Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Hipotesis PDF
Hipotesis PDF
Contenidos
I Introducción, las hipótesis nula y alternativa
I El procedimiento de contraste de hipótesis
I Errores de Tipo I y Tipo II, potencia del contraste
I Estadı́sticos del contraste, nivel de significación y regiones de
aceptación/rechazo en contrastes bilaterales y unilaterales
I Contrastes de hipótesis: procedimiento
I p-valor
I Contrastes bilaterales e intervalos de confianza
I Ejemplos para distintos parámetros
I Potencia y tamaño muestral
Tema 2. Contraste de hipótesis en una población
Objetivos de aprendizaje
Al final de este tema debieras ser capaz de:
I Llevar a cabo un contraste de hipótesis sobre una población
I Formular las hipótesis nula y alternativa de un contraste
I Entender los errores de tipo I y tipo II, definir el nivel de
significación, definir la potencia del contraste
I Seleccionar un estadı́stico del contraste adecuado e identificar las
regiones crı́ticas correspondientes a contrastes unilaterales y
bilaterales
I Utilizar el p-valor para llevar a cabo un contraste
I Conocer la relación entre un contraste bilateral y un intervalo de
confianza asociado
I Calcular la potencia de un contraste y encontrar el tamaño muestral
necesario para obtener una potencia dada
Tema 2. Contraste de hipótesis en una población
Referencias
I Newbold, P. “Estadı́stica para administración y economı́a”
I Capı́tulo 9 (9.1-9.5)
I Ross, S. “Introducción a la Estadı́stica”
I Capı́tulo 9
Contrastes de hipótesis: introducción
'
z}|{
Hipótesis nula, H0 : µ ≥ 400 MAS
H1 : σ 2 6= 9 En general: H1 : θ 6= θ0
x̄ = 1.65
Procedimiento de contraste de hipótesis
Situación actual
Decisión H0 correcta H0 incorrecta
No Sin error Error de Tipo II
Rechazar H0 (1 − α) (β)
Rechazar Error de Tipo I Sin error
H0 (α) (1 − β = potencia)
Errores de Tipo I y de Tipo II, potencia
RR
CRITICO
●
VALOR RA
CRITICO
Contraste bilateral H1 : θ 6= θ0
RR
●
VALOR RA
●
α 2
VALOR RR
RAα = {t : T1−α/2 ≤ t ≤ Tα/2 } CRITICO CRITICO
Estadı́sticos del contraste
Sea X n una m.a.s. de una población X con media µ y varianza σ 2 , α un nivel de
significación, zα el cuantil α de N(0,1), µ0 la media de la población bajo H0 , etc.
Parámetro Hipótesis Estadı́stico contraste RRα contraste bilateral
8
> z 9
>
>
> z }| { >
>
> >
x̄ − µ0
> >
X̄ −µ0 x̄−µ0
< =
Datos normales √ ∼ N(0, 1) z : < z1−α/2 o √ > zα/2
σ/ n √ σ/ n
Varianza conocida >
>
> σ/ n >
>
>
>
> >
>
: ;
ff
Datos no normales X̄ −µ0 x̄−µ0 x̄−µ0
Media √ ∼ap. N(0, 1) z : √ < z1−α/2 o √ > zα/2
Muestra grande σ̂/ n σ̂/ n σ̂/ n
ff
Datos Bernoulli p̂−p0 p̂−p0 p̂−p0
p ∼ap. N(0, 1) z : p < z1−α/2 o p > zα/2
Muestra grande p0 (1−p0 )/n p0 (1−p0 )/n p0 (1−p0 )/n
8
> t 9
>
>
> z }| { >
>
> >
x̄ − µ0
> >
Datos normales X̄ −µ0
<
x̄−µ0
=
Varianza descono- √ ∼ tn−1 t : √ < tn−1;1−α/2 o √ > tn−1;α/2
s/ n >
> s/ n s/ n >
>
cida >
>
>
>
>
>
: ;
χ2
8 9
>
> >
>
>
> z }| { >
>
>
> >
>
(n − 1)s 2
> >
(n−1)s 2 2
> >
(n−1)s
< =
Varianza Datos normales ∼ χ2
n−1 χ2 : < χ2 o > χ 2
σ2 > σ 2 n−1;1−α/2 σ 2 n−1;α/2 >
0 >
>
> 0 0 >
>
>
>
> >
>
>
> >
>
: ;
( )
(n−1)s 2 (n−1)s 2 (n−1)s 2
Desv. Tı́p. Datos normales ∼ χ2
n−1 χ2 : < χ 2 o > χ 2
σ2 σ2 n−1;1−α/2 σ2 n−1;α/2
0 0 0
'
σ/ n
Valor observado del estadı́stico:
MAS: n = 16
σ=5 µ0 = 250
Muestra: x̄ = 251.9 n = 16 x̄ = 251.9
x̄ − µ0
Objetivo: contrastar z = √
σ/ n
µ0
251.9 − 250
√
z}|{
H0 : µ = 250 frente a H1 : µ > 250 = = 1.52
5/ 16
(contraste unilateral)
Contraste unilateral para la media de datos normales con
varianza conocida: ejemplo
Ejemplo: 9.1 (cont.)
Región de rechazo (o región crı́tica):
Densidad N(0,1)
RA
●
RR
zα = 1.645
Conclusión: Los datos muestrales no proporcionan suficiente evidencia
para rechazar la afirmación de que el peso promedio de los rodamientos
es 250 g.
Definición de p-valor
p-valor = P(T ≥ t)
p−valor
=area
estad. de
contr.
p-valor = P(T ≤ t)
p−valor
=area
−|estad.| |estad.|
Contraste bilateral H1 : θ 6= θ0
'
= 0.0643 donde Z ∼ N(0, 1)
MAS: n = 16
Como se cumple que
Muestra: x̄ = 251.9 p-valor = 0.0643 ≥ α = 0.05
no rechazamos H0 (pero
Objetivo: contrastar rechazarı́amos para cualquier α
µ0 mayor que 0.0643, por ejemplo,
z}|{ α = 0.1).
H0 : µ = 250 frente a H1 : µ > 250
(contraste unilateral)
densidad N(0,1)
=area
El p-valor y la probabilidad de la hipótesis nula1
I El p-valor:
I no es la probabilidad de H0 ni la del error de Tipo I, α;
I se puede utilizar como un estadı́stico del contraste comparando su
valor con el de α (i.e. rechazar H0 si p-valor < α).
I Queremos responder la pregunta: ¿cuál es la probabilidad de la
hipótesis nula dadas las observaciones?
I Recordemos que definimos el p-valor como la probabilidad de obtener
las observaciones (o valores mas extremos) dada la hipótesis nula.
I No podemos responder de manera exacta,
I Pero bajo condiciones generales y asumiendo que sin los datos
Pr(H0 ) = Pr(H1 ) = 1/2, entonces para p-valores, p, tales que
p < 0.36:
−ep ln(p)
Pr(H0 |Observaciones) ≥ .
1 − ep ln(p)
H0 : θ = θ0 frente a H1 : θ 6= θ0
'
σ
IC0.95 (µ) = x̄ ∓ 1.96 √
MAS: n = 9 n
0.06
Muestra: x̄ = 1.95 = 1.95 ∓ 1.96 √
9
Objetivo: contrastar = (1.9108, 1.9892)
µ0
z}|{ Como µ0 = 2 ∈ / CI0.95 (µ),
H0 : µ = 2 frente a H1 : µ 6= 2 rechazamos H0 a un nivel de
(contraste bilateral) significación del 5%.
Contraste bilateral para la proporción: ejemplo
Ejemplo: 9.6 (Newbold) En una muestra aleatoria de 199 socios
auditores de empresas de auditorı́a americanas, 104 socios se mostraron
de acuerdo con la afirmación: “Los flujos de caja operativos son una
medida válida de rentabilidad”. Contrasta al 10% frente a una
alternativa bilateral la hipótesis nula de que la mitad de los miembros de
la población estarı́an de acuerdo con esta afirmación.
Población:
X = 1 si un socio está de acuerdo con la Estadı́stico del contraste:
afirmación y 0 en otro caso Z = √ p̂−p0 ∼aprox. N(0, 1)
X ∼ Bernoulli(p) p0 (1−p0 )/n
Valor observado del estadı́stico:
'
Muestra: p̂ =
MAS: n = 199 n grande
104
199 = 0.523
p0 = 0.5
n = 199 p̂ = 0.523
p̂ − p0
Objetivo: contrastar z = p
p0 (1 − p0 )/n
p0
0.523 − 0.5
= p
z}|{
H0 : p = 0.5 frente a H1 : p 6= 0.5 0.5(1 − 0.5)/199
(contraste bilateral) = 0.65
Contraste bilateral para la proporción: ejemplo
Ejemplo: 9.6 (cont.)
Región de rechazo o región crı́tica:
Densidad N(0,1)
RR
●
RA
●
RR
− zα2 = − 1.645 zα2 = 1.645
Conclusión: Los datos muestrales no dan evidencia suficiente para dudar
que la mitad de los socios auditores piensen que el flujo de caja
operacional es una medida válida de rentabilidad.
Contraste unilateral, media con var. desconocida: ejemplo
Ejemplo: 9.4 (Newbold, modificado) Una cadena de centros comerciales cree
que el aumento de ventas entre Noviembre y Diciembre es del 20%. Una
muestra aleatoria de seis centros tuvo incrementos de ventas de 19.2, 18.4,
19.8, 20.2, 20.4, 19.0. Suponiendo la población normal, contrasta que el
incremento promedio es al menos del 20% frente a una alternativa unilateral,
para α = 10%. Emplea el p-valor.
Población:
X = “incremento de ventas en un centro
entre Nov. y Dic. (en %)” Estadı́stico del contraste:
2 2
X ∼ N(µ, σ ) σ desconocida T = X̄s/−µ
√ 0 ∼ tn−1
n
'
Valor observado del estadı́stico:
MAS: n = 6 n pequeño
µ0 = 20 n=6
√
Muestra: x̄ = 117 = 19.5 x̄ = 1.95 s = 0.588 = 0.767
6 x̄ − µ0
2 2284.44−6(19.5)2 t = √
s = 6−1
= 0.588 s/ n
Objetivo: contrastar 19.5 − 20
= √ = −1.597
µ0 0.767/ 6
z}|{
H0 : µ ≥ 20 frente a H1 : µ < 20
(contraste unilateral)
Contraste unilateral, media con var. desconocida: ejemplo
Ejemplo: 9.4 (cont.)
'
0
(n − 1)s 2
ff
2
RR0.1 = > χ n−1;0.1 potencia(σ 2 ) función de σ 2
σ02
8 9
27.2 · 4 = 108.8>
1.0
potencia(σ2 2) =
>
> z }| { >
< =
= (n − 1)s 2 > χ2n−1;0.1 · σ02 1 − β(σ )
0.8
>
> >
>
: ;
σ20 = 4
La potencia viene dada por:
0.6
“ ”
potencia(σ12 ) = P rechazar H0 |σ 2 = σ12
0.4
“ ”
= P (n − 1)s 2 > 108.8|σ 2 = σ12
0.0 α 0.2
(n − 1)s 2
„ «
108.8
=P >
σ12 σ2
„ 1 « ●
0 Θ0 2 4 6 Θ1 8 10
„ «
108.8 108.8
= P χ2 >
σ12
= 1 − Fχ2
σ12
σ2
(Fχ2 es la función de distribución de χ2n−1 ) Por tanto,
power(7) = P χ2 > 108.8
` ´
7
= 0.6874.
Contraste unilateral para la varianza: cálculo de tamaño
muestral
Ejemplo: 9.5 c)
De nuestros cálculos“anteriores, sabemos que
σ2
2
”
(n−1)s 2
potencia(σ12 ) = P (n−1)s
σ2
> χ2n−1;0.1 σ02 , σ12
∼ χ2n−1
1 1
0.571
0 1
z}|{
2
B (n − 1)s 4 C
B C
potencia(7) = P B 2
> χ2n−1;0.1 C ≥ 0.9
@ σ1 7 A
La última ecuación implica que queremos trabajar con una distribución χ2n−1
cuyo cuantil 0.9 debe cumplir χ2n−1;0.9 ≥ 0.571χ2n−1;0.1 .
tabla chi-cuadrado
χ243;0.9 /χ243;0.1 = 0.573 > 0.571 ⇒ n − 1 = 43
1.0
potencia(µ) =
1 − β(µ) n=16
n=9
0.8
0.8
µ0 = 5 n=4
0.6
0.6
0.4
0.4
α 0.2
0.2
0.0
0.0
●
4.85 4.95 5.05 4.85 4.95 5.05
Θ1 Θ0 µ
Otro ejemplo sobre potencia: contraste unilateral para la
media, población normal y σ 2 conocida