Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tema0012 Resaltado
Tema0012 Resaltado
pasa nada", “todo sigue igual” ... generalmente a partir de indicios previos:
Habitualmente se formula de manera sencilla y "pasa algo", “las cosas han cambiado” …
bajo ella el modelo es más simple. Suele representar un modelo más complejo,
Las hipótesis se plantean antes de obtener la muestra. Si se plantean las hipótesis a la medida de la
muestra obtenida previamente, las decisiones serán sesgadas y los riesgos no se pueden evaluar.
Tema 12. Contrastes de Hipótesis. 210
ESTADÍSTICA
GRADOS EN INGENIERÍA MECÁNICA, INGENIERÍA QUÍMICA E
INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL
El principio que se aplica para justificar esta simplificación es que si una regla de decisión es capaz de
distinguir la frontera de H0, 0 , frente a los valores de H1, por ejemplo 0 , la misma regla
distinguiría más fácilmente el resto de valores de H0 por estar más alejados de H1 que el valor
frontera.
Ejemplo: Un producto limpiador debe contener en promedio al menos 25 gr. por unidad de un
determinado componente para ser eficaz, pero se sospecha por las muchas quejas de los
consumidores que el proceso de fabricación sufre algún desajuste y que esa cantidad está siendo
menor en promedio. Para estudiar la veracidad de esta sospecha, se toman n muestras del producto y
en cada caso se mide la cantidad de ese componente X i , i 1, 2 , , n . En este caso, el contraste de
hipótesis es:
H 0 : 25 el peso está bien; la sospecha es infundada y no hace falta actuar
H 1 : 25 el peso efectivam ente ha caído; es necesario m odificar el proceso
y, lógicamente, como estadístico de contraste utilizaremos X .
La región crítica estará formada por valores bajos de X
C X k
Cuanto menor sea X más indicios hay para creer que ha disminuido (H1) y poder rechazar H0.
Como conocemos la distribución de X para cada valor de , podremos valorar los riesgos asociados
a la toma de decisiones. Por ejemplo
P C H P X k 25
0
Ejemplo: Dos líneas de envasado de embutido, A y B, están destinadas a la fabricación del mismo
producto. Recientemente se han observado ciertas diferencias llamativas de peso entre los embutidos
y se achaca a una posible deficiencia en la presión que aplica alguna de las máquinas envasadoras.
Se toman muestras de ambas máquinas y se pesan los embutidos.
El contraste a realizar es
H 0 : A B las dos líneas van igual
H1 : A B hay diferencias significativas entre la dos líneas; hay que revisar los procesos
Lógicamente, como estadístico de contraste utilizaremos X A X B
La región crítica estará formada por valores
C XA XB k
Cuanto más alejado de 0 esté X A X B más indicios hay para pensar que A B y rechazar H0.
Como conocemos las distribuciones de X A X B , podremos valorar los riesgos asociados a la toma
de decisiones. Por ejemplo
X XB k
P C H P A
0 2
1
Una regla de decisión ideal cumpliría: = = 0, pero tal regla no existe. Tenemos que conformarnos
con tratar de que y sean pequeños.
Problema: y no se pueden hacer pequeños a la vez para una muestra fija. Si disminuimos uno
de ellos, el otro necesariamente aumenta.
La elección adecuada del tamaño muestral SÍ nos permite conseguir que ambos errores sean tan
pequeños como queramos.
Tema 12. Contrastes de Hipótesis. 217
ESTADÍSTICA
GRADOS EN INGENIERÍA MECÁNICA, INGENIERÍA QUÍMICA E
INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL
23 25
C X k k C X k
R.C. rechazo H0 | R.A. no rechazo H0
21 25
C X k k C X k
Observar que cuanto más separado está el posible valor de H1 de H0 más fácil es realizar el
contraste con éxito. Es decir, se puede encontrar un valor crítico k que defina una Región Crítica C
con errores y pequeños simultáneamente.
23 25
C X k k C X k
Observar que el aumento del tamaño muestral disminuye la varianza del estadístico, lo que hace más
fácil realizar el contraste con éxito. Es decir, aumentando n se puede conseguir que la Región Crítica
asociada, C, tenga y pequeños simultáneamente.
El método general para contrastar las hipótesis se basa en los siguientes pasos:
1. Elegir un buen estimador ˆ del parámetro para usarlo como estadístico de contraste T. Ej. X n
2. Obtener la distribución muestral del estimador ˆ =T bajo H0. (Ej. X n N(175,10))
H o
3. Fijar como región crítica C una región de probabilidad en las colas de distribución muestral
de T bajo H0, en la dirección que favorezca la validez de H1:
Contraste bilateral: /2 en cada una de las colas.
Contraste unilateral: en una cola, la derecha o la izquierda en función de H1. (Ej. X n 176.25 )
4. Calcular el valor del estadístico de contraste con la muestra obtenida y decidir en consecuencia:
T C : Rechazamos H0. (Ej. X n 176.71 176.25 Rechazo Ho )
T C : No rechazamos H0.
0,4
0,2 n
0,1
X 0
P C P0 z
H0
0
z
n
C No Rechazar H0 C Rechazar H0
H 0: 0
Contraste bilateral: H :
1 0
0,4
0,2
X 0
0,1
P C P0 z /2
H0
0 n
zz
C Rechazar H0 C C Rechazar H0
La potencia de un test representa su capacidad para detectar cuándo H0 es falsa y, por tanto,
rechazarla. Por eso también se conoce como capacidad de detección del test e interesaría que fuera
lo mayor posible. Al igual que , es también una función del valor de la alternativa.
decrece cuando nos acercamos a H0 y crece cuando aumentamos el tamaño muestral.
1
n=1000 n=100 n=50 n=10
0,8
n=5
Potencia (1 - beta)
0,6
0,4
0,2
0
H 0: 0 X 0
Contraste bilateral: H : C Z0 z / 2 z / 2
1 0 n
0
() 1 () P C 1 z / 2 0 z / 2 0 z / 2 0 z / 2 0 z / 2
n n n n n
Ejemplo: El porcentaje de desperdicio de mineral en un proceso de fundición sigue una ley normal
con =1 conocido. El valor medio tiene que ser a lo sumo del 10% para que el proceso funcione
satisfactoriamente. Para verificar la sospecha de que en la última remesa de mineral el porcentaje
medio de desperdicio ha aumentado significativamente sobrepasando este límite del 10%, se toman
datos de 25 coladas de mineral y se obtiene X 10.23% .
a) Plantear y contrastar las hipótesis apropiadas para =0.05.
b) Si un aumento del porcentaje de desperdicio medio al 10.5% se considera muy preocupante,
hallar la capacidad de la prueba utilizada en a) para detectarlo.
c) Obtener el tamaño muestral necesario para detectar dicho aumento con potencia 0.9.
Solución:
H 0 : 10 X 0 X 0 10.2310
a) C z 1.15 1.645 z0.05 No Rechazamos H0.
H 1: 10 n
n
1 25
No queda probado a nivel =0.05 que el desperdicio medio sobrepase el máximo tolerado.
b) Nos piden calcular la potencia para =10.5%. En una situación como la actual nos preocupa
especialmente el riesgo ya que no hemos rechazado H0.
0 10 10.5
() 1 () z (10.5) 1.645 0.855 0.8037.
n 1 25
c) El tamaño muestral necesario para conseguir (10.5)=0.9 es
( z z ) 2 2 (1.645 1.28) 212
n 34.22.
( 0 ) 2 (0.5) 2
n=35 observaciones habrían sido suficientes.
Tema 12. Contrastes de Hipótesis. 229
ESTADÍSTICA
GRADOS EN INGENIERÍA MECÁNICA, INGENIERÍA QUÍMICA E
INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL
Ejemplo: Se fabrican anillos de pistón en un proceso industrial programado para que el diámetro
sea lo más próximo posible al valor nominal de 74mm. El diámetro sigue una ley N(74mm,0.1mm)
cuando el proceso está bajo control. Se realiza un control rutinario sobre el estado del proceso en
cuanto a la media . Una muestra de 10 anillos arroja X 74.08mm ¿La media sigue bajo control?
a) Plantear y contrastar las hipótesis apropiadas para =0.05.
b) Si una desviación de 0.1mm de la media respecto a su valor nominal se considera un problema
grave, hallar la capacidad de la prueba utilizada en a) para detectarlo.
c) Obtener el tamaño muestral necesario para detectar dicha desviación con potencia 0.9.
Solución:
H 0 : 74
X 0 X 0 74.08 74
a) C z / 2 2.53 1.96 z0.025 Rechazamos H0.
H 1 : 74 n n 0.1 10
EL P-VALOR
Rechazar o no H0 puede depender del nivel de significación elegido.
Ejemplo: La longitud de unas barras metálicas fabricadas en serie sigue una ley normal. Se sabe que
=0.075. El proceso está bajo control si la media es = 3, pero se sospecha que ha aumentado.
Para contrastarlo estadísticamente, se toma una muestra de 10 barras y se obtiene X 3.05 .
H 0 : 3 X 0 3.05 3 z 0.05 1.645 Rechazo H 0
C Z 0 z Z 0 2.108
H 1 : 3 n 0.075 10 z 0.01 2.33 No Rechazo H 0
En lugar de fijar a priori el valor de podemos preguntarnos para qué valores de se rechazaría
H0 y para cuáles no, con los datos de que se dispone en la muestra.
Distribución
del estadístico de
contraste Z0 bajo H0
C ( 0.01)
z0=2.108
C ( 0.05)
Tema 12. Contrastes de Hipótesis. 231
ESTADÍSTICA
GRADOS EN INGENIERÍA MECÁNICA, INGENIERÍA QUÍMICA E
INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL
Si 0.01 < p-valor < 0.1, la decisión es comprometida y depende del nivel de significación elegido
para el contraste, es decir del riesgo de error de Tipo I que estemos dispuestos a asumir.
En el caso de los contrastes de hipótesis bilaterales hay que tener en cuenta que, al tener dos colas
la región crítica, para calcular el p-valor hay que multiplicar por 2 la probabilidad de la cola formada
por los valores más extremos que el valor observado.
En el ejemplo anterior, si el contraste hubiera sido bilateral tendríamos:
p-valor = P( Z 0 2.108) 2 P(Z 0 2.108) 2 0.0175 0.0350