Prueba de hipótesis para comparar medias aritméticas en muestras

independientes o relacionadas.
1. Comparación de dos Muestras
A. muestras independientes y muestras relacionadas

Un ejemplo nos ayudará a introducir una técnica frecuentemente utilizada en

bioestadística con el fin de eliminar fuentes de variabilidad en los resultados del
experimento.
Imaginemos que deseamos contrastar la eficacia de un fármaco en el
tratamiento de la hipertensión en una cierta población de individuos
hipertensos. La presión sanguínea sistólica (PSS) media en esa población es
una cierta cantidad desconocida µ1 y cabe pensar que si a esa población se le
administrase el citado fármaco la PSS media de la población quedaría,en
principio, modificada y pasaría a ser una cierta cantidad µ2. Se pretende
contrastar la hipótesis nula H0 : µ1 = µ2 (que viene a significar que el fármaco
no tiene efectos significativos sobre la PSS de la población) contra la hipótesis
alternativa H1 : µ1 6= µ2. Con ese objetivo seleccionamos al azar 20 individuos
de la población. A partir de aquí podemos
Considerar dos posibles diseños del experimento:
a) Muestras independientes: La primera consiste en aplicar el fármaco a
un subgrupo de 10 individuos (que llamaremos grupo de tratamiento)
mientras que con los 10 restantes se forma el que llamaremos grupo de
control y no recibirán el tratamiento; al cabo de un tiempo prudencial se
tomará la PSS de los 20 individuos y se compararán los resultados
obtenidos para ambos grupos. Se trata, en realidad, de dos muestras
independientes extraídas de la población una de las cuales recibió el
tratamiento y la otra no.

b) Muestras relacionadas: Una segunda planificación consiste en

determinar la PSS a los 20 individuos antes y después de aplicarles el
tratamiento a todos ellos. En este segundo caso los datos aparecen por
parejas: PSS antes y PSS después para cada individuo. Se habla
entonces de muestras relacionadas o muestras apareadas.

2. Comparación de dos varianzas

Más interesante es el problema de comparación de dos medias, pero
comenzaremos abordando el problema de contrastar dos varianzas debido,
además del interés que tiene el problema en sí mismo, a que en el problema de
comparar dos medias uno de los métodos que describiremos (concretamente,
el test de Student de comparación de dos medias) hace uso de la hipótesis de
igualdad de varianzas de las dos poblaciones consideradas. Esa hipótesis
podría quedar justificada si al menos, en un test de comparación de varianzas,
no hemos podido rechazar la hipótesis de homogeneidad de las mismas
Ejemplo :
. Se desea comparar la variabilidad de dos métodos de medida de la catalasa
en úteros de ratas tras dos tratamientos diferentes A y B. Para ello se han
seleccionado dos grupos de 15 y 13 ratas, respectivamente, y se ha
determinado la catalasa con el primer método en el primer grupo y con el
segundo método en el segundo. Los datos del primer grupo se han resumido
en su media x¯ = 46.09 y su desviación típica S1 = 8.16, y los del segundo en
su media y¯ = 20.26 y su desviación típica S2 = 4.9. Nos preguntamos si las
varianzas tras ambos tratamientos se pueden considerar iguales.
Describimos a continuación el procedimiento que seguiremos para resolver el
problema:
a) Estructura estadística: Disponemos de dos muestras x1, ..., xm e y1, ...,
yn de dos poblaciones. Los datos se resumen en las medias muestrales
x¯ e y¯ y en las desviaciones típicas muestrales S1 y S2. Supondremos
que las dos muestras observadas son independientes, que la primera
muestra se extrae de una distribución normal de media µ1 y varianza σ
2 1 y que la segunda se extrae de una distribución normal de media µ2
y varianza σ 2 2 .

b) Hipótesis: Consideremos primero el problema bilateral

c) Estadístico de contraste. Su distribución bajo la hipótesis nula:

Usaremos el estadístico de contraste

Su distribución supuesta cierta la hipótesis nula, es la distribución F(m −1, n−1)

de Fisher con (m − 1, n − 1) grados de libertad.
d) Regla de decisión: Fijaremos el nivel de significación α = 0.05. De
acuerdo con lo dicho, la región de aceptación del test será de la forma
C1 ≤ F ≤ C2
pues tanto valores demasiado grandes como demasiado pequeños de F
indican una diferencia significativa entre las varianzas muestrales de ambas
muestras. Las constantes C1 y C2 dependen del nivel de significación α
elegido y de la distribución de F bajo la hipótesis nula

REFERENCIAS BIBLIOGRAFICAS
1. GARCÍA NOGALES, A. (2011) Elementos de bioestadística. Universidad
de Extremadura, Servicio de Publicaciones.
2. CAMACHO, J. (2000) Estadística con SPSS versión 9 para Windows