Paso 3 Actividad sobre prueba de hipótesis

Por:
Tania Marcela Diaz Rodríguez. Código:
Diosmel Junior Angarita Cervantes. Código:
Daniel Antonio Sánchez. Código: 78078323
Elver Ariel Vega. Código:
Jeferson Andres Ortiz Ordoñez Cód. 1083907672

Grupo: 551112_7

Curso:
Inferencia Estadística

Presentado a:

Víctor Manuel Mendoza

Universidad Nacional Abierta Y A Distancia UNAD

Escuela Ciencias De La Educación
Licenciatura En Matemáticas
30 de noviembre de 2020
 Introducción

El presente documento, realiza un estudio de elementos estadísticos importantes como

son los métodos paramétricos y no paramétricos, los cuales son de gran uso a la hora de hacer un

análisis sobre una muestra y tener que destacar diferentes particularidades de dicha situación.

Estos procedimientos, demuestran hipótesis, manifiestan estadísticamente datos que sirven de

base para entender la muestra analizada.

Ahora bien, estos métodos, presentan diferenciaciones que los individualizan y por ende,

crean ventajas y desventajas del uno sobre el otro, lo cual ayuda al investigador para poder

seleccionar el más pertinente según el problema, objeto de estudio.

Por esta razón, también se hará referencia sobre las bondades o fortalezas de cada método

y así poder visualizar si la parametría es mejor que la no parametría o viceversa.

.
 Parte A

1. Realizar un análisis sobre los métodos de inferencia paramétricos y no paramétricos

identificando sus ventajas y desventajas en términos de la información muestral.

MÉTODOS PARAMÉTRICOS Y NO PARAMÉTRICOS

Los métodos paramétricos, hacen parte de la estadística, y según los datos conceptuales

se basan en el conocimiento de las distribuciones muestrales, así como la diferenciación de

promedios o porcentajes, sobre todo cuando las muestras provienen de una misma población. De

manera general, esos métodos se estiman los parámetros de las poblaciones de origen.

Ahora bien, cuando por el escaso número de observaciones, o por el nivel de medición de

las variables, no es correcto o no es posible hacer supuestos sobre las distribuciones muestrales

subyacentes, en tales casos se usan los métodos no paramétricos o de distribución libre.

De esta manera, cada uno de estos métodos presenta particularidades distintas,

estableciendo ventajas el uno sobre el otro. Por ejemplo, los métodos paramétricos, se aplican en

muestras de gran tamaño, mientras que los no paramétricos se usan en muestras pequeñas. Los

paramétricos, se usan en variables de tipo normal o intervalo, mientras que los no paramétricos

sólo se permiten en variables categóricas.

Así mismo, los paramétricos parten de una distribución normal, por el contrario, los no

paramétricos se desconoce la distribución de los datos. De igual manera, el paramétricos, no

considera valores perdidos como fuente de información, mientras que el no paramétrico asume

los valores perdidos como fuente de información.

 Todo esto, nos deja ver que el paramétrico ofrece muchas ventajas, pues se utiliza con

muestras grande y trata de ser muy formal y racional. No obstante, desconoce algunos elementos

que se pueden usar a la hora de analizar una muestra, pues no siempre se cuenta con todos los

datos claramente, y es ahí, donde los métodos no paramétricos, cumplen una función importante

y ofrecen una gran ventaja, debido a que ellos trabajan con estas particularidades.

Si el tamaño de la muestra es muy pequeño, puede no haber otra opci6n que usar

una prueba estadística no paramétrica, a menos que la naturaleza de la distribución de la

población se conozca con exactitud.

VENTAJAS DE LOS MÉTODOS PARAMETRICOS

Más poder de eficiencia.

Más sensibles a los rasgos de los datos recolectados.

Menos posibilidad de errores.

Robustas (dan estimaciones probabilísticas bastante exactas).

DESVENTAJAS DE LOS MÉTODOS PARAMETRICOS

·      Más complicadas de calcular.

·      Limitaciones en los tipos de datos que se pueden evaluar.

VENTAJAS DE LAS PRUEBAS NO PARAMÉTRICAS

·      Más poder de eficiencia.

·      Más sensibles a los rasgos de los datos recolectados.

·      Menos posibilidad de errores.

·      Robustas (dan estimaciones probabilísticas bastante exactas).

 DESVENTAJAS DE LAS PRUEBAS NO PARAMÉTRICAS

·     No son sistemáticas.

·     Se les relaciona con la conveniencia, esto se debe a que no se tiene una    distribución

fija para este tipo de estadística por lo que en ocasiones puede ser un problema el elegir la

adecuada.

·     Las tablas necesarias para aplicar las pruebas no paramétricas están muy difundidas y

aparecen en diferentes formatos, lo que podría ocasionar alguna confusión en el investigador ó la

persona que esté aplicando alguna prueba no Paramétrica.

2. Consultar la definición, propiedades, cuando o para qué se utiliza de las

siguientes palabras:

 Prueba estadística, hipótesis y parámetros poblacionales.

Prueba estadística 

Una prueba estadística es una forma de evaluar la evidencia que los datos proporcionan

para probar una hipótesis. Esta hipótesis se denomina hipótesis nula, y suele denominarse H0.

Bajo H0, los datos se generan mediante procesos aleatorios. En otras palabras, los procesos

controlados (las manipulaciones experimentales, por ejemplo) no afectan a los datos.

Normalmente, H0 establece la igualdad (entre las medias, o entre las varianzas, o entre un

coeficiente de correlación y cero,

 Prueba de hipótesis

Una prueba de hipótesis es una regla que especifica si se puede aceptar o rechazar una

afirmación acerca de una población dependiendo de la evidencia proporcionada por una muestra

de datos.

Una prueba de hipótesis examina dos hipótesis opuestas sobre una población: la hipótesis

nula y la hipótesis alternativa. La hipótesis nula es el enunciado que se probará. Por lo general, la

hipótesis nula es un enunciado de que "no hay efecto" o "no hay diferencia". La hipótesis

alternativa es el enunciado que se desea poder concluir que es verdadero de acuerdo con la

evidencia proporcionada por los datos de la muestra.

Características

Siempre es sobre parámetros (características poblacionales).

El juego de hipótesis es de dos, la H 0, llamada "nula" y la H a, o "alternativa".

El investigador solamente puede fijar la probabilidad del Error Tipo I.

Supone temporalmente que la H 0  es cierta.

La decisión se basa en los estimadores de los parámetros que se calculan con la

información muestral.

Elementos de una prueba estadística

1. Hipótesis nula, H 0

2. Hipótesis alternativa, H a

3. Estadístico de prueba
 4. Región de rechazo

Parámetros poblacionales

Para aproximarnos a estos conceptos, podríamos considerar que los valores de las

características de la población diana se denominan parámetros. La tensión arterial sistólica, la

glucemia basal, el índice de masa corporal, etc., en la población son características de esa

población que pueden cuantificarse a través de parámetros poblacionales (por ejemplo, media de

la tensión arterial sistólica).

Estos valores poblacionales son habitualmente desconocidos y su cuantificación no es

abordable al requerir el estudio de poblaciones amplias.

Cuando en una muestra de individuos de la población diana medimos el valor de estas

características, podemos comunicarlo como un estimador (por ejemplo, media de tensión arterial

sistólica en la muestra).

La inferencia estadística nos permite aproximarnos al verdadero valor del parámetro

poblacional (característica en la población) a partir del valor del estimador muestral

(característica en la muestra).

Total, poblacional de una característica X.

Se define como la suma del valor de dicha característica en todos los elementos de la

población; se representa como X de forma que podemos expresarlo:

 Hipótesis de investigación, hipótesis alternativa, hipótesis nula, ¿Cómo usamos esos

datos para decidir entre la hipótesis nula y la hipótesis alternativa?

Hipótesis de investigación:

Es una afirmación o conjetura acerca de un parámetro de una o más poblaciones y que

está sujeta a verificación.

Prueba de hipótesis:

Procedimiento basado en evidencia de la muestra y de la teoría de probabilidades para

determinar si la hipótesis es una afirmación razonable.

Hipótesis nula:

Es cualquier hipótesis que se desea probar, se denota como H0

Hipótesis alternativa:

Es la hipótesis que se acepta cuando la hipótesis nula es rechazada, se denota como H1.

¿Cómo usamos esos datos para decidir entre la hipótesis nula y la hipótesis

alternativa?

Al momento de tener una evidencia suficiente para aceptar o rechazar ya sea la hipótesis

nula o alternativa, debemos tener en cuenta un desarrollo de pasos:

1. Se establece la hipótesis nula y la hipótesis alternativa

2. Se selecciona un nivel de significancia para la prueba

3. Se identifica el estadístico de prueba

4. Se formula una regla para tomar decisiones

 5. Se toma una muestra y se llega a una decisión: se acepta o se rechaza la

hipótesis nula.

De igual forma tener presente otras definiciones importantes para el desarrollo de la

actividad propuesta como lo son:

Nivel de significancia:

Es la probabilidad de rechazar la hipótesis nula cuando es verdadera y se denota por α

Error tipo I:

Se comete cuando se rechaza una hipótesis que es correcta y se denota por α

Error tipo II:

Se comete cuando se acepta una hipótesis que es incorrecta y se denota por β

Decisiones con respecto a H0

Se acepta Se rechaza
Hipótesis Nula (H0)

Verdader Decisión Error

a correcta Tipo I
Error Decisión
Falsa
Tipo II correcta
Tabla 1: Error tipo I y Error tipo II

 Estadístico de prueba

Un estadístico de prueba es una variable aleatoria que se calcula a partir de datos de

muestra y se utiliza en una prueba de hipótesis. Puede utilizar los estadísticos de prueba para
determinar si puede rechazar la hipótesis nula. El estadístico de prueba compara sus datos con lo

que se espera bajo la hipótesis nula. El estadístico de prueba se utiliza para calcular el valor p.

Un estadístico de prueba mide el grado de concordancia entre una muestra de datos y la

hipótesis nula. Su valor observado cambia aleatoriamente de una muestra aleatoria a una muestra

diferente. Un estadístico de prueba contiene información acerca de los datos que es relevante

para decidir si se puede rechazar la hipótesis nula. La distribución del muestreo del estadístico de

prueba bajo la hipótesis nula se denomina distribución nula. Cuando los datos muestran

evidencia clara en contra de los supuestos de la hipótesis nula, la magnitud del estadístico de

prueba se vuelve demasiado grande o demasiado pequeña dependiendo de la hipótesis

alternativa. Esto hace que el valor p de la prueba se vuelva lo suficientemente pequeño como

para rechazar la hipótesis nula.

 Nivel de prueba

Nivel de prueba es el grupo de actividades que están organizadas y gestionadas de forma

conjunta. Un nivel de prueba está vinculado con las responsabilidades en un proyecto. Ejemplos

de niveles de pruebas son las pruebas de componente, pruebas de integración, pruebas de sistema

y pruebas de aceptación.

Bondad de una prueba

Las pruebas de bondad de ajuste son pruebas de hipótesis para verificar si los datos

observados en una muestra aleatoria se ajustan con algún nivel de significancia a determinada

distribución de probabilidad (uniforme, exponencial, normal, poisson, u otra cualquiera).

Parte B
 Realizar los siguientes ejercicios presentando el paso a paso del desarrollo y justificar los

resultados.

1. Se sabe que la proporción de artículos defectuosos en un proceso de

manufactura es de 0.15. El proceso de vigila en forma periódica tomando muestras

aleatorias de tamaño 20 e inspeccionando las unidades. Si se encuentran dos o más

unidades defectuosas en la muestra, el proceso se detiene y se considera como “fuera de

control”.

a. Enunciar las hipótesis nula y alternativa apropiadas.

b. Obtener la probabilidad del error tipo I.

c. Obtener y graficas la función de potencia para los

siguientes valores aleatorios de la proporción de artículos defectuosos:

0,06, 0.08, 0.1, 0.15, 0.2 y 0.25

En esta afirmación se debe determinar

En las pruebas de hipótesis se debe comprobar, con base en los resultados obtenidos en

una muestra, si el valor verdadero de una proporción es igual a una constante determinada.

En el caso de una sola proporción (P) las hipótesis son

Hipótesis nula:

H0 = P = p0

donde p0 es la constante determinada

Hipótesis alternativa: Se tienen las tres siguientes posibilidades

 H1 = P > p0

Donde:

n=2
P=0.15 Q=0.85
0
Solución a:

H0: p=0,15

H1: p>0.15

Solución b:

Error tipo I

α = P (rechazar h0 / H0 es correcta)

20
∝=∑ 20 ( 0,15 ) ( 0,85 )
x 20−x

2 x ( )
Al realizar el cálculo, el resultado es

∝=0,824

Solución c:

Para p = 0,06

20
∝=∑ 20 ( 0,06 ) ( 0,94 )
x 20−x

2 x ( )
Al realizar el cálculo, el resultado es

∝=0,3395

Para p = 0,08
 20
∝=∑ 20 ( 0,08 ) ( 0,92 )
x 20− x

2 x ( )
Al realizar el cálculo, el resultado es

∝=0,4831

Para p = 0,1

20
∝=∑ 20 ( 0,1 ) ( 0,9 )
x 20− x

2 x ( )
Al realizar el cálculo, el resultado es

∝=0,6083

Para p = 0,2

20
∝=∑ 20 ( 0,2 ) ( 0,8 )
x 20− x

2 x ( )
Al realizar el cálculo, el resultado es

∝=0,9308

Para p = 0,25

20
∝=∑ 20 ( 0,25 ) ( 0,75 )
x 20−x

2 x ( )
Al realizar el cálculo, el resultado es

∝=0,9757
 Imagen. Gráfica la función potencia para los valores del literal c

2. Una muestra aleatoria de 100 muertes registradas en Estados Unidos

durante el año pasado mostro una vida promedio de 71.8 años. Suponiendo una

desviación estándar poblacional de 8.9 años y un nivel de significancia de 0.05. ¿Es

apropiado indicar que la vida promedio hoy en día es mayor que 70 años? Justifique

su respuesta.

Rpta.

El promedio es mayor de 70

Sea

μ=vida promedio

σ =desviación estándar

α =nivel de significancia
 μ=71,8; σ=8,9 ; α =0,05 ; n=100

H 0 :μ=70

H 1 : μ> 70

71,8−70 1,8
z= =
8,9 0,89
√100
z=2,022

z 1−0,05=z 0,95=1,64

z > z 1−¿ α ; rechazar H 0 ¿

El promedio es mayor de 70

3. Para justificar su petición de aumento de salario, los empleados del Depto. de

despachos de una firma de ventas por correo, sostienen que en promedio el Depto.

completa una orden en 13 min. Si Ud. es el gerente general de firma, Que conclusión

obtiene si en una muestra de 400 órdenes, da un tiempo medio de terminación del pedido

de 14 min, con una desviación estándar de 10 min y un nivel de significancia del 0.05.

Rpta.

Sea

μ=13 min; H 1 ::μ >13 min

n=400

x́=14 min

s=10 min
 14−13 1
z= = =2
10 10
√ 400 20

z 1−¿α =z 0,95=1,64 ¿

z > z 1−¿ α ; rechazar H 0 ¿

El tiempo es mayor que 13

Ejercicio 4

La cantidad promedio que se coloca en un recipiente en un proceso de llenado se supone que

es de 20 onzas. En forma periódica, se escogen al azar 25 recipientes y el contenido de cada uno de

éstos se pesa. Se juzga al proceso como fuera de control cuando la media muestral 𝑋̅ es menor o igual

a 19.8 o mayor o igual a 20.2 onzas. Se supone que la cantidad que se vacía en cada recipiente se

encuentra aproximada, en forma adecuada, por una distribución normal con una desviación estándar

de 0.5 onzas. a. Enunciar las hipótesis nula y alternativa que son propias para esta situación. b.

Obtener la probabilidad del error de tipo I. c. Obtener y graficas la función de potencia para los

siguientes valores medios de llenado: 19.5, 19.6, 19.7, 19.8, 19.9, 20.0, 20.1, 20.2, 20.3, 20.4 y 20.5.

Respuesta:

Ejercicio 5

La media de llenado de las cajas de un cereal determinado en una empresa de

empacados es de 368 gr. El proceso es tan rápido que en algunas cajas hay excesos y en otras
hay faltante. Supóngase que en una muestra de 25 cajas la desviación estándar de la

población es de 15 gr. Y la media muestral es de 372.5 gr. Se rechaza o se acepta la prueba de

hipótesis nula, teniendo en cuenta un nivel de significancia del 5%. Es equivalente al

Intervalo de confianza del 95%.

Respuesta:

Es aprobada la prueba de Hipótesis Nula

Procedimientos:

Para el desarrollo de este ejercicio se presenta de la siguiente manera

Tenemos de hipótesis nula H 0=μ :368 gr

5%
Los datos del nivel de significancia 5% = 0,05 colas: =2,5 %=0,025
2

Estadístico de prueba X : 372,5 n = 25 σ =15

La desviación estándar
 σ 15
σ x= = =3 gr
√ n 25

Para A = 0,025 El valor de las unidades es Z = −¿ + ¿¿

¿ 1,96

Intervalo critico -1,96 ¿ Z ¿ +1,96

Se procede a calcular los limites

Z1 = -1,96 x cR =μ −¿
+ ¿¿
¿ zσx

x 1cR=¿ 368 – (1,96) (3)

x 1cR=¿ 362,2

Y para

Z2 = 1,96 x 2cR =¿ 368 + (1,96) (3)

x 2cR =¿ 373,88

Y en la media los valores críticos en intervalo

362,12 ≤ μ ≤373,88

Dado que si tenemos que la media muestral es de 372,5 entonces verifiquemos si acepta o

no acepta

X−μ 372,5−368
Z= = reemplazamos =+1,5
σx 3

Por lo cual los resultados obtenidos no se rechazan siendo

Z = 1,5 ¿ 1,96
 H 0=μ :368 gr

Conclusión

El trabajo realizado anteriormente, cuya temática giró en torno a los métodos

paramétricos y no paramétricos, fue de gran valor y trascendencia, en la medida que se pudo

conocer más del tema en cuestión, destacando sus características, ventajas y desventajas, lo cual

facilitó una mayor comprensión conceptual del tema.

De la misma forma, la indagación de los interrogantes planteados, asi como la

información conocida del tema, fortaleció el aprendizaje grupal e individual, facilitando asi un

proceso enriquecedor tanto de teoría como de práctica, en el que todos aprendimos de manera

recíproca.

Finalmente, hay que decir que fue un trabajo cargado de muchas enseñanzas, tanto en el

campo teórico como personal, pues la estadística, es un eje de investigación sumamente

importante en el mundo matemático, y que normalmente se puede usar en la cotidianidad.

Además, la estrategia de trabajo en equipo promueve la tolerancia, el respeto, etc.

 Referencias bibliográficas

Abreu, J. (2012). Hipótesis, método & diseño de investigación (hypothesis, method & research

design). Daena: International Journal of Good Conscience, 7(2), 187-197. Recuperado de

http://www.spentamexico.org/v7-n2/7(2)187-197.pdf

Ostle, B. (1981). Estadística aplicada. Limusa. Recuperado de

http://dspace.ucbscz.edu.bo/dspace/bitstream/123456789/4390/1/678.pdf

Wackerly, D., Mendenhall, W., & Scheaffer, R. (2009). Wackerly, D.D. and Mendenhall, W. and

Scheaffer, R.L. Estadística Matemática Con Aplicaciones, Séptima Edición, Cengage

Learning. Recuperado de https://docs.google.com/viewer?

a=v&pid=sites&srcid=Y2llbmNpYXMudW5hbS5teHxtLWVzdGFkaXN0aWNhMXkyf

Gd4OjQyZDI5ZDE1ZjE2MjhhNzg

Maestro Gustavo. (7 de marzo de 2016). Prueba de hipótesis. [Archivo de video]. Recuperado de

https://www.youtube.com/watch?v=tCLeJCuBSZM

Gabriel Leandro. (31 de agosto de 2017). Estadística prueba de hipótesis. [Archivo de video].

Recuperado de https://www.youtube.com/watch?v=5ZvKgnRVSjI&t=637s

Wackerly, D.D. and Mendenhall, W. and Scheaffer, R.L. (2009), Estadística Matemática Con

Aplicaciones, Séptima Edición, Cengage Learning. Recuperado de

https://www.cimat.mx/ciencia_para_jovenes/bachillerato/libros/[Wackerly,Mendenhall,S

cheaffer]Estadistica_Matematica_con_Aplicaciones.pdf

Nivel de prueba, recuperado de:https://www.globetesting.com/nivel-de-prueba/#:~:text=Nivel

%20de%20prueba%20es%20el,sistema%20y%20pruebas%20de%20aceptaci%C3%B3n.
Estadístico de prueba, recuperado de: https://support.minitab.com/es-mx/minitab/18/help-and-

how-to/statistics/basic-statistics/supporting-topics/basics/what-is-a-test-

statistic/#:~:text=Un%20estad%C3%ADstico%20de%20prueba%20es,espera%20bajo

%20la%20hip%C3%B3tesis%20nula.

Bondad de una prueba recuperado de: http://dcb.fi-

c.unam.mx/profesores/irene/Notas/PruebaBondad.pdf