Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Unidad 6
H0: μ = 1,65 m
H1: μ 1,65 m
3
La proposición H0: μ = 1,65 se conoce como hipótesis nula;
mientras que la proposición H1: μ 1,65 recibe el nombre de
hipótesis alternativa.
A este procedimiento se lo conoce como prueba de hipótesis
bilateral.
Podría sólo considerarse un caso en la hipótesis alternativa,
o sea, que la hipótesis alternativa especifique valores de μ
que pueden ser mayores o menores que 1,65 m, es decir,
5
Si esta información es consistente con la
hipótesis, se concluye que esta es verdadera; sin
embargo, si esta información es inconsistente
con la hipótesis, se concluye que esta es falsa.
Debe hacerse hincapié en que la verdad o
falsedad de una hipótesis en particular nunca
puede conocerse con certidumbre, a menos que
pueda examinarse a toda la población.
Usualmente esto es imposible, por tanto, es
necesario desarrollar un procedimiento de prueba
de hipótesis teniendo en cuenta la probabilidad
de llegar a una conclusión equivocada. 6
La hipótesis alternativa, representada por H1, es
la afirmación contradictoria a H0, y ésta,
generalmente, es la hipótesis a investigar.
La hipótesis nula se rechaza a favor de la
hipótesis alternativa, sólo si la evidencia
muestral sugiere que H0 es falsa. Si la muestra
no contradice decididamente a H0, se continúa
creyendo en la validez de la hipótesis nula.
Entonces, las dos conclusiones posibles de un
análisis por prueba de hipótesis son:
Rechazar H0 No rechazar H0
7
8
9
Realidad
H0 es H0 es
Verdadera Falsa
Error
Aceptar H0
Decisión
Bien
de tipo II
Error
Rechazar H0 Bien
de tipo I
10
= P(cometer error de tipo I) =
= P(Rechazar H0 y en realidad es H0 Verdadera)
= P(cometer error de tipo II) =
= P(Aceptar H0 y en realidad es H0 Falsa)
Lo que uno quisiera es que y fuesen pequeñas, pero si
una disminuye la otra aumenta
=1-
13
Ejemplo
Un laboratorio hace una propaganda en la que dice que el
tiempo medio en que su aspirina calma el dolor de cabeza
es menor que 15 minutos.
Otro laboratorio de la competencia, sospecha que lo que
dice la propaganda no es cierto. Quiere decidir si le hace
juicio o no acusándolo de propaganda desleal. ¿Qué
hipótesis plantearía?
X = Tiempo en que la aspirina de la propaganda calma el
dolor de cabeza
Suposición: X ~ N(m ; s)
14
m = Tiempo medio en que la aspirina de la propaganda
calma el dolor de cabeza
La propaganda dice: m < 15
➢Estadístico de prueba
Es un valor que se determina a partir de la
información de la muestra, es utilizado para decidir si
se rechaza o no la hipótesis nula.
➢Valor crítico
El punto que divide la región entre el lugar en el que
la hipótesis nula es rechazada y no rechazada.
18
Test de Gauss para una media
? = Z
Z.R: Z Z
20
H0: m m0 H1: m < m0
= P(Rechazar H0 si en realidad es H0 Verdadera)
-? = - Z
Z.R: Z − Z
21
H0: m = m0 H1: m m0
= P(Rechazar H0 si en realidad es H0 Verdadera)
Se rechaza H0 para valores de
Z muy grandes o muy
negativos
Zona de rechazo: Z.R.
Z -? ó Z ?
? = Z /2
Z.R: Z Z /2
m0 es un número conocido
X − m0
Estadístico de prueba: Z=
s n
Zona de Rechazo (Z.R.)
H0: m m0 H1: m > m0 Z Z
H0: m m0 H1 : m < m 0 Z −Z
H0: m = m0 H1: m m0 Z Z /2
23
EJEMPLO
Datos
μ = 70 años
σ = 8,9 años
X = 71,8 años
n = 100
α = 0,05
25
Establecemos las hipótesis
H0: m ≤ 70 H1: m > 70
Nivel de significación
α = 0,05 Zα = 1,645
μ=0 1,645
Regla de decisión
Si Z ≤ 1,645 no se rechaza H0
Si Z > 1,645 se rechaza H0 26
Cálculos
X −m 71,8 − 70
Z= = = 2,02
s 8,9
n 100
Decisión
Como 2,02 > 1,645 se rechaza H0
Conclusión
La vida media es mayor que 70 años.
27
Ejemplo de la aspirina (de la dispositiva 14)
Se administró la aspirina a 25 personas y se obtuvo una
media muestral de 17 minutos. Suponiendo que la varianza
poblacional es 36 min2, ¿cuál será la decisión del laboratorio
con un nivel de significación del 5%?
X = Tiempo (min) en que la aspirina de la propaganda calma el
dolor de cabeza
P(error de tipo I) =
P(Rechazar H0 si es verdadera) =
= P(Z 1,645 si µ < 15) < 0,05
30
En el test: H0: µ µ0 H1: µ > µ0
Tomar µ = µ0 como valor de m si H0 es verdadera para
determinar la zona de rechazo Z Z es correcto porque el
verdadero nivel de significación es menor que .
Z.R: Z Z Zm = 1,667
P = 0,0475
33
Representación gráfica de , y
H0: m m0
Z.R.: Z > Z
H1: m > m0
= P(Rechazar H0 si en realidad es
H0 Verdadera)
= P(Aceptar H0 si en realidad es H0
Falsa)
34
= P(rechazar H0 si en realidad H0 es falsa)
= P(Z Z si µ > µ0 )
35
Relación entre y m
H0: m m0
H1: m > m0
Z.R.: Z Z
y n fijos
si m está lejos de m0
disminuye
36
Relación entre y
H0: m m0
H1: m > m0
Z.R.: Z Z
n fijo
si disminuye,
aumenta
37
Test de Student para una media
38
Test de Normalidad
Estos contrastes se realizan para comprobar
la hipótesis nula de que la muestra ha sido
extraída de una población con distribución
normal, se pueden realizar gráfica y
analíticamente.
El gráfico Q-Q plot representa los datos
observados de la variable frente a los datos
esperados si la distribución fuera normal. Si
los puntos están cerca de la diagonal
podemos decir que la distribución es
normal. 39
Test de Normalidad en Infostat
40
Test de Normalidad en Infostat
Ejemplo (Nadadoras Experimentador 1)
41
Test de Normalidad en Infostat
Ejemplo
Q-Q PLOT
13,85
12,13
10,42
8,70
8,70 10,42 12,13 13,85 15,57
42
Cuantiles de una Normal(12,18,4,7951)
Test de Normalidad en Infostat
Ejemplo
43
Test de Normalidad en Infostat
Ejemplo
Shapiro-Wilks (modificado)
X − m0
Estadístico de prueba: T=
S n
Si µ = µ0 entonces, T ~ tn-1
Para cada una de las posibles situaciones hay que
determinar la zona de rechazo 45
H0: m m0 H1: m > m0
= P(Rechazar H0 si en realidad es H0 Verdadera)
Se rechaza H0 para Zona de rechazo: Z.R.: T > ?
valores grandes de T
-? = - tn-1;
47
H0: m = m0 H1: m m0
= P(Rechazar H0 si en realidad es H0 Verdadera)
Se rechaza H0 para valores de
T muy grandes o muy
negativos
Zona de rechazo: Z.R.
T < -? ó T > ?
? = tn-1; /2
X − m0
Estadístico de prueba: T=
S n
Z.R.
H0: m m0 H1: m > m0 T > tn-1;
H0: m m0 H1: m < m0 T < - tn-1;
H0: m = m0 H1: m m0 T > tn-1; /2
49
Ejemplo de la aspirina suponiendo que s es desconocida y
que en la muestra resultó s = 6
X = Tiempo (min) en que la aspirina de la propaganda
calma el dolor de cabeza
= 0,05
50
Z.R. T > tn-1; tn-1; = t24; 0,05 = 1,711
No se rechaza H0
¿Cuál es la probabilidad de error al decidir H0) m 15?
54
Planteo del problema
56
Ejemplo 2 (2 muestras)
57
Planteo del problema
X1 = Glucemia (mg/dl) en ayunas en pacientes
acromegálicos
X2 = Glucemia (mg/dl) a los 120 minutos después de
tomar una dosis de glucosa en pacientes
acromegálicos
H0) m1 = m2 H1) m1 m2
Ambas mediciones se hicieron sobre las mismas
personas, X1 y X2 no son independientes, se dice
58
que son muestras apareadas.
PRUEBAS PARA
DIFERENCIA DE
MEDIAS
MUESTRAS
INDEPENDIENTES PAREADAS
59
Test de Gauss para diferencia de
medias en muestras independientes
Suposiciones: X1 ~ N(m1 ; s1) y X2 ~ N(m2 ; s2)
X1 y X2 independientes, s1 y s2 conocidas
H0: m1 − m2 a H1: m1 - m2 > a
a valor conocido,
H0: m1 − m2 a H1: m1 − m2 < a
H0: m1 − m2 = a H1: m1 − m2 a generalmente es 0
X1 − X2 −a
Estadístico de prueba: Z=
s12 s2
+ 2
n1 n2
60
Propiedad 6.1
Si X1 ~ N(m1 ; s1) y X2 ~ N(m2 ; s2)
X1 y X2 independientes s1 y s2 conocidas
Se toma una muestra aleatoria de tamaño n1 de X1 y una
muestra de tamaño n2 de X2,
independiente de la anterior, entonces
s12 s 22
X1 − X 2 ~ N m1 − m 2 ; +
n1 n2
X1 − X 2 − (m1 − m 2 )
o bien ~ N (0 ; 1)
s12 s 22 Demostración
+
n1 n2 61
H0: m1 − m2 a H1: m1 - m2 > a
X1 − X2 −a ¿Cuál es la zona de rechazo?
Z=
s12 s2 Si H0) es verdadera consideramos
+ 2
n1 n2 m1 − m2 = a, entonces Z ~ N(0 ; 1)
Se rechaza H0 para valores grandes de Z
Z.R.: Z Z
X1 / n1
Y=
X2 / n 2
2
1
2
X1 ~ n ; X2 ~ n ; X1 y X2 independientes
2
64
Distribución F de Fisher
Si Y ~ Fn ;n
1 2
P( Y > Fn ;n ; ) =
1 2
TABLA
65
Distribución F de Fisher
66
Propiedad 6.4
1
F1− ; n1 ; n 2 =
F ; n 2 ; n1
67
Propiedad 6.5
Si Y ~ tn entonces Y2 ~ F1 ; n
68
Demostrar
Demostración
Z
Y ~ tn entonces Y=
X /n
Z ~ N(0;1) X
Z y X son independientes
1
2 2
Z
Y2 =
X
Z2 ~ entonces Y2 ~ F1 ; n
n
69
Propiedad 6.6
( t / 2 ; n ) = F ;1; n
2
70
Propiedad 6.7
X1 ~ N(μ1;σ1) ; X2 ~ N(μ2;σ2) X1 y X2 independientes
S12 es la varianza de una muestra aleatoria de X1 de tamaño n1
S12 s 22
2 2 ~ F n1 −1; n2 −1
S2 s 1
71
Demostrar
Demostración
(n1 − 1) S12 (n2 − 1) S 22
~ 2n1 −1 ~ 2n2 −1
s 12 s 22
(n1 − 1) S12
s 12
(n1 − 1)
~ Fn1 −1;n2 −1
(n2 − 1) S 22
s 22
(n2 − 1)
72
Test F para comparar dos varianzas
S12
Estadístico de prueba: F= 2
S2
S12
F= ~ Fn1 −1; n 2 −1
S 22
74
H0: s12 s22 H1: s12 > s22
A = Fn1−1; n2 −1;
Z.R.: F Fn1−1; n2 −1;
75
H0: s12 s22 H1: s12 < s22
76
H0: s12 = s22 H1: s12 s22
Z.R.: F C o F D
o por Fn1 −1;n2 −1; / 2 hay que emplear a la fórmula que relaciona
F con F 1-.
78
Regla práctica
2
sMayor nM = tamaño de la muestra de S2Mayor
Fm =
sm2 enor nm = tamaño de la muestra de S2menor
79
Siempre es Fm > 1 y sólo hay que verificar si está o no dentro de
la zona de rechazo de la derecha
81
X1 = PAS 7-23hs de la presurometría ambulatoria de varones
hipertensos delgados después de tomar 5mg de
amlodipina por día durante un mes
X2 = PAS 7-23hs de la presurometría ambulatoria de varones
hipertensos delgados después de tomar 10mg de
amlodipina por día durante un mes
Suposiciones: X1 ~ N(m1 ; s1) y X2 ~ N(m2 ; s2) X1 y
X2 independientes
H0) m1 = m2 H1) m1 m2
Se necesita aplicar un test de hipótesis para poder tomar la
decisión.
Se debe usar un Test para diferencia de medias 82
Aplicación
Cuando se utiliza el test de Student para muestras
independientes hay que suponer que s1 = s2 .
Se puede aplicar el test de igualdad de varianzas para
verificar esta suposición.
Se aplicará este test en el ejemplo en que se comparaban las
dosis de 5 y 10 mg de amlodipina (Diapositiva 97)
H0: s1 = s2 H1: s1 s2
s 2 5,4312
Fm = = 1,017
Fm =
Mayor
2
2 5,385
s m enor
No se rechaza H0
s1 no difiere significativamente de s2
H0: m1 − m2 a H1 : m 1 - m 2 > a
H0: m1 − m2 a H1 : m 1 − m 2 < a
H0: m1 − m2 = a H1: m1 − m2 a
s1 se estima con S1 y s2 se estima con S2, pero s1 = s2 = s
¿cómo se estima s?
Con un promedio “pesado” de S1 y S2 que se llama Sp 85
sˆ = Sp ( n − 1) S2
+ ( n − 1) S2
S2p = 1 1 2 2
n1 + n 2 − 2
Propiedad 6.2
Si X1 ~ N(m1 ; s1) y X2 ~ N(m2 ; s2)
X1 y X2 independientes, s1 = s2 = s
Se toma una muestra aleatoria de tamaño n1 de X1 y una
muestra de tamaño n2 de X2, independiente de la anterior, S12
y S22 son sus varianzas muestrales, entonces
2
(n1 + n 2 − 2) Sp
~ 2n + n − 2
2
s 1 2 86
Propiedad 6.3
Si X1 ~ N(m1 ; s1) y X2 ~ N(m2 ; s2)
X1 y X2 independientes, s1 = s2 = s
Se toma una muestra aleatoria de tamaño n1 de X1 y una
muestra de tamaño n2 de X2, independiente de la anterior,
S12 y S22 son sus varianzas muestrales. Entonces:
X 1 − X 2 − (m 1 − m 2 )
~ t n1 + n 2 − 2
1 1
Sp +
n1 n2
87
El estadístico de prueba es:
X1 − X 2 − a
T=
1 1
Sp +
n1 n2
X 1 − X 2− a ( n − 1) S2
+ ( n − 1) S2
Estadístico T= S2p = 1 1 2 2
Sp
1 1
+ n1 + n 2 − 2
de prueba n1 n2
Z.R.
H0: m1 − m2 a H1: m1 - m2 > a T > tn1 +n2 −2 ;
H0: m1 − m2 a H1: m1 − m2 < a T < - tn1+n2 −2 ;
H0: m1 − m2 = a H1: m1 − m2 a T > tn1 +n2 − 2 ; / 2
89
Ejemplo 1
H0: m1 = m2 H1: m1 m2
90
Ejemplo 1 (2 muestras)
Los datos obtenidos fueron: Hormona Hormona
A B
10 15
n1 = n2 = 10 10 11
13 16
12 17
Primero se calculan la media y los 10 18
desvíos de cada muestra. 8 9
12 14
11 12
91
X1 − X 2 − a
T=
Estadístico de prueba: 1 1
Sp +
n1 n2
( n − 1) S2
+ ( n − 1) S2
S2p = 1 1 2 2
n1 + n 2 − 2
93
Utilización del paquete estadístico INFOSTAT
CRECIMIENTO HORMONA
10 1
10 1
13 1
12 1
10 1
8 1
12 1
11 1
16 1
15 1
15 2
11 2
16 2
17 2
18 2
9 2
14 2
12 2
15 2
16 2
94
Utilización del paquete estadístico INFOSTAT
95
Utilización del paquete estadístico INFOSTAT
19
16
CRECIMIENTO
13
10
8
1 2
HORMONA
96
Utilización del paquete estadístico INFOSTAT
Variable:CRECIMIENTO - Clasific:HORMONA -
prueba:Bilateral
Grupo 1 Grupo 2
1 2
n 10 10
Media 11,70 14,30
Media(1)-Media(2) -2,60
LI(95) -5,09
LS(95) -0,11
pHomVar 0,6757
T -2,20
gl 18
p-valor 0,0415
97
Test de Student para diferencia de
medias en muestras pareadas
H0: m1 − m2 a H1 : m 1 - m 2 > a
H0: m1 − m2 a H1: m1 − m2 < a
H0: m1 − m2 = a H1 : m 1 − m 2 a
H0: mD a H1 : m D > a
H0: mD a H1 : m D < a
H0: mD = a H1: mD a
Se aplica el Test de Student para una media (mD) ya
que sD es desconocida
99
Con los datos de la variable D se efectúa el test
n
2
Di 1 n
n D = Di
D i 2 − i =1
1 n i =1
S 2D =
n − 1 i =1 n
D −a
T=
Estadístico de prueba: SD n
Z.R.
H0: mD a H1 : m D > a T tn-1;
H0: mD a H1 : m D < a T - tn-1;
H0: mD = a H1: mD a T tn-1; /2
100
Ejemplo 2 (2 muestras)
Los datos siguientes corresponden a la prueba de tolerancia a
la glucosa realizada en 7 pacientes acromegálicos. Se midió
la Glucemia (mg/dl) en ayunas y a los 120 minutos después
de tomar una dosis de glucosa. Se quiere decidir si hay
variación en la glucemia media.
Paciente 1 2 3 4 5 6 7
en ayunas 81 77 85 82 97 86 78
a los 120 minutos 76 84 83 95 92 97 84
Diferencia 5 -7 2 -13 5 -11 -6
X1 = Glucemia (mg/dl) en ayunas
X2 = Glucemia (mg/dl) a los 120 minutos 101
D = X1 - X2 = variación de la glucemia durante la prueba
mD = m1 - m2
H0) mD = 0 H1) mD 0
D −a
T= Z.R. T tn-1; /2
SD n
d = −3,57 sD = 7,5246
− 3,57
Tm = = −1,255
7,5246 7
104
Utilización del paquete estadístico INFOSTAT
105
Ejemplo completo
Se midió excreción urinaria de 5-HIAA (mg en 24 hs) en
pacientes con cardiopatía carcinoide y en un grupo control
sin cardiopatía carcinoide. Se obtuvieron los siguientes
datos:
con 63 120 135 180 1270 274 1585 288 350 891 150 603 721
sin 28 32 43 60 73 119 124 153 854 400 588 445
con sin
Media 510 243
s 482,5 267,7
n 13 12
107
Se sospecha que no se cumple la suposición s1= s2
H0: s1 = s2 H1: s1 s2
482,52
Fm = = 3,25
267,72
H0: s1 = s2 H1: s1 s2
0,5092 Z.R.: F > F11; 12; 0,05 = 2,72
Fm = = 1,39
0,4322
Fm < 2,72 No se rechaza H0
Se acepta igualdad de varianzas y se puede aplicar el test de Student
para las medias con los datos transformados.
12 0, 432 2
+ 11 0,509 2
s 2p = = 0,221 110
13 + 12 − 2
2,521− 2,128
Tm = = 2,09
1 1
0,221 +
13 12
SI
Variables NO Métodos no
Normales paramétricos
SI
Muestras NO Test de muestras
Independientes pareadas
SI Efectuar una
Varianzas NO transformación
Iguales
SI Corrección
Test de de Welch
Student Muestras
Independientes 113