Probabilidad y estadística

Nombre: Abigail Báez

Manríquez
Tema: contraste de hipótesis
Maestra:
Sofia vega paz

La hipótesis estadística es una afirmación que se hace acerca

de una o varias estadísticas de una población. Estas
características serán nuestros parámetros de distribución de
alguna probabilidad que tengamos que determinar.
En algunas ocasiones las características a estudiar no son
parámetros de una distribución que sea concreta y se dice
que as hipótesis son no paramétricas.

Mediante esta teoría de aborda el problema estadístico

considerando una hipótesis determinada Ho y una hipótesis
alternativa H1, y se intenta dimitir cual de las dos es una
hipótesis verdadera, tras aplicar el problema estadístico a un
cierto numero de experimentos. Esta fuertemente asociada al
concepto estadístico de potencia y a los conceptos de errores
de tipo 1 y 2, que definen respectivamente, la posibilidad e
tomar un suceso falso como verdadero, o uno verdadero
como falso.
La hipótesis emitida se suele designar por Ho y se llama
hipótesis nula por que parte del supuesto que la diferencia
entre el valor verdadero del paramatero y su valor hipotético
es debida al azar, es decir no hay diferencia.
Y la hipótesis contraria se designa por H1 y se llama
hipótesis alternativa.
Para llevar a cabo un contraste de hipótesis estos son los
pasos que debemos de realizar:
1.- determinar la hipótesis nula y alternativa.
2.- fijar un nivel de significación: generalmente el 0.05 (5%)
y 0.01 (1%).
3.-determinar la región típica y la región de aceptación.
4.- seleccionar una muestra y calcular el valor estadígrafo de
contraste.
5.- tomar la decisión estadística de acuerdo con el valor
experimental obtenido.
6.- Sacar conclusiones de tipo no estadístico.

Ejemplo: Supongamos que sabemos que la distribución de la

población es una normal con varianza conocida y queremos
realizar el contraste de hipótesis: H0 ≡μ = 5 H1 ≡μ = 8 Si la
varianza es conocida lo único desconocido es, entonces…
Suponiendo, por ejemplo, que la varianza es igual a 1, si
utilizamos la media muestral podemos saber su distribución
bajo la hipótesis nula y bajo la alternativa:

Bajo H0

Cuando se dice bajo H0, se refiere a las condiciones

expuestas por H0. Del mismo modo, bajo H1
Estas distribuciones están perfectamente definidas bajo las
dos hipótesis.
Ejemplos reales: Ejemplo: Estamos estudiando el efecto del
estrés sobre la presión arterial. Nuestra hipótesis es que la
presión sistólica media en varones jóvenes estresados es
mayor que 18 cm de Hg Estudiamos una muestra de 36
sujetos y encontramos que: ẋ = 18.5, S=3.6 1. Se trata de un
contraste sobre medias. La hipótesis nula (lo que queremos
rechazar) es: H0: μ = 18 2. La hipótesis alternativa: H1: μ >
18 Es un contraste lateral derecho. 3. Fijamos "a priori" el
nivel de significación en 0,05 (el habitual en Biología)
4. El estadístico para el contraste es:

Y la región crítica T>tα Si el contraste hubiera sido lateral

izquierdo, la región crítica sería Tt α/2 En este ejemplo
t*(35)0,05=1,69. 5. Calculamos el valor de t en la muestra.

No está en la región crítica (no es mayor que 1,69), por

tanto, no rechazamos H0. Otra manera equivalente de hacer
lo mismo (lo que hacen los paquetes estadísticos) es buscar
en las tablas el "valor p" que corresponde a T=0,833, que
para 35 g.l. es aproximadamente 0,20. Es decir, si H0 fuera
cierta, la probabilidad de encontrar un valor de T como el
que hemos encontrado o mayor (¿por qué mayor? Porque la
H1 es que m es mayor, lo que produciría una media muestral
mayor y por tanto mayor valor de t) es 0,20, dicho de otra
manera, la probabilidad de equivocarnos si rechazamos H0
es 0,20, como la frontera se establece en 0,05 no la
rechazamos. Otra manera equivalente de hacer lo mismo (lo
que hacen los paquetes estadísticos) es buscar en las tablas el
"valor p" que corresponde a T=0,833, que para 35 g.l. es
aproximadamente 0,20. Es decir, si H0 fuera cierta, la
probabilidad de encontrar un valor de T como el que hemos
encontrado o mayor (¿por qué mayor? Porque la H1 es que
m es mayor, lo que produciría una media muestral mayor y
por tanto mayor valor de t) es 0,20, dicho de otra manera, la
probabilidad de equivocarnos si rechazamos H0 es 0,20,
como la frontera se establece en 0,05 no la rechazamos. Este
valor crítico de 0,05 es arbitrario, pero es la convención
habitual. ¿Cuán razonable es? Problema al respecto: en la
hipótesis de que un mazo de cartas esté bien barajado, la
probabilidad de que al sacar dos cartas sean, p.e.:1 el as de
oros y 2 el rey de bastos es 1/40 x 1/39=0,000833. Si
hacemos la experiencia y obtenemos ese resultado
¿rechazaríamos la hipótesis de que el mazo está bien
barajado? ¿Cuánto se parece esto a la lógica del contraste de
hipótesis? Volvamos al problema del estrés. Como no se
rechaza H0, se puede cometer un error tipo II. ¿Cuál es b?
De hecho, sería la información relevante que comunicar en
este estudio (la probabilidad del error que se pude cometer
en él). Habitualmente, sin embargo, no se da porque los
paquetes estadísticos no la calculan. Para calcularla se debe
concretar H1, p .e. m = 20 (el criterio para este valor no es
estadístico)

β =p*(aceptar H0|H1 cierta) Supongamos que el tamaño

muestral sea suficientemente grande para poder aproximar t
a z. ¿Cuándo se acepta H0? si z £ 1,69

Es decir, Acepta H0, si: ẋ<=19.01 ¿Qué probabilidad hay de

encontrar ẋ<=19?01, si μ = 20 (zona verde del gráfico)? En
esta hipótesis lo que se distribuye como una z es: