CLASE 2 Diapositivas Inferencia Estadística PDF

DISEÑO DE EXPERIMENTOS
Inferencia estadística
CARLOS ENRIQUE CARDONA AYALA, Ing. Agrón., Ph.D.

PROFESOR TITULAR
FACULTAD DE CIENCIAS AGRÍCOLAS
UNIVERSIDAD DE CÓRDOBA
MONTERÍA, CÓRDOBA, COLOMBIA
Carlos Cardona Ayala. Introducción a la

estadística experimental 1
INFERENCIA ESTADÍSTICA
Conjunto de métodos y técnicas que permiten inducir, a

partir de una muestra, el comportamiento de una
determinada población con un riesgo de error medible en
términos de probabilidad.
Métodos paramétricos de la inferencia estadística:
➢Métodos de estimación de parámetros

➢Métodos de contraste de hipótesis.
Se basan en el conocimiento teórico de la distribución de

probabilidad del estadístico muestral que se utiliza como
estimador de un parámetro.
ESTADÍSTICO: es una función de una muestra que se utiliza

para estimar o inferir características de una población o
modelo estadístico.
ESTIMADOR: es un estadístico (esto es, una función de la
muestra) usado para estimar un parámetro desconocido de
la población.
ESTIMACIÓN: es un solo valor concreto obtenido a partir de
un estadístico.

La estimación se divide en tres grandes bloques:

1. Estimación puntual:
◼ Método de los momentos
◼ Método de la máxima verosimilitud
◼ Método de los mínimos cuadrados
2. Estimación por intervalos
3. Estimación bayesiana






Estadístico Z ( Distribución normal):





















( )
P  102  18 .3 =  = 0.05

( )
P  102  18 .3 =  = 0.05

( )
P  102  18 .3 =  = 0.05

( )
P  102  18 .3 =  = 0.05

PRUEBAS DE HIPÓTESIS : CONCEPTO DE HIPÓTESIS Y
TIPOS DE ERRORES
• Una hipótesis estadística es una afirmación que se hace sobre

uno o varios modelos probabilísticos.
• La prueba de hipótesis es el procedimiento utilizado a partir

de una muestra para juzgar si la hipótesis es factible.
• Ejemplo: el porcentaje de germinación de cierta semilla es de
90% o más, o no existe diferencia entre los promedios 1 y

2 (dos poblaciones).

PRUEBAS DE HIPÓTESIS : CONCEPTO DE
HIPÓTESIS Y TIPOS DE ERRORES
• Una hipótesis sometida a prueba por el investigador

constituye la hipótesis planteada y por lo general se le indica
como hipótesis nula H O (que incluye la opción de “no
diferencia”). Por ejemplo:
• H 0 : P  0,90 , indica que la proporción P de germinación de

cierta semilla es mayor o igual a 0,90.
• H 0 : 1 =  2 , que indica que no existe diferencia entre

las medias de dos poblaciones.
• Se le llama hipótesis alternativa a la o las hipótesis que

pueden ser aceptadas como ciertas si es que la hipótesis
planteada se rechaza por ser poco probable que resulte
verdadera.
• Por ejemplo, si un productor de semillas afirma que el

porcentaje de germinación de una semilla es  90%, entonces
la hipótesis alternativa será:
• H A : P < 90%; en este caso se dice que la prueba es de una

cola.

• Si en un ensayo interesa probar el rendimiento de un cultivo con

y sin fertilización, entonces las hipótesis serán:
• H 0 :  0 = 1
• H A : 1 > 0
• En donde  0 es el rendimiento promedio sin fertilización y  1

el rendimiento promedio con fertilización. Obsérvese que de
acuerdo a la naturaleza del problema se ha descartado la
hipótesis H A : 1 <  0 , pues se espera que el fertilizante no va
a disminuir los rendimientos.
• Si el investigador no tiene bases para descartar una de las

hipótesis alternativas, entonces la prueba será de dos colas. Por
ejemplo, al comparar el rendimiento de dos variedades
mejoradas, las hipótesis son:
• H 0 : 1 =  2
• H A : 1   2
• Esta hipótesis alternativa presenta dos opciones 1 › 2 y 1 ‹

 2 , pues no se conoce, previamente, cuál de las dos variedades
tendrá mayor rendimiento.
• La aceptación de la hipótesis alternativa tiene carácter

de prueba, pues es tomada como cierta con un pequeño
porcentaje de duda, usualmente del 1% o del 5%.
• En cambio, la aceptación de la hipótesis nula no conlleva

carácter de prueba pues carece de respaldo
probabilístico.

Situación real desconocida

Situación planteada H 0 es cierta H 0 es falsa
Decisión Aceptar H 0 Decisión Error tipo II
tomada con la correcta
muestra Rechazar H 0 Error tipo I Decisión
correcta
Con el error tipo I, se rechaza una hipótesis que es cierta y

con el error tipo II se acepta una hipótesis que es falsa.

• La probabilidad de cometer un error tipo I se designa con

 y se denomina nivel de significancia (a veces se
designa con 1 −  ); los más utilizados son 0,05 y 0,01.
• La probabilidad de cometer un error tipo II, se designa

por  .
• La bondad de una prueba se mide a través de las

probabilidades de cometer errores tipo I y II, que en
general deben ser bajas.

PASOS PARA REALIZAR LAS PRUEBAS DE
HIPÓTESIS:
i) Se plantean las hipótesis con respecto a la(s)

población (es) en estudio.
La hipótesis alternativa es la hipótesis estadística que el

investigador supone que es verdadera, mientras que la
hipótesis nula es la que supone como falsa y por lo tanto
desea rechazar.

HIPÓTESIS:
ii) Se especifica el nivel de significancia (máxima probabilidad de
cometer error tipo I que el investigador está dispuesto a aceptar).
• Son usuales valores de  = 0,05 ó  = 0,01, aunque podría

ser otro valor relativamente bajo.
• Si se rechaza al nivel  = 0,05 se dice que los resultados

muestrales son diferentes en forma significativa.
• Si se rechaza al nivel  = 0,01 se dice que el resultado de la

prueba es altamente significativo. La selección del nivel
 depende de la confianza que desee el investigador en su
prueba.

HIPÓTESIS:
iii) Se define el estadístico de prueba, cuya distribución muestral se conoce bajo

el supuesto de que la hipótesis nula es verdadera.
Los estadísticos de prueba más utilizados son los valores de la

distribución probabilística generada por el estimador una vez que se
acepta la hipótesis nula como cierta.

PASOS PARA REALIZAR LAS PRUEBAS DE HIPÓTESIS:
iii) Se define el estadístico de prueba, cuya distribución muestral se conoce bajo
el supuesto de que la hipótesis nula es verdadera.
• Los estadísticos de prueba más utilizados son los valores de la
distribución probabilística generada por el estimador una vez que
se acepta la hipótesis nula como cierta.
X − X −
t= Z=
s 
n n
2 =
(n − 1)s 2
s12
F = 2 , etc.
2 s2

HIPÓTESIS:
iv) Regla de decisión. De acuerdo con la distribución del

estadístico de prueba, se adopta una regla de decisión que
define una región de rechazo y una región de aceptación.
• La regla de decisión indica que si el valor estadístico está en la

región de rechazo, la hipótesis nula se rechaza con un nivel de
significancia  .
• Si el valor del estadístico está en la zona de aceptación,

entonces la hipótesis nula no se rechaza al nivel de significancia
 establecido.
• En ningún caso debe tomarse la hipótesis nula como verdadera,
ya que su aceptación nunca reviste carácter de prueba.
Estadístico t ( Distribución t de Student):

Estadístico t ( Distribución t de Student):



Estadístico ( Distribución Ji-cuadrado):

Estadístico ( Distribución Ji-cuadrado):

Estadístico F ( Distribución F):

HIPÓTESIS REFERENTES A LA MEDIA DE
UNA POBLACIÓN
H 0 :  = 0
H A :    0 (Prueba de dos colas)
O bien:
H 0 :  = 0
H A :  › 0 (Prueba de una cola)
O  ‹ 0

UNA POBLACIÓN
El estadístico usual es:
X − 0
t= , para muestras pequeñas
sX
X − 0
Z=
X , para muestras grandes o con  conocida

UNA POBLACIÓN: PRUEBAS DE UNA COLA
X − 0
tc = . El valor de t en las tablas que
sX
define la zona de aceptación o rechazo es t c , de este modo la región de rechazo
R es: 
R = t t  t ( n −1) , Si t  R , entonces se rechaza H ;
0
Ejemplo: el contenido promedio de aceite de una variedad de

maní es del 38%.
• A través de de un proceso de selección se obtiene una

nueva variedad y se supone que ésta presenta un
contenido de aceite superior a la variedad original.
• Se toma una muestra al azar de 60 plantas y se

determina el contendido de aceite para cada una. Con
base en los valores encontrados se tiene:
X = 42 %; s 2 = 87
• Se desea probar Carlos

si el contenido
Cardona dea laaceite ha cambiado.
Ayala. Introducción
Se plantean las siguientes hipótesis:
H 0 :  = 38
H A :  > 38
Para calcular el valor del estadístico t , primero se obtiene s X .

s2 87 42 − 38
sX = = = 1.204 ; tc = = 3.32
n 60 1.204

• Con  = 0.05 como nivel de significancia, se obtiene el

valor de t con 59 grados de libertad, t 0.05(59 ) = 1.67
• Como t c > t 0.05(59 ) , se rechaza H 0 con un nivel de

significancia del 0.05. La nueva variedad presenta un
contenido de aceite superior al de la original.
• Esta afirmación presenta un respaldo probabilístico

superior al 95%.

UNA POBLACIÓN: PRUEBAS DE DOS COLAS
Para una prueba bilateral o de dos opciones para la hipótesis
alternativa, el nivel de significancia 
se reparte en dos regiones de
rechazo. A cada cola de la distribución del estadístico corresponde un

valor .
2

La región crítica R está formada por: R = R1  R2 en donde, para

   
muestras pequeñas, R1 = t / t  −t   y R2 = t / t  t  
 2  2
Si t c  R , entonces se rechaza H 0 con un nivel de significancia de

.
Otra forma de expresar la regla de decisión es:
Rechazar H 0 si t c  t / 2
Ejemplo: una máquina desgranadora de maíz está calibrada para
procesar 60 kg por minuto. Para realizar un chequeo, se toman 10
muestras obteniéndose los siguientes valores: 58, 61, 59, 57, 60, 63,
56, 59, 58, 60. ¿Presentan los resultados evidencia suficiente para
afirmar que la máquina está desajustada? Usar  = 0.05
Las hipótesis a probar son:
H 0 :  = 60
H A :   60
Para calcular el valor de t , primero se obtiene X y sX .

X = 59.1; s = 2.025 ;
s 2.025 X −  0 59.1 − 60
sX = = = 0.64 ; tc = = = −1.40
n 10 sX 0.64
• El valor de t / 2 con 9 grados de libertad es:

t 0.025(9 ) = 2.26 .
• t c < t ( / 2 ) , no se rechaza H 0 con un nivel de significancia del
0.05. No hay razón para pensar que la máquina esté
descalibrada.

HIPÓTESIS SOBRE LA VARIANZA DE UNA
POBLACIÓN NORMAL
• La varianza es uno de los parámetros de la distribución

normal, su evaluación y prueba puede resultar de interés
cuando se estudia el grado de uniformidad alcanzado
por un proceso o una población.
• Con este parámetro también se pueden presentar

pruebas de una o dos colas, dependiendo de la
naturaleza del problema.

POBLACIÓN NORMAL

POBLACIÓN NORMAL

POBLACIÓN NORMAL
La figura muestra la ( )
P  102  18 .3 =  = 0.05

POBLACIÓN NORMAL
Ejemplo: Con el fin de establecer la variabilidad que presenta un
equipo para determinar el contenido de humedad de los cereales, se
ha preparado una muestra homogénea con un 20% de humedad. En
ciertos procesos de investigación se requiere que la desviación típica
en las condiciones sea menor de 0.5%.
• Se toman 8 lecturas con el aparato y se obtienen los siguientes

valores:
20.7, 21.9,19.3, 20.3, 19.6, 19.3, 20.6, 21.4
• Probar con un nivel de significancia  = 0.05 .

POBLACIÓN NORMAL
H 0 :  2  0.25
H A :  2 < 0.25 .
• Si se rechaza H 0 entonces se podría aceptar el equipo como
adecuado con un nivel de significancia .
2
• El valor de s en la muestra es 0.634, por lo cual:
7 * 0.634
•  =
2
0 = 17.75
0.25

POBLACIÓN NORMAL
Como la hipótesis alternativa corresponde a la cola izquierda, se debe buscar el
valor crítico de  2
en  (21− )(7 ) =  02.95(7 ) = 2.1673
Resultó que  2
0 >  (21− )(7 ) , no pertenece a la zona de rechazo y se acepta
H 0 . Se concluye que el equipo no garantiza la uniformidad requerida.

HIPÓTESIS SOBRE LA PROPORCIÓN DE UNA
POBLACIÓN
• Prueba de hipótesis referentes a la proporción de individuos que

poseen cierta característica en una población. Utilizar métodos
derivados de la aproximación a la normal (np y nq mayores que
5).
• Se utiliza como estadístico de prueba la variable Z, ya que éste

surge de una aproximación de la Binomial a la normal.

P − P0
Zc =
• p0 q0
n

HIPÓTESIS SOBRE LA PROPORCIÓN DE
UNA POBLACIÓN
Ejemplo: caso de la semilla que ha sido almacenada con un 90% de

germinación.
• Al cabo de cierto tiempo se desea saber si ha disminuido la

germinación. Se hizo una prueba con 200 semillas tomadas al
azar y se encontró un porcentaje de germinación de 87%.
• ¿Presentan evidencia estos resultados para afirmar que la

semilla ha disminuido su germinación? Usar  = 0.05
• H 0 : P = 0.90
• H A : P < 0.90

UNA POBLACIÓN
Se trata entonces de una prueba de una cola, ya que se descarta la

opción de que la semilla haya aumentado su poder germinativo.
• El estadístico de prueba es:


P − P0 0.87 − 0.90
Zc = = = −1.414
• p0 q0 0.9 * 0.1
n 200

UNA POBLACIÓN
• El valor de Z  que define la región crítica corresponde al valor

tabulado en la cola de la izquierda de la distribución normal
estándar, o sea,
• − Z = −Z 0.05 = −1.65 .
• En vista de que el valor Z C corresponde a la zona de aceptación,
entonces no se rechaza H 0 , por lo cual no existen razones

suficientes para afirmar que el porcentaje de germinación de la
semilla ha disminuido.

UNA POBLACIÓN

PRUEBAS DE HIPÓTESIS : COMPARACIÓN
DE DOS POBLACIONES
◼ Variedad mejorada vs. Variedad regional.

◼ Germinación de dos lotes de semilla.
◼ Suelos de dos regiones diferentes.
◼ Densidad de madera de dos especies
forestales.
◼ Estacas sometidas a dos reguladores de
crecimiento.
COMPARACIÓN DE DOS POBLACIONES
MEDIAS CON VARIABLES PAREADAS O DEPENDIENTES

Para una muestra de n pares de observaciones, cada par recibe los

dos tratamientos X y Y al azar:
Pares Observaciones Diferencias

1 X1 Y1 d1
2 X2 Y2 d2
3 X3 Y3 d3
. . . .
. . . .
. . . .
n Xn Yn dn

• Si se considera que los pares son independientes y s

que: X ~ N  x ,( 2
x y Y ~ )
N  y ,  2
y ( )
• La variable aleatoria D = X − Y tendrá distribución
normal: D ~ N ( d ,  d2 )
• Las diferencias d i que toma la variable aleatoria son

independientes con media:
d = E(X − Y ) =  x −  y

H 0 :  x =  y   x −  y = d = 0
H A :  x   y   x −  y = d  0
• La hipótesis alternativa podría ser también de una sola cola.

Las hipótesis referentes a medias de dos poblaciones, se
plantean como hipótesis sobre la media de una población de
diferencias d i a partir de una muestra de tamaño n extraída de
esa población:
H 0 : d = 0
H A : d  0

d − d
• tc = ; bajo la hipótesis nula H 0 :  d = 0 toma la forma:
sd
d
• tc = . Presenta distribución t con n-1 grados de libertad.
sd
• El valor del estadístico de prueba se confronta con el valor

tabulado al nivel de significancia  correspondiente.

Ejemplo: Los métodos siguientes corresponden a un trabajo que se

hizo con el objetivo de estudiar un nuevo método para determinar el
peso específico de la madera sin cortar los árboles, utilizando un
pequeño barreno. En el ensayo se tomaron 30 muestras de árboles de
Pinus patula consistentes en rodajas obtenidas a diferentes alturas;
cada rodaja se sometió a dos tratamientos, a saber:
A. Evaluación del peso específico por el método tradicional que se

realiza con base en un pequeño trozo de madera obtenido
después de cortar el árbol.
B. Evaluación del peso específico usando un pequeño barreno,

conocido como barreno Presler. Este método no requiere
derribar el árbol. Carlos Cardona Ayala. Introducción a la
Método Diferencia Método Diferencia

Rodaja A B Rodaja A B
di di
1 0.500 0.544 -0.044 16 0.541 0.507 0.034
2 0.451 0.477 -0.023 17 0.547 0.451 0.096
3 0.416 0.461 -0.045 18 0.480 0.569 -0.089
4 0.417 0.434 -0.017 19 0.561 0.584 -0.023
5 0.378 0.376 0.002 20 0.582 0.576 0.006
6 0.326 0.321 0.005 21 0.478 0.443 0.035
7 0.532 0.566 -0.034 22 0.554 0.461 0.093
8 0.471 0.517 -0.046 23 0.481 0.453 0.028
9 0.443 0.434 0.009 24 0.455 0.447 0.008
10 0.428 0.496 -0.068 25 0.491 0.438 0.053
11 0.459 0.475 -0.016 26 0.506 0.458 0.048
12 0.348 0.424 -0.076 27 0.470 0.429 0.041
13 0.593 0.554 0.039 28 0.430 0.437 -0.007
14 0.553 0.517 0.036 29 0.482 0.423 0.059
15 0.541 0.471 0.070 30 0.468 0.475 -007
Medias 0.479 0.474 0.0055
H 0 : d = 0
H A : d  0
d − d d
t =
• c ; bajo H es
tc =
sd 0 sd .
2
• Para obtener sd , se calcula primero s d ,
( d ) 2
d − n
2 i
i
s d2 = = 0.0022613
n −1

s d2 0.0022613
sd = = = 0.00868
n 30
d = 0.0055
0.0055
El valor de t c es: t c = = 0.633349
0.00868

• Como la prueba es de dos colas, el valor crítico de la

distribución de t es t / 2 .
• Para  = 0.10 con n-1=29 grados de libertad,

t 0.05(29 ) = 1.70
• t < t 0.05 . No se rechaza la hipótesis nula. Los datos no

proporcionan evidencia para afirmar que los dos
métodos difieren.

COMPARACIÓN DE VARIANZAS DE DOS
POBLACIONES
s12
• Razonable el cociente de las dos varianzas muestrales .
s 22
• Si está cercano a 1, no habrán razones suficientes para pensar que las
varianzas poblacionales  1 y
2 2

2 difieren.
• Un valor muy grande o muy pequeño estaría proporcionando evidencia de

una diferencia entre las varianzas poblacionales.
• Los fundamentos para la comparación de varianzas se apoyan en la

distribución de F.

COMPARACIÓN DE VARIANZAS DE DOS POBLACIONES.
DISTRIBUCIÓN DE F
• Sean  y  dos variables aleatorias independientes con

2 2
(m ) (n )
distribución Ji cuadrado con m y n grados de libertad,
respectivamente.
• La variable aleatoria F definida como:
 (2m ) / m
• F= 2
 (n ) / n , presenta distribución F con m y n grados de
libertad.

DISTRIBUCIÓN DE F
• Los valores de la variable aleatoria son mayores que cero.

• La forma de la distribución es asimétrica
• La asimetría disminuye con el aumento de los grados de libertad.
• Las probabilidades de la distribución F se han tabulado con

valores F0 para niveles de  tales que:
P(F  F0 ) = 

DISTRIBUCIÓN DE F
• La mayoría de tablas de F contiene valores F( m , n )

correspondientes a la cola de la derecha de la distribución.
• Si se requiere F(1− )(m ,n ) , un valor en la cola de la izquierda, se
puede aplicar:
1
F(1− )(m,n ) =
F (n,m )

DISTRIBUCIÓN DE F
Otra propiedad relaciona la distribución de F y la t .
• Sea t una variable aleatoria con distribución t de

Student con n grados de libertad.
• El cuadrado de t se distribuye como F con 1 y n grados

de libertad.
t = F1,n
2
n

COMPARACIÓN DE DOS VARIANZAS
En la comparación de dos varianzas, se supone que las poblaciones

que se estudian son normales y que las varianzas son extraídas en
forma independientes.
• Sea X 1 , X 2 ,..., X n una muestra aleatoria de una población normal, tal

que
• X ~ (
N  X ,  X2 ).
• Sea Y1,Y2 ,...,Ym una muestra aleatoria de una población normal, tal que
• Y ~ (
N  Y ,  Y2 ).
(n − 1)s (m − 1)s y2
 (2m −1)
2
•
x
 2
( n −1)
Entonces:
 2
x
~ y
 y2 ~



Ejemplo: se estudian dos métodos para determinar el

contenido de magnesio en el suelo. Por el método A, se han
realizado 14 lecturas, obteniéndose s A = 1.8 y con el método
2
B se tomaron 11 lecturas obteniéndose un valor B = 2.9 .

2
s
• Probar con un nivel de significancia  = 0.10 si las

varianzas de los métodos difieren
• H 0 :  2
A =  2
B
• H A :  
2
A
2
B Carlos Cardona Ayala. Introducción a la
1.8
Fc = = 0.6206 .
2.9
• Prueba de dos colas, los dos valores críticos:
F 0.05(13,10 )= 2.887
1 1
F0.95(13,10 ) = = = 0.3744
F0.05(10,13) 2.671
• Regla de decisión: rechazar H 0 si Fc  2.887 o si Fc  0.3744 .
• Como Fc = 0.6206 , no hay razón para afirmar que las varianzas

de los dos métodos son diferentes.

• En la prueba de dos colas, para evitar el cálculo de los dos
valores de F (a la izquierda y a la derecha de la distribución) que
definen la región de aceptación o rechazo, se puede obtener el
valor de Fc , así:
2
s mayor
Fc = 2
s menor
• Este valor se confronta con F / 2 : lado derecho de la curva.
• Si Fc > F / 2 , se rechaza H 0 con un nivel de significancia .

COMPARACIÓN DE DOS MEDIAS DE DOS POBLACIONES DE
MUESTRAS INDEPENDIENTES
1. VARIANZAS HOMOGÉNEAS Y TAMAÑOS DE MUESTRA IGUALES
• Antes de efectuar la prueba de medias deberá establecerse que

las varianzas poblacionales son homogéneas o sea
 12 = 22=  2 mediante una prueba F.
2 2
• Si las varianzas poblacionales son homogéneas, s 1 y s 2
serán estimadores del mismo parámetro  2

.
• Para efectuar la prueba de medias, se plantea la hipótesis nula:
H 0 : 1 =  2  1 −  2 =  d = 0
• Frente a una alternativa, según el problema.

• Bajo la hipótesis nula, el estadístico de prueba será:

d
tc =
sd
s12 + s 22
d = X1 − X 2 y sd = n
• Este valor se confronta con el tabulado que define las

regiones de aceptación o rechazo: t , 2 ( n −1) o t / 2 , 2 (n −1)
para las pruebas de una y dos colas, respectivamente.

Ejemplo: Para determinar el contenido de pectina en cítricos,

se tomaron muestras independientes de frutos de naranja
agria y limón y se determinó el contenido de pectina en los
desechos (albedo +bagazo):
• Naranja agria (A): 5.20, 4.29, 3.30, 4.00, 4.50, 5.50, 5.20,
5.00, 5.20, 5.73.
• Limón (B): 2.80, 5.00, 3.20, 3.01, 3.55, 3.80, 2.95, 3.52,
3.20, 3.52.
• Efectuar la prueba de promedios correspondientes, usar

 = 0.05
En primer lugar se realiza la prueba de homogeneidad de varianzas.
• H 0 :  2
A =  2
B
s A2 0.568
• H A :  
2 2 Fc = 2 = = 1.445
A B s B 0.393
• La prueba de varianzas es de dos colas. Si  = 0.10 ,

F / 2 (n1 −1,n2 −1) = F0.05(9,9 ) = 3.18 .
• Como Fc < F0.05 , se acepta H 0 , por lo cual se considera que

las varianzas son homogéneas.

• Para la prueba de promedios se plantean las hipótesis:
H0 :  A = B
H A :  A  B
• El estadístico de prueba a usar es:

XA−XB 4.79 − 3.46
tc = = = 4.29
2 2
s s 0.568 0.393
A
+ B +
n1 n 2 10 10
• Como  = 0.05 para la prueba de dos colas:

t / 2, 2 ( n −1) = t 0.025,18 = 2.10
t c > t / 2 (18) .
• Se rechaza la hipótesis nula con un nivel de significancia  = 0.05 .
• Las dos especies de cítricos tienen diferente contenido de pectina,
siendo mayor el de la naranja agria.

COMPARACIÓN DE DOS MEDIAS DE DOS POBLACIONES DE MUESTRAS
INDEPENDIENTES
2. VARIANZAS HOMOGÉNEAS Y TAMAÑOS DE MUESTRA DIFERENTES
• En este caso:  12 = 22=  2 y n1  n2 , por lo cual, se tiene

que:
d − d
1 1 
  + 
2
 n1 n2  d − d
= t
~ ( n1 +n2 − 2 )
(n − 1)(s + s )
2 2
1 1 
1 2
s c2  + 
 2 (n1 + n2 − 2 )  n1 n2 
s 2
=
(n1 − 1)s12 + (n2 − 1)s 22
n +n −2
c
1 2
INDEPENDIENTES
• Debe establecerse primero la prueba de homogeneidad de

varianzas  12 = 22=  2 .
• Luego, la hipótesis nula para la diferencia de las medias:
• H 0 : 1 =  2  1 −  2 =  d = 0
d XA−XB
tc = =
sd 1 1 
s c2  + 
 n1 n2 
Se confronta con el valor crítico de t para un nivel de
significancia  , con n1 + n2 − 2 grados de libertad.

INDEPENDIENTES
Ejemplo: Se estudiaron dos sistemas de secamiento de la madera con

respecto a los defectos que se producen en las tablas.
Para ello, se tomaron al azar 20 tablas secadas por el sistema A y 10

por el sistema B. A continuación se presenta el grado de combado en
milímetros obtenido al aplicar cada uno de los dos sistemas:
• A: 42, 40, 37, 37, 34, 37, 40, 37, 35, 38, 35, 42, 40, 39, 36, 43,
36, 43, 38, 41.
• B: 35, 40, 37, 34, 37, 40, 37, 35, 37, 42.
• Efectuar la prueba de promedios correspondiente. Usar

 = 0.05 . Carlos Cardona Ayala. Introducción a la
INDEPENDIENTES
X A = 38 .5 X B = 37 .4 n A = 20
s A2 = 7.6 s B2 = 6.5 nB = 10
En primer lugar se realiza la prueba de varianzas:
H0 : 2
A = 2
B
H A :   2
A
2
B
2. VARIANZAS HOMOGÉNEAS Y TAMAÑOS DE MUESTRA
DIFERENTES
s A2 7.6
Fc = 2 = = 1.17
s B 6.5
• El valor de F0.025(19,9 ) = 3,69 .

• En vista de que Fc < F0.025
• Se concluye que no existe evidencia para afirmar que las
varianzas son heterogéneas.

INDEPENDIENTES
• La hipótesis planteada para los promedios son:
H0 :  A = B
H A :  A  B
d XA − XB
tc = =
2 1 
sd 1
sc  + 
 n1 n2
estadística experimental  111
(n
s2 = 1
− 1)s1
2
+ (n 2 − 1)s 2
2
=
19 * 7.6 + 9 * 6.5
= 7.25
n1 + n2 − 2 20 + 10 − 2
c
d XA−XB 38.5 − 37.4

tc = = = = 1.052
sd 1 1 1 1
s  + 
2
7.25 + 
c
 n1 n2   20 10 

• Como la prueba es de dos colas se obtiene t / 2 ( n1 +n2 − 2 ) :
t 0.025(28 ) = 2.048
• Como t c < t / 2 ( 28) , el estadístico de prueba se encuentra en la

zona de aceptación.
• Se concluye que no existen razones para afirmar que los dos
métodos de secamiento de la madera produzcan efectos
diferentes frente a esa variable (grado de combado).

3. VARIANZAS HETEROGÉNEAS Y TAMAÑOS DE MUESTRA IGUALES O
DIFERENTES
• Cuando las varianzas poblacionales 

2
1 y  2
2 son diferentes,
no es posible simplificar la expresión
d − d
 12  22
+
n1 n2
(n1 − 1)s 21 + (n 2 −1)s 22
 12  22
n1 + n2 − 2
• No es posible aplicar la distribución de t como en los casos
anteriores para las pruebas de hipótesis.

INDEPENDIENTES
DIFERENTES
• Una solución formulada por Cochran (1964):
d X1−X 2
t= =
sd s 12 s 22
+
n1 n 2
• El valor de este estadístico se compara con un

*
valor de derivado de los valores tabulados, así:
t

INDEPENDIENTES
DIFERENTES
w1t1 + w2 t 2
t =
*
w1 + w2
t1 y t 2 son valores tabulados con  o o
 / 2 (dependiendo si la prueba es de una o dos colas)
con los grados de libertad n1 − 1 y n2 − 1 ,
respectivamente.
s 2
s 22
w1 = 1
w2 =
n1 n2
INDEPENDIENTES
DIFERENTES
Si los dos tamaños de muestras son iguales n1 = n2 = n , el valor de

*
t queda así:
w1t (n −1) + w2t (n −1)

t =
*
= t (n −1)
w1 + w2

DIFERENTES
Ejemplo: Se estudió la extracción de nutrientes efectuada por dos tipos

diferentes de maíz DH-205 (amarillo) Y DH-250 (blanco) en los suelos
del Valle del Cauca. Para ello, se tomaron muestras de 12 parcelas del
híbrido amarillo y 8 del blanco. Una de las variables estudiadas fue el
contenido de nitrógeno en la semilla.
• Los valores del porcentaje de nitrógeno se indican a

continuación:
• A: DH-205: 1.48, 1.49, 1.40, 1.41, 1.76, 1.75, 1.40, 1.41, 1.20,
1.20, 1.73, 1.73.
• B: DH-252: 1.23, 1.22, 1.21, 1.24, 1.37, 1.36, 1.26, 1.26.
• Efectuar la prueba de promedios correspondiente.

3. VARIANZAS HETEROGÉNEAS Y TAMAÑOS DE MUESTRA IGUALES
O DIFERENTES
X A = 1.496 ; s = 0.041
2
A
n A = 12
X B = 1.268; s B2 = 0.00384 nB = 8
En primer lugar, se realiza la prueba de comparación de varianzas:
H 0 :  A2 =  B2
s A2 0.041
H A : A2  B2 ;
Fc = 2 = = 10.67
sB 0.00384
O DIFERENTES
F0.05(11, 7 ) = 3.6 .
Fc > F0.05 .
• Se concluye que las varianzas son

heterogéneas.
• Para la prueba de promedios, las

hipótesis son:
O DIFERENTES
H0 :  A = B
H A :  A  B
El estadístico para la prueba aproximada es:
d XA−XB 1.496 − 1.268

t = = = = 3.65
sd 2
s A sB2
0.041 0.00384
+ +
n A nB 12 8

INDEPENDIENTES
DIFERENTES
El valor de comparación t* se obtiene así:
w1t1 + w2 t 2
t =
*
w1 + w2
s12 0.041
w1 = = = 0.00342
n1 12
s 22 0.00384
w2 = = = 0.00048
n2 8
t1 = t 0.025(11) = 2.20 ; t 2 = t 0.025(7 ) = 2.36

O DIFERENTES
w1t1 + w2 t 2 0.00342 * 2.20 + 0.00048 * 2.36

t =
*
= = 2.22
w1 + w2 0.00342 + 0.00048
• En vista de que t  > t se rechaza H 0 ,

*
se concluye que los dos híbridos de maíz

extraen diferente cantidad de nitrógeno del
suelo, siendo mayor el correspondiente al
hibrido amarillo DH-205.
INDEPENDIENTES
DIFERENTES
• Cuando el tamaño de las muestras es grande, se puede

utilizar el estadístico basado en la distribución normal
estándar para una prueba aproximada de promedios:
X1 − X 2
 12  22 ~ N (0,1)
+
n1 n2
• Expresión basada en el teorema central del límite, que

supone distribución aproximadamente normal para
promedios cuando los tamaños de muestra son grandes.

O DIFERENTES
 2
• Es posible aproximar en este caso los valores de 1 y
 22 para obtener el estadístico de prueba Z c .
X1 − X 2
Zc =
s12 s 22
+
n1 n2
• Las reglas de decisión son las mismas de la prueba de

t, teniendo en cuenta que, en este caso, los puntos
críticos se obtienen en la tabla de la distribución normal
estándar. Carlos Cardona Ayala. Introducción a la
3. VARIANZAS HETEROGÉNEAS Y TAMAÑOS DE MUESTRA
IGUALES O DIFERENTES
Ejemplo: para estudiar diferentes defectos ocasionados a la

madera bajo dos sistemas de secamiento, se tomaron 50
tablas de Eucalipto, que fueron sometidas a secamiento al
aire (A) y 42 fueron sometidas a secamiento al horno (B). Uno
de los defectos evaluados fue el grado de abarquillado,
expresado en cm.
• Los valores obtenidos fueron:
X A = 1.8434 ; s = 0.2669
2
A n A = 50
X B = 1.2879 ; s = 0.7475 nB = 42
Carlos2Cardona Ayala. Introducción a la
Bestadística experimental 126
INDEPENDIENTES
DIFERENTES
Como el tamaño de las muestras es relativamente

grande, es posible utilizar Z c :
H 0 :  A = B ; H A :  A  B
X1 − X 2 1.8434 − 1.2879
Zc = = = 4.07
2 2
s s 0.2269 0.5587
1
+ 2 +
n1 n2 50 42

O DIFERENTES
El valor de Z  / 2 (la prueba es de dos colas), para

 = 0.05 es:
Z 0.025 = 1.96
Z c  R , entonces se rechaza H 0 .
Se puede afirmar que el sistema de secamiento al aire
presenta un mayor grado de abarquillado que el
sistema de secamiento al horno.


CLASE 2 Diapositivas Inferencia Estadística PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

CLASE 2 Diapositivas Inferencia Estadística PDF

Cargado por

Copyright:

Formatos disponibles

DISEÑO DE EXPERIMENTOS

CARLOS ENRIQUE CARDONA AYALA, Ing. Agrón., Ph.D.

Carlos Cardona Ayala. Introducción a la

Conjunto de métodos y técnicas que permiten inducir, a

➢Métodos de estimación de parámetros

Se basan en el conocimiento teórico de la distribución de

ESTADÍSTICO: es una función de una muestra que se utiliza

Carlos Cardona Ayala. Introducción a la

La estimación se divide en tres grandes bloques:

Carlos Cardona Ayala. Introducción a la

Carlos Cardona Ayala. Introducción a la

Carlos Cardona Ayala. Introducción a la

Carlos Cardona Ayala. Introducción a la

Carlos Cardona Ayala. Introducción a la

Carlos Cardona Ayala. Introducción a la

Carlos Cardona Ayala. Introducción a la

Carlos Cardona Ayala. Introducción a la

Carlos Cardona Ayala. Introducción a la

Carlos Cardona Ayala. Introducción a la

Carlos Cardona Ayala. Introducción a la

Carlos Cardona Ayala. Introducción a la

Carlos Cardona Ayala. Introducción a la

Carlos Cardona Ayala. Introducción a la

Carlos Cardona Ayala. Introducción a la

Carlos Cardona Ayala. Introducción a la

Carlos Cardona Ayala. Introducción a la

Carlos Cardona Ayala. Introducción a la

Carlos Cardona Ayala. Introducción a la

Carlos Cardona Ayala. Introducción a la

Carlos Cardona Ayala. Introducción a la

Carlos Cardona Ayala. Introducción a la

Carlos Cardona Ayala. Introducción a la

Carlos Cardona Ayala. Introducción a la

Carlos Cardona Ayala. Introducción a la

Carlos Cardona Ayala. Introducción a la

Carlos Cardona Ayala. Introducción a la

Carlos Cardona Ayala. Introducción a la

Carlos Cardona Ayala. Introducción a la

Carlos Cardona Ayala. Introducción a la

Carlos Cardona Ayala. Introducción a la

• Una hipótesis estadística es una afirmación que se hace sobre

• La prueba de hipótesis es el procedimiento utilizado a partir

• Ejemplo: el porcentaje de germinación de cierta semilla es de

90% o más, o no existe diferencia entre los promedios 1 y

Carlos Cardona Ayala. Introducción a la

• Una hipótesis sometida a prueba por el investigador

• H 0 : P  0,90 , indica que la proporción P de germinación de

• H 0 : 1 =  2 , que indica que no existe diferencia entre

• Se le llama hipótesis alternativa a la o las hipótesis que

• Por ejemplo, si un productor de semillas afirma que el

• H A : P < 90%; en este caso se dice que la prueba es de una

Carlos Cardona Ayala. Introducción a la

• Si en un ensayo interesa probar el rendimiento de un cultivo con

• En donde  0 es el rendimiento promedio sin fertilización y  1

• Si el investigador no tiene bases para descartar una de las

• Esta hipótesis alternativa presenta dos opciones 1 › 2 y 1 ‹

• La aceptación de la hipótesis alternativa tiene carácter

• En cambio, la aceptación de la hipótesis nula no conlleva

Carlos Cardona Ayala. Introducción a la

Situación real desconocida

Con el error tipo I, se rechaza una hipótesis que es cierta y

Carlos Cardona Ayala. Introducción a la

• La probabilidad de cometer un error tipo I se designa con