Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Presentación Prueba de Hipótesis
Presentación Prueba de Hipótesis
juan.taborda@correo.usa.edu.co
1 / 37
Agenda
2 Anuncios
2 / 37
Temas del curso
Esta clase va a abordar los siguientes temas:
1 Introducción a estadı́sticas y métodos cuantitativos
2 Medición: teorı́a, validez y confiabilidad
3 Diseño de investigación
4 Estadı́sticas descriptivas
5 Datos y técnicas de recolección de datos
6 Estadı́sticas inferenciales
7 Probabilidad
8 Prueba de hipótesis
9 Medidas de asociación de variables
10 Regresión
11 Temas pendientes
3 / 37
Anuncios
4 / 37
Pensar en investigación cuantitativa
5 / 37
Pensar en investigación cuantitativa
6 / 37
Pensar en investigación cuantitativa
Abou-Chadi, T., & Krause, W. (2018). The Causal Effect of Radical Right Success on
Mainstream Parties’ Policy Positions: A Regression Discontinuity Approach. British
Journal of Political Science
Diseño metodológico: Diseño de regresión discontinua
7 / 37
Pensar en investigación cuantitativa
Resultados:
Partidos establecidos reaccionan al éxito de partidos radicales de derecha adoptando
algunas de sus posiciones radicales (en Europa: polı́ticas anti-migración y polı́ticas de
proteccionismo cultural)
9 / 37
Repaso rápido de conceptos que ya vimos y necesitamos
para prueba de hipótesis
I El valor estándarizado de una observación Xi es:
Xi − X̄
Xistand =
s
10 / 37
Repaso rápido de conceptos que ya vimos y necesitamos
para prueba de hipótesis
I El valor estándarizado de una observación Xi es:
Xi − X̄
Xistand =
s
11 / 37
Repaso rápido de conceptos que ya vimos y necesitamos
para prueba de hipótesis
I El valor estándarizado de una observación Xi es:
Xi − X̄
Xistand =
s
I El teorema del lı́mite central señala que dada una población con
media µ y s.d. σ, obtener múltiples muestra de tamaño n generará
2
una distribución con media X̄ distribuida normalmente ∼ N (µ, σn )
12 / 37
Repaso rápido de conceptos que ya vimos y necesitamos
para prueba de hipótesis
I El valor estándarizado de una observación Xi es:
Xi − X̄
Xistand =
s
I El teorema del lı́mite central señala que dada una población con
media µ y s.d. σ, obtener múltiples muestra de tamaño n generará
2
una distribución con media X̄ distribuida normalmente ∼ N (µ, σn )
14 / 37
Hipótesis nula (H0 ) e hipótesis alternativa (Ha o H1 )
15 / 37
Hipótesis nula (H0 ) e hipótesis alternativa (Ha o H1 )
16 / 37
Hipótesis nula (H0 ) e hipótesis alternativa (Ha o H1 )
H0 : µ ≥ µ 0 H0 : µ ≤ µ 0 H0 : µ = µ0
Ha : µ < µ0 Ha : µ > µ0 Ha : µ 6= µ0
17 / 37
El diseño de investigación y los errores tipo I y tipo II
Depende de cómo formulamos la hipótesis, nuestra investigación será
objeto de errores de tipo I o errores de tipo II.
18 / 37
El diseño de investigación y los errores tipo I y tipo II
Depende de cómo formulamos la hipótesis, nuestra investigación será
objeto de errores de tipo I o errores de tipo II.
20 / 37
Prueba de hipótesis
21 / 37
Ejercicio: Prueba de hipótesis
El comandante de policı́a quiere evaluar que tan efectiva ha sido la entrada en vigor del
nuevo código de policı́a. Antes del la vigencia de la ley la policı́a imponı́a 6 multas por
dı́a. Por el asunto de las empanadas al comandante lo llaman al consejo para un debate
de control polı́tico. El comandante le pide a usted que evalúe si la mano dura contra las
contravenciones ha sido una polı́tica exitosa. Usted no tiene tiempo para evaluar todos
los dı́as del año, pues el comandante necesita la información para ya. Sin embargo sabe
que si escoge 10 dı́as de manera aleatoria probablemente tendrá suficiente información
para contestar la pregunta del comandante
Dı́a Multas
1 8
2 12
3 7
1 Formule la H0 y la Ha
4 5
5 9 I H :
0
6 6 I H :
a
7 3
8 2
9 8
10 13
22 / 37
Ejercicio: Prueba de hipótesis
El comandante de policı́a quiere evaluar que tan efectiva ha sido el nuevo código de
policı́a. Antes del la vigencia de la ley la policı́a imponı́a 6 multas por dı́a. Por el asunto
de las empanadas al comandante lo llaman para un debate de control polı́tico. El
comandante le pide que evalúe si la mano dura contra las contravenciones ha sido
exitosa. Usted no tiene tiempo para evaluar todos los dı́as del año, pues el comandante
necesita la información para ya, y escoge 10 dı́as al azar para contestar la pregunta.
1 Formule la H0 y la Ha
Dı́a Multas
1 8 I H0 : Con el nuevo código de policia no hay
2 12 más de 6 multas por dı́a
3 7 I Ha : Con el nuevo código de policı́a hay más de
4 5 6 multas por dı́a
5 9
6 6
7 3
8 2
9 8
10 13
23 / 37
Ejercicio: Prueba de hipótesis
El comandante de policı́a quiere evaluar que tan efectiva ha sido el nuevo código de
policı́a. Antes del la vigencia de la ley la policı́a imponı́a 6 multas por dı́a. Por el asunto
de las empanadas al comandante lo llaman para un debate de control polı́tico. El
comandante le pide que evalúe si la mano dura contra las contravenciones ha sido
exitosa. Usted no tiene tiempo para evaluar todos los dı́as del año, pues el comandante
necesita la información para ya, y escoge 10 dı́as al azar para contestar la pregunta.
1 Formule la H0 y la Ha
Dı́a Multas
1 8 I H0 : Con el nuevo código de policia no hay
2 12 más de 6 multas por dı́a
3 7 I Ha : Con el nuevo código de policı́a hay más de
4 5 6 multas por dı́a
5 9
6 6 2 Adquiera datos relevantes para probar las hipótesis:
7 3
8 2 I X̄ = 7.3 y s = 3.53
3.53
9 8 I s.e. = √ 10
10 13
X̄ −µ 7.3−6
3 Evalúe H0 → t = s.e
= 1.17
= 1.11
24 / 37
Ejercicio: Prueba de hipótesis
Con el comando de Stata (ttail(9, 1.11)), usted calcula que sacar una
muestra con media de 7.1 es de 0.148.
25 / 37
Ejercicio: Prueba de hipótesis
Con el comando de Stata (ttail(9, 1.11)), usted calcula que sacar una
muestra con media de 7.1 es de 0.148.
26 / 37
Valor-p
27 / 37
Prueba de una cola o pruebas de dos colas
Con el método de valores-p podemos empezar a ver dónde deben estar los
datos para rechazar o no rechazar la H0
28 / 37
Pruebas con media poblacional y σ conocida
29 / 37
Pruebas con media poblacional y σ desconocida
30 / 37
Prueba de una cola o pruebas de dos colas
Teniendo clara la diferencia de las pruebas y la relación entre el valor-p y α
podemos evaluar la H0 :
Relación entre valor-p y α Relación con la zona de rechazo H0 Ha
si valor-p < α Está en la zona de rechazo Rechazar la H0 Aceptar Ha
si valor-p > α No está en la zona de rechazo No rechazar la H0 No aceptar Ha
31 / 37
Prueba de una cola o pruebas de dos colas
Teniendo clara la diferencia de las pruebas y la relación entre el valor-p y α
podemos evaluar la H0 :
Relación entre valor-p y α Relación con la zona de rechazo H0 Ha
si valor-p < α Está en la zona de rechazo Rechazar la H0 Aceptar Ha
si valor-p > α No está en la zona de rechazo No rechazar la H0 No aceptar Ha
32 / 37
Prueba de una cola o pruebas de dos colas
Teniendo clara la diferencia de las pruebas y la relación entre el valor-p y α
podemos evaluar la H0 :
Relación entre valor-p y α Relación con la zona de rechazo H0 Ha
si valor-p < α Está en la zona de rechazo Rechazar la H0 Aceptar Ha
si valor-p > α No está en la zona de rechazo No rechazar la H0 No aceptar Ha
q
s.e.d = s.e.21 + s.e.22
4 Calcule el valor t y revise si podemos aceptar o rechazar H0
X̄1 − X̄2
t=
s.e.d
35 / 37
ttest
36 / 37
ttest
En vez de explicar con todo el detalle cada una de las diferencias vamos a
hacer esto en Stata:
I Abran el dofile: ttest stata
37 / 37