ing. Preng Biba: Bien, continuando con nuestro ejercicio,
recordemos qué nos decía la hipótesis

2. nula. La hipótesis nula decía que la media de toda la población es

de 300 gramos.

3. O sea, de todas las bolsas que puede producir Sunshine Rice de la

presentación pequeña,

4. cuando yo calculo la media de todas, me da un valor de 300. Una

pregunta, ¿qué sería

5. rechazar la hipótesis nula cuando ésta es verdadera? Supónganse

que yo obtengo una muestra,

6. una muestra aleatoria de, no sé, digamos, 50 observaciones. Tengo

50 observaciones y

7. calculo la media de esas 50, y me da un valor, por ejemplo, de 307.

Si la hipótesis nula

8. me está diciendo que la media es de 300 y yo, utilizando la media

de la muestra que
9. obtuve me da 307 y utilizo ese valor como parámetro definitivo,
digamos, en realidad,

10. al hacer el análisis, determino que la media de la población es de

300. Pero yo digo que

11. es de 307, en ese caso, estaría diciendo la hipótesis nula es falsa,

pero en realidad,

12. es verdadera la hipótesis nula, porque en realidad, la media de

todas las muestras,

13. o sea, de la población completa, me da el valor 300, que es el que

yo planteé en la

14. hipótesis nula. Pero, si por utilizar esta muestra, yo vengo y

determino de una vez que,

15. en realidad, es 307, lo que estaría pasando ahí es que estaría

cometiendo un error al

16. decir que la media es de 307, cuando en realidad es de 300. Esto,

pues ya lo vimos anteriormente

17. y básicamente es un error, se le llama error del tipo uno o error

tipo alfa. En el caso

18. de nuestro ejemplo, ¿cuál sería la probabilidad de cometer este

error? ¿Cuál es la probabilidad

19. de rechazar la hipótesis nula, cuando ésta es verdadera? Vean que,

para hacer este cálculo,

20. como ya tenemos la probabilidad de que, de la población, digamos,

caiga dentro del rango

21. de 295 a 305, que es lo especificado por la entidad, que recuerden

que era de

22. 0.9544, más o menos, la probabilidad de cometer un error sería uno

menos eso. O sea, los

23. extremos la distribución, ya que serían los valores que están

debajo de 295 y arriba

24. de 305, recuerden siempre que esto es la representación de la

desviación normal, en la desviación

25. normal estándar. La probabilidad de caer en estos dos valores de

acá, es de 0.045.

26. Que es lo mismo que 4.5%. Eso se puede entender como

27. la probabilidad de cometer un error, o sea, la probabilidad de caer
acá, utilizando la

28. muestra de 36 que usamos para este experimento, que nos quedó
de rango de 295 a 305, nos

29. quedó el valor de 0.95. La probabilidad de lo demás, que sería caer

fuera del rango.

30. Básicamente, esa es la pregunta que se responde con esto. O sea,

¿cuál es la probabilidad

31. de cometer un error de tipo uno? Algo que es interesante, es que

en Estadística a este

32. error de tipo uno, la probabilidad de cometer un error de tipo uno,

se le llama Nivel de

33. Significancia y se denota con la letra alfa. Básicamente, el nivel de

significancia se

34. puede entender como una medida de qué tan permitido es cometer
un error, al asumir que

35. la hipótesis nula es rechazada, cuando en realidad es verdadera.

Básicamente, en términos

36. generales es una medida de qué tan permitido es cometer un error.

Ya que, yo podría casualmente,

37. al extraer una muestra de la población completa de las bolsas de

Sunshine Rice, extraer una

38. muestra que casualmente, tiene una media, digamos, de 307, por
ejemplo. Eso sería un

39. error. Pero el alfa nos permite determinar qué tan grande puede ser
ese error. En términos

40. generales, cuando el costo de cometer un error en una prueba de

hipótesis es muy alto, se

41. utiliza un alfa de 0.01 o del 1%. Cuando el costo de cometer

42. un error en una prueba de hipótesis no es tan costoso, no es tan

caro, se utiliza un

43. cinco por ciento. Depende si es una prueba de una cola o si es una
prueba de dos colas,

44. en el caso de que fuera una prueba de dos colas, tendríamos dos
punto cinco por ciento
45. por el lado izquierdo, y dos punto cinco por ciento por el lado
derecho. Si es una prueba

46. de una cola, entonces, sólo sería de un lado, del cinco por ciento,
ya sea a la derecha

47. o a la izquierda. Pero, a eso se refiere el nivel de significancia. Y

este nivel de significancia

48. nos va a servir para hacer más robusto el enfoque de las pruebas
de hipótesis, cuando

49. utilicemos un valor que se le llama el valor "P". Eso lo vamos a ver
en el próximo video.

50. Vamos a comparar qué pasa si yo pudiera haber cometido, si algo

realmente, o sea, la medición

51. de un parámetro muestral, realmente es un error, o realmente no

es un error. Esta medida

52. de error, como dice acá, se pueden tener como una medida de qué
tan permitido es cometer

53. ese error. Si el valor que me queda de "P", digamos, está fuera del
error permitido,

54. significa que lo que estoy haciendo o que el parámetro que obtuve,
en realidad, no

55. es un error. Sino que, en general, las muestras no tienen el

comportamiento que yo espero,

56. con el que planteé la hipótesis nula o la prueba de hipótesis, en

general. Esto nos

57. permite hacer que este enfoque sea un poco más robusto y evitar
cometer errores como

58. el que acabamos de mencionar. Pero esto lo veremos en el

siguiente video.

59.