Contrastes de Hipótesis paramétricos - Bioestadística

Contrastes de la Diferencia de Medias:

Seleccionamos dos muestras aleatorias independientes de tamaños n1 y n2
de dos poblaciones normales con medias μ1 y μ2 y varianzas
respectivamente. La estadística a utilizar en este caso es . Se puede
esperar que la distribución muestral de sea aproximadamente
normal, con media y desviación típica

Contrastes de Hipótesis parametricos - Bioestadística Oct-2011

 Contrastes de diferencia de medias con varianzas conocidas:

Supóngase que se desea probar la hipótesis nula :

H0: μ1 = μ2
contra una de las siguientes alternativas:
H1: μ1 > μ2 H1: μ1 < μ2 H1: μ1 ≠ μ2
La estadística a utilizar en este caso es la diferencia muestral de las
medias que es una variable aleatoria, ya que son variables
aleatorias independientes, y además se distribuye según una
N(μ1-μ2, )

Por tanto la estadística:

sigue una N(0,1) si la hipótesis nula es cierta (μ1 = μ2).

Las regiones críticas y de aceptación serán entonces:
Contraste Bilateral: R.C = { z: |z| > zα/2} R.A = { z: |z| ≤ zα/2}
Contraste Unilateral Derecho: R.C = { z: z > zα} R.A = { z: z ≤ zα}
Contraste Unilateral Izquierdo: R.C = { z: z < - zα} R.A = { z: z ≥ - zα}

Contrastes de Hipótesis parametricos - Bioestadística Oct-2011

 Contrastes de diferencia de medias con varianzas desconocidas:

Supóngase que se desea probar la hipótesis nula :

H0: μ1 = μ2
contra una de las siguientes alternativas:
H1: μ1 > μ2 H1: μ1 < μ2 H1: μ1 ≠ μ2
La estadística a utilizar en este caso también es la diferencia muestral
de las medias , que es una variable aleatoria, ya que son
variables aleatorias independientes, La distribución que sigue esta
estadística así como las regiones críticas a que da lugar, las podemos
dividir en tres casos diferentes:

Muestras grandes: n1+n2 > 30; n1 ≈ n2

El estadístico del contraste viene dado por :

que, en este caso, bajo la hipótesis nula, sigue una distribución

aproximadamente N(0,1)

Contrastes de Hipótesis parametricos - Bioestadística Oct-2011

Las regiones críticas y de aceptación serán entonces:
Contraste Bilateral: R.C = { z: |z| > zα/2} R.A = { z: |z| ≤ zα/2}
Contraste Unilateral Derecho: R.C = { z: z > zα} R.A = { z: z ≤ zα}
Contraste Unilateral Izquierdo: R.C = { z: z < - zα} R.A = { z: z ≥ - zα}

Muestras pequeñas: n1 + n2 ≤ 30; Varianzas desconocidas pero iguales

El estadístico del contraste viene dado por :

que, en este caso, bajo la hipótesis nula, sigue una distribución t de Student
con (n1 + n2 - 2) grados de libertad.

Las regiones críticas y de aceptación serán entonces:

Contraste Bilateral: R.C = { t: |t| > tα/2, n1 + n2- 2} R.A = { t: |t| ≤ tα/2, n1 + n2 - 2}
Contraste Unil. Derecho: R.C = { t: t > tα, n1 + n2- 2} R.A = { t: t ≤ tα, n1 + n2- 2}
Contraste Unil. Izquierdo: R.C = { t: t <-tα, n1 + n2- 2} R.A = { t: t ≥ -tα, n1 + n2- 2}

Contrastes de Hipotesis parametricos - Bioestadistica Oct-2011

Muestras pequeñas: n1 + n2 ≤ 30; Varianzas desconocidas y distintas

El estadístico del contraste viene dado por :

que, en este caso, bajo la hipótesis nula, sigue una distribución t de Student
con f grados de libertad, siendo f la aproximación de Welch dada por:

redondeado al entero más cercano.

Las regiones críticas y de aceptación serán entonces:
Contraste Bilateral: R.C = { t: |t| > tα/2, f} R.A = { t: |t| ≤ tα/2, f }
Contraste Unilateral Derecho: R.C = { t: t > tα, f} R.A = { t: t ≤ tα, f}
Contraste Unilateral Izquierdo: R.C = { t: t <-tα, f} R.A = { t: t ≥ - tα, f}

Contrastes de Hipotesis parametricos - Bioestadistica Oct-2011

Datos emparejados
En este caso tenemos las observaciones en pares, de manera que existe
una relación natural entre las observaciones de un par, y donde se
supone que las condiciones externas son las mismas para cada par pero
pueden variar de par en par.

Sean (X1, Y1), (X2, Y2), ..., (Xn, Yn) los n pares a partir de los cuales
calculamos las diferencias Di = Yi - Xi, que constituyen variables
aleatorias independientes distribuidas normales, tales que E[Di] = μd =
μy - μx y V[Di] = para toda i=1,2, ..., n.

Como no conocemos μd ni , se estimarán por . De esta manera se

pueden formular inferencias sobre las medias de dos niveles cuando las
observaciones están pareadas considerando la columna de diferencias
como una sóla variable aleatoria y aplicar los métodos que ya hemos visto.
Como en ese caso, estamos interesados en contrastar la hipótesis
nula:

H0: μx = μy que equivale a μd = 0

Contrastes de Hipotesis parametricos - Bioestadistica Oct-2011

 contra una de las siguientes alternativas:
H1: μy > μx (μd > 0) H1: μy < μx (μd < 0)
H1: μx ≠ μy (μd ≠ 0)

El estadístico de contraste es:

que, bajo la hipótesis nula, sigue una distribución t de Student con n-1
grados de libertad.

Las regiones críticas y de aceptación serán entonces:

Contraste Bilateral: R.C = { t: |t| > tα/2, n-1} R.A = { t: |t| ≤ tα/2, n-1 }
Contraste Unilateral Derecho: R.C = { t: t > tα, n-1} R.A = { t: t ≤ tα, n-1}
Contraste Unilateral Izquierdo: R.C = { t: t < - tα, n-1} R.A = { t: t ≥ - tα, n-1}

Contrastes de Hipotesis parametricos - Bioestadistica Oct-2011

Contrastes sobre la varianza de una población normal:

En esta ocasión deseamos probar la hipótesis que considera la

uniformidad de una población. Consideraremos la hipótesis nula:

contra una de las siguientes alternativas:

El estadístico apropiado sobre el cual se basa la decisión es el mismo que

se utilizó para determinar el intervalo de confianza para la varianza, que
si la hipótesis nula es cierta, viene dado por :

donde n es el tamaño de la muestra y sigue una distribución χ2con n-1

grados de libertad.
Las regiones críticas y de aceptación serán entonces:

Contrastes de Hipotesis parametricos - Bioestadistica Oct-2011

Contraste de igualdad de varianzas de dos poblaciones normales:

Consideramos ahora el problema de contrastar dos varianzas

poblacionales, que en general se aplica antes de una prueba t combinada
para comprobar la suposición de igualdad de varianzas. Sean X1, X2, ...
Xn1 y Y1, Y2, ... Yn2 muestras aleatorias provenientes de dos distribuciones
normales independientes con medias desconocidas μx y μy y varianzas
desconocidas, por lo que se aproximan por las cuasivarianzas muestrales.
Contrastaremos la hipótesis nula:

contra una de las siguientes alternativas:

La estadística a utilizar en este caso, al igual que para el intervalo de

confianza, vendrá dado por:

que, si la hipótesis nula es cierta, sigue una distribución F de Snedecor

con n1-1, n2-1 grados de libertad.

Contrastes de Hipotesis parametricos - Bioestadistica Oct-2011

Contrastes de Hipotesis parametricos - Bioestadistica Oct-2011
 Contraste para el parámetro p de una distribución binomial:

Se considerará el problema de probar la hipótesis de que la proporción

de éxitos en un experimento binomial es igual a un valor especificado. Es
decir, se está probando la hipótesis nula:

H0: p = p0

frente a cualquiera de las alternativas:

H1: p > p0 H1: p < p0 H1: p ≠ p0

La variable aleatoria apropiada sobre la cual se fundamenta el criterio de

decisión es la variable aleatoria binomial de parámetros n (nº de
experimentos) y p (proporción poblacional de éxitos, es decir, el parámetro
cuyo valor queremos contrastar).

Si H0 es cierta, entonces X se distribuye como una B(n,p0).

Contrastes de Hipotesis parametricos - Bioestadistica Oct-2011

 Sin embargo, si n es grande, y utilizamos la variable binomial X,
generalmente se prefiere utilizar su aproximación a la curva normal
con parámetros μ = np y σ2 = npq. También es posible utilizar el
estadístico

que, para n grande, se puede aproximar, a una normal de parámetros

μ = p y = pq/n. Por tanto tendremos:

que, como vemos, sigue dependiendo del parámetro p que queremos

contrastar.

Contrastes de Hipotesis parametricos - Bioestadistica Oct-2011

 Igual que se hizo en la estimación por intervalos, para valores de n
grandes y si p0 no está cerca de 0 ni de 1, se suele sustituir la p del
denominador, por su aproximación muestral, y obtendríamos entonces
que, si la H0 es cierta,

sigue una distribución aproximadamente N(0,1).

Si se verifican las condiciones anteriores, y si H0 es cierta, también se

puede sustituir p por p0 tanto en el numerador como en el denominador,
y se obtiene una aproximación bastante precisa en muchos casos, y
entonces las regiones críticas y de aceptación para este contraste
vendrían dadas por:

Contraste Bilateral: R.C = { z: |z| > zα/2} R.A = { z: |z| ≤ zα/2}

Contraste Unilateral Derecho: R.C = { z: z > zα} R.A = { z: z ≤ zα}
Contraste Unilateral Izquierdo: R.C = { z: z < -zα} R.A = { z: z ≥ -zα}

Contrastes de Hipotesis parametricos - Bioestadistica Oct-2011

 Contraste para la diferencia de dos proporciones:

Se seleccionan al azar dos muestras independientes grandes, de tamaño

n1 y n2, de dos poblaciones binomiales, de parámetros p1 y p2
respectivamente. Se desea contrastar la hipótesis de que las
proporciones (parámetro p) de ambas poblaciones son iguales. Es decir,
se está probando la hipótesis nula:
H0: p1 = p2
frente a cualquiera de las alternativas:
H1: p1 > p2 H1: p1 < p2 H1: p1 ≠ p2
El estadístico sobre el que se basaría la decisión es:

En la estimación por intervalos, habíamos visto que la diferencia de

proporciones muestrales de éxito, para una n lo bastante grande, tenía
una distribución aproximadamente normal con media:

y varianza:

Contrastes de Hipotesis parametricos - Bioestadistica Oct-2011

 Y por tanto, el estadístico de contraste quedaría:

Cuando H0 es cierta, se puede sustituir p1 = p2 = p y q1 = q2 = q, donde p

y q seguirían siendo los valores que queremos contrastar. Una
estimación muestral de estos parámetros, la podemos obtener
combinando los datos de ambas muestras, de la siguiente forma:

siendo x1 y x2 el número de éxitos en ambas muestras. Por tanto

quedaría:

Siendo las regiones críticas y de aceptación, para un nivel de

significación α:
Contraste Bilateral: R.C = { z: |z| > zα/2} R.A = { z: |z| ≤ zα/2}
Contraste Unilateral Derecho: R.C = { z: z > zα} R.A = { z: z ≤ zα}
Contraste Unilateral Izquierdo: R.C = { z: z < - zα} R.A = { z: z ≥ - zα}
Contrastes de Hipotesis parametricos - Bioestadistica Oct-2011