Documentos de Académico
Documentos de Profesional
Documentos de Cultura
OBJETIVOS
EJEMPLO
Al juzgar a una persona por asesinato, se presume que el acusado es inocente, es decir
no culpable, hasta que se demuestre lo contrario, según la justicia conservadora.
Inocente
Culpable
Hipótesis estadística.
Le llamaremos hipótesis estadística a un supuesto que se hace acerca del valor de un
parámetro de una población o acerca de valores de parámetros que corresponden a distintas
poblaciones.
EJEMPLO 2.2
Supongamos que cierta región del país cuenta con 200 plantaciones donde se cultiva maíz
sin hacer uso de ningún abono. Por muchos años el rendimiento promedio ha sido de 44
quintales por manzana. El MAG está tratando de convencer a los agricultores de la
aplicación de cierto fertilizante, lo que significaría un mayor rendimiento promedio y por lo
tanto un mejor beneficio económico. A manera de prueba los agricultores usaron el
fertilizante en 36 plantaciones seleccionadas aleatoriamente, obteniéndose un rendimiento
promedio de 47.30 quintales por manzana y una desviación estándar de 6.60 quintales por
manzana.
¿Debemos aplicar el fertilizante a un nivel de significación del 5%?
Observemos que estamos ante un problema de decisión con 2 hipótesis que definimos así:
= 44
44
No aplicar el fertilizante.
Aplicar el fertilizante.
Una prueba de hipótesis será un procedimiento en el cual una de las hipótesis que
llamaremos nula se probará contra otra hipótesis que llamaremos alterna, tomando como
base la información proporcionada por una muestra aleatoria, la cual nos permitirá poder
rechazar o no rechazar la hipótesis nula, con el fin de poder seleccionar la alternativa
más adecuada.
Debido al gran parecido que tiene este procedimiento en la manera de razonar con el
empleado en un juicio, retomaremos el ejemplo 2.1 como una motivación al tema.
Inocente
Culpable
Naturalmente el error tipo I, motivo por el cual se quiere que la probabilidad de caer en este
error I sea mínima. Por tanto mantendremos la probabilidad de caer en este error I debajo
de una frontera, sin preocuparnos por la probabilidad de caer en el error II.
5. Finalmente con la evidencia ya valorada se aplica la regla de decisión que nos permitirá
seleccionar la alternativa más adecuada.
i) Si el jurado valora que hay suficiente evidencia para rechazar la hipótesis nula de
inocencia entonces estamos aceptando la hipótesis alterna de culpabilidad lo cual
implica que debemos seleccionar la alternativa de echarlo preso.
ii) Si el jurado valora que no hay suficiente evidencia para rechazar la hipótesis nula de
inocencia entonces “aceptamos” la hipótesis nula de inocencia, pero débilmente
porque talvez la acusación fue deficiente en la recolección de evidencias, lo cual
implica seleccionar la alternativa de dejarlo libre o bien no tomar ninguna
alternativa y reanudar el jucio en otra ocación.
Hipótesis nula.
La hipótesis nula será generalmente la que afirma en los problemas ausencia de efecto
alguno para determinadas acción o tratamiento y la denotaremos por Ho.
Como esta hipótesis es la que siempre debe especificarse en una forma más exacta, el signo
= siempre la acompañará.
Hipótesis alterna.
A cualquier hipótesis que diga lo contrario de la hipótesis nula, esto es que hay presencia
del efecto para la acción o tratamiento, la llamaremos hipótesis alterna y la denotaremos
por H1.
Como esta hipótesis es generalmente especificada con menos exactitud, los signos , o
la acompañan.
Para el ejemplo 2.1 en que se juzga a una persona por asesinato, podemos ver el juzgar
como la acción y la culpabilidad como el efecto. Por tanto podemos escribir.
H0 : = 44 A0 : No aplicar el
fertilizante
H1 : 44 A1 : Aplicar el fertilizante
La aceptación de cada una de las hipótesis anteriores tendrá asociada una alternativa.
A la aceptación de H0 le corresponderá la alternativa A0 y a la aceptación de H1 le
corresponderá la alternativa A1
Tipos de pruebas.
De acuerdo a la forma en que pueden estructurarse las hipótesis tendremos:
1) Pruebas unilaterales.
Son aquellas en las cuales la presencia del efecto en la hipótesis alterna se traduce como un
interés por sólo las desviaciones hacia un lado con respecto a un valor supuesto 0 de
Note que la hipótesis nula puede también especificarse de una manera menos exacta como
0 o 0.
2) Pruebas bilaterales.
Son aquellas en las cuales la presencia del efecto en la hipótesis alterna se traduce como un
interés por las desviaciones tanto hacia la izquierda como hacia la derecha con respecto a
un valor supuesto 0 de
H0 : = 0
H1 : 0
Para el ejemplo 2.2 observe que la prueba es de cola derecha porque sólo nos interesan
los aumentos en el rendimiento promedio con respecto a 44.
2. ELEGIR UN NIVEL DE SIGNIFICACION
P ( error I )
P ( error II )
Generalmente el error I es más grave que el error II, razón por la cual le daremos a un
valor pequeño, usualmente se toma
= 0.01 ó = 0.05 según el caso
En casos en que las consecuencias de cometer un error I son muy graves debemos tomar
= 0.01 (ó un riesgo aún menor).
Si las consecuencias de cometer el error I no son tan graves podemos tomar = 0.05 ( ó un
riesgo aún mayor).
Altenativas Hipótesis
H0 : = 44 es V H1 : 44 es
V
A0: No aplicar el Correcta Error II
fertilizante
A1: Aplicar el fertilizante Error I Correcta
P ( error I ) 0.05
Así que hemos elegido un nivel de significación = 0.05
Como las hipótesis son suposiciones acerca de , el estadístico de prueba que utilizaremos
será la media muestral X pero estandarizada, esto es, la diferencia X - 0 expresada en
unidades del error estándar de X , lo cual expresamos así
X
X
que puede ser igual al estadístico Z o t según la tabla que presentamos abajo.
DISTRIBUCION DE LA POBLACION
Tamaño Normal No Normal
de
muestra n conocido desconocido conocido desconocido
n 30 Z t
n 30 Z Z Z Z
Esto significa que el valor del estadístico de prueba Z o t se obtendrá de una muestra de
tamaño n y representará en una prueba de hipótesis una diferencia que puede ser
considerada significativamente distinta de cero o no significativamente distinta de cero.
¿Pero cómo sabremos si esta diferencia Z o t es significativamente distinta de cero o no?
Por el momento diremos simplemente si Z o t está suficientemente alejada de cero.
Estableceremos un valor de referencia o valor crítico que dependerá del tipo de prueba y
del nivel de significación
Esto quiere decir que Z o t está suficientemente “alejado” de cero si cae a la derecha de z
o t según se observa en la figura de abajo
Z o
t
0 z
t
NR R
Figura 2.2
Z z o t t
Z o
t
-z 0
-t
R NR
Figura 2.1
Z - z o t - t
Para cada nivel de significación que nos fijemos en una prueba de una cola existirá un
valor crítico que dividirá el rango de Z o t en dos regiones disjuntas, una región de no
rechazo o “aceptación” y otra de rechazo.
Z o
t
- z/2 0 z/2
- t/2 t/2
R NR R
Fig. 2.3
Para cada nivel de significación que nos fijemos en una prueba de dos colas existirán 2
valores críticos que dividirán el rango de Z o t en tres regiones disjuntas, una región de no
rechazo o “aceptación” y dos regiones de rechazo.
Reglas de decisión
Tipo de Estadístico Z Estadístico t
Prueba según H1 Rechazo H0 si Rechazo H0 si
Cola derecha 0 Z z t t
Cola izquierda 0 Z - z t - t
Dos colas 0 Z - z/2 o Z z/2 t - t/2 o t t/2
En caso contrario diremos que no podemos rechazamos H0 ,es decir, “aceptamos” H0.
Cuando a partir de la información muestral H0 sea rechazada con un nivel de significación
= 0.05, diremos que el resultado de la prueba fue significativo, esto es, que si hicieramos
un muestro repetido podríamos esperar que sólo en 5 ocaciones de 100 cometeriamos el
error I, en otras palabras se tendría un 95% de confianza de que se tomó la alternativa
adecuada.
Cuando H0 sea rechazada a un nivel = 0.01 diremos que el resultado fue altamente
significativo.
X
Z = ̂ X
Los valores más cercanos a 0.95 son 0.9495 y 0.9505. Tomaremos 0.9505 al cual le
corresponde
z = 1.65
0.05
Z
0 1.65
NR R
Fig. 2.4
X
X que puede ser igual a Z o t
X ̂ X S N - n 6.60 200 - 36
Z = ̂ X donde = n N -1 = 36 199 = 0.9986
47.30 - 44 3.30
Así que Z = 0.9986 = 0.9986 = 3.3046
5. SELECCIONAR UNA ALTERNATIVA.
Ahora estamos listos para aplicar la regla de decisión que nos permitirá seleccionar la
alternativa más adecuada.
EJEMPLO 2.3
Suponga que se tiene un proceso de producción de llenado de cajas de cereal del cual se
supone que el peso neto de cereal en las cajas tiene una distribución normal, y que además,
proporciona un peso neto promedio de cereal en las cajas de 2 libras.
Puesto que este proceso está sujeto a inspecciones periódicas por representantes de la
Oficina local de protección a los consumidores, quienes únicamente les interesa la “falta de
peso” en los productos, se tomó una muestra aleatoria de 6 cajas obteniendo los siguientes
pesos netos en libras.
¿Existe evidencia suficiente para decir que el proceso no está funcionando correctamente a
un nivel de significación del 1%?
donde H0 : = 2 está suponiendo que no hay disminución del peso neto promedio con
respecto a las 2 lbs mientras que la hipótesis alterna H1 : 2 supone que hay
disminución del peso neto promedio con respecto a las 2 lbs.
Observe que la prueba es de cola izquierda porque sólo nos interesan las disminuciones en
el peso neto promedio con respecto a 2.
Altenativas Hipótesis
H0: = 2 es V H1: 2 es
V
El proceso está funcionando correctamente. Correcto Error II
El proceso no está funcionando Error I Correcto
correctamente.
0.01
- 3.365 0 t
R NR
Fig. 2.5
Xi Xi 2
1.85 3.4225
2.10 4.4100
1.95 3.8025
1.83 3.3489
2.18 4.7524
1.97 3.8809
11.88 23.6172
X
Xi
11.88
1.98 lbs.
n 6
Xi 2 11.88 2
Xi 2
-
n
23.6172 -
6
S2
n -1 5
0.0948
S2 0.01896 S 0.01896 0.1377 lbs
5