Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ejemplo:
¿hay la misma proporción de chicos que de chicas en un concierto de
rock? o,
el salario medio de los hombres y de las mujeres en el mundo
empresarial ¿es el mismo?
EJEMPLO 1:
H0: El salario medio de los orensanos es de 900€ (𝜇𝑆 = 900)
H1 : El salario medio de los orensanos mayor 900€ (𝜇𝑆 > 900)
EJEMPLO 2:
H0: Los beneficios medios en bolsa del grupo de eléctricas son
iguales al 12% (𝜇𝐵 = 12%)
H1 : Los beneficios medios en bolsa del grupo de eléctricas son
INFERIORES al 12% (𝜇𝐵 < 12%) 2
EJEMPLO 3:
H0: Los beneficios anuales en bolsa del grupo de eléctricas son
los mismos que los del grupo de telecomunicaciones. (𝜇𝐸 = 𝜇 𝑇 )
H1 : Los beneficios anuales en bolsa del grupo de eléctricas son
DISTINTOS que los del grupo de telecomunicaciones. (𝜇𝐸 ≠ 𝜇 𝑇 )
3
Debemos distinguir entre dos tipos de hipótesis:
Hipótesis SIMPLE: cuando se especifica un único valor.
Salario medio =900€,
Proporción de hombres = proporción de mujeres,
porcentaje de desempleados=20%, etc.
4
Volviendo al problema de la decisión:
Al resolver un contraste se nos pueden presentar la siguientes
situaciones:
No Rechazo H0 CORRECTO
La hipótesis nula
H0 es cierta
Rechazo H0 ERROR TIPO I
La hipótesis nula
H0 es falsa
Rechazo H0 CORRECTO
5
Al realizar un Contraste de hipótesis, podemos cometer dos tipos de
error:
Error de tipo I. Este error se comete si decidimos rechazar H₀
cuando realmente es cierta.
Error de tipo II. Este error se comete si decidimos NO rechazar
H₀ cuando realmente es falsa.
No rechazar H0 Rechazar H0
H0 cierta Correcto Error tipo I (𝛼)
H0 falsa Error tipo II (𝛽) Correcto
6
ERROR TIPO I: NIVEL DE SIGNIFICACIÓN
A la probabilidad de cometer un error tipo I se le denomina nivel de
significación del contraste y se denota por (0 < 𝛼 < 1):
ERROR TIPO II
La probabilidad de cometer un error tipo II se denota por (0 < 𝛽 <
1):
𝛽 = 𝑃(𝑒𝑟𝑟𝑜𝑟 𝑡𝑖𝑝𝑜 𝐼𝐼) = 𝑃(𝑎𝑐𝑒𝑝𝑡𝑎𝑟 𝐻₀/𝐻₀ 𝑓𝑎𝑙𝑠𝑎)
y por tanto la probabilidad de rechazar H₀ cuando H₀ es falsa es 1 −
𝛽.
8
EJEMPLO:
Un juez tiene que decidir si una persona va a la cárcel o no. En este
caso se pueden cometer dos tipos de errores: ingresar a la persona en
la cárcel cuando es inocente o dejarla en libertad siendo realmente
culpable. La postura del juez es dejar en libertad a la persona si no
tiene suficientes evidencias de que sea culpable, por tanto las hipótesis
del juez serían:
10
¿Cómo realizar un contraste?
Al fijar el nivel de significación 𝛼, se obtiene implícitamente una
división en dos regiones del conjunto de posibles valores que toma la
distribución del estadístico de contraste.
Recordemos que el estadístico que nos sirve de contraste es una
variable aleatoria que sigue una determinada distribución (por
ejemplo en el caso anterior una 𝑁(0,1)).
11
Construcción de las regiones de Aceptación-Rechazo
Las regiones de aceptación-rechazo dependen de la hipótesis
alternativa, 𝐻₁:
12
CASO 2: 𝑯₁: 𝜽 < 𝜽₀. (UNILATERAL)
La región de rechazo es la cola de la izquierda con probabilidad 𝛼.
13
CASO 3: 𝑯₁: 𝜽 > 𝜽₀. (UNILATERAL)
La región de rechazo es la cola de la derecha con probabilidad 𝛼.
14
P-VALOR (NIVEL CRÍTICO)
Sea 𝐷 el estadístico de contraste, y sea 𝑑 el valor del estadístico en
la muestra.
Se denomina 𝒑 − 𝒗𝒂𝒍𝒐𝒓 al mayor nivel de significación que permite
NO rechazar la hipótesis nula.
El p-valor sólo puede calcularse una vez tomada la muestra.
Una vez calculado el 𝑝 − 𝑣𝑎𝑙𝑜𝑟, la conclusión a cualquier nivel de
significación α resulta de comparar el nivel crítico con α
Si 𝒑 − 𝒗𝒂𝒍𝒐𝒓 ≤ 𝜶: Rechazaremos la Hipótesis nula a nivel 𝜶
Si 𝒑 − 𝒗𝒂𝒍𝒐𝒓 > 𝜶: No podemos Rechazar la Hipótesis nula a
nivel 𝜶.
15
CÁLCULO DEL P-VALOR
El cálculo del p-valor depende del tipo de contraste que tengamos:
16
Contrastes paramétricos para una muestra Normal
𝜎 2 𝑐𝑜𝑛𝑜𝑐𝑖𝑑𝑎
𝐶𝑜𝑛𝑡𝑟𝑎𝑠𝑡𝑒 𝑝𝑎𝑟𝑎 𝑙𝑎 𝑚𝑒𝑑𝑖𝑎 𝜇
𝜎 2 𝑑𝑒𝑠𝑐𝑜𝑛𝑜𝑐𝑖𝑑𝑎
𝑃𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 𝑁𝑜𝑟𝑚𝑎𝑙
𝑋 ∼ 𝑁 𝜇, 𝜎 𝜇 𝑐𝑜𝑛𝑜𝑐𝑖𝑑𝑎
𝐶𝑜𝑛𝑡𝑟𝑎𝑠𝑡𝑒 𝑝𝑎𝑟𝑎 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝜎 2
𝜇 𝑑𝑒𝑠𝑐𝑜𝑛𝑜𝑐𝑖𝑑𝑎
17
Contraste para la media 𝝁 de una población Normal con varianza
poblacional conocida, 𝝈𝟐.
𝜎 𝑋−𝜇
𝑋 ∼ 𝑁 𝜇, ⇔ 𝑛 ∼ 𝑁 0,1
𝑛 𝜎
siendo
𝑛
𝑖=1 𝑋𝑖
𝑋=
𝑛
18
CASO 1:
𝑯𝟎: 𝝁 = 𝝁₀ X 0 X 0
𝑯₁: 𝝁 ≠ 𝝁₀
Rechazo si n z ó n z z
2 1
2 2
Normal(0,1)
Region Aceptación
Regiones de
rechazo
19
CASO 2:
𝑯𝟎: 𝝁 = 𝝁₀
𝑯₁: 𝝁 < 𝝁₀
X 0
Rechazo si n z
z
CASO 3:
𝑯𝟎: 𝝁 = 𝝁₀
𝑯₁: 𝝁 > 𝝁₀
X 0
Rechazo si n z1 =-z
z1
20
TABLA RESUMEN
Contraste 𝑯𝟎 𝑯𝟏 R. Aceptación
Bilateral 𝐻0 : 𝜇 = 𝜇0 𝐻1 : 𝜇 ≠ 𝜇0 −𝑧1−𝛼 , 𝑧1−𝛼
2 2
Unilateral izq. 𝐻0 : 𝜇 = 𝜇0 𝐻1 : 𝜇 < 𝜇0 −𝑧1−𝛼 , +∞
Unilateral der. 𝐻0 : 𝜇 = 𝜇0 𝐻1 : 𝜇 > 𝜇0 −∞, 𝑧1−𝛼
21
Ejemplo.
Un planta de envasado de agua quiere comprobar si realmente sus
botellas de 1 litro contienen la cantidad correcta de agua. Para ello se
toma una muestra de 25 botellas y se obtiene una media muestral de
0.995 litros. Se sabe que la capacidad de agua de una botella de 1 litro
sigue una distribución normal de desviación típica 0.01 litros.
Con estos datos, plantear un contraste de hipótesis que ayude a la planta
de envasado a determinar si sus botellas llevan, en media, la cantidad
correcta de agua con un nivel de significación 𝛼 = 0.01.
𝑋−𝜇 𝑋−𝜇
𝑛−1 = 𝑛 ∼ 𝑡𝑛−1
𝑆 𝑆
siendo
𝑛 𝑛 2 𝑛 2
𝑖=1 𝑋𝑖 𝑖=1 𝑋𝑖 − 𝑋 𝑖=1𝑋𝑖 − 𝑋
𝑋= , 𝑆2 = 𝑦 𝑆2 =
𝑛 𝑛 𝑛−1
23
CASO 1:
𝑯𝟎: 𝝁 = 𝝁₀ X 0 X 0
Rechazo si n tn 1, ó n tn 1, tn 1,
𝑯₁: 𝝁 ≠ 𝝁₀ ˆ
S ˆ
S 1
2 2 2
CASO 2:
𝑯𝟎: 𝝁 = 𝝁₀ X - 0
Rechazo si n tn-1, -tn-1,1-
𝑯₁: 𝝁 < 𝝁₀ ˆ
S
CASO 3: X 0
𝑯𝟎: 𝝁 = 𝝁₀ Rechazo si n tn 1,1
ˆ
S
𝑯₁: 𝝁 > 𝝁₀
24
TABLA RESUMEN
Contraste 𝑯𝟎 𝑯𝟏 R. Aceptación
Bilateral 𝐻0 : 𝜇 = 𝜇0 𝐻1 : 𝜇 ≠ 𝜇0 −𝑡𝑛−1,1−𝛼 , 𝑡𝑛−1,1−𝛼
2 2
Unilateral izq. 𝐻0 : 𝜇 = 𝜇0 𝐻1 : 𝜇 < 𝜇0 −𝑡𝑛−1,1−𝛼 , +∞
Unilateral der. 𝐻0 : 𝜇 = 𝜇0 𝐻1 : 𝜇 > 𝜇0 −∞, 𝑡𝑛−1,1−𝛼
25
Ejemplo con R:
Dada una muestra aleatoria de comerciales del sector automovilístico
de una ciudad , nos interesa saber si el salario medio es de 975€.
Contraste:
𝑯𝟎: 𝑴𝒆𝒅𝒊𝒂 𝒅𝒆 𝒔𝒂𝒍𝒂𝒓𝒊𝒐𝒔 𝒅𝒆 𝒍𝒂 𝒑𝒐𝒃𝒍𝒂𝒄𝒊ó𝒏 = 𝟗𝟕𝟓
𝑯₁: 𝑴𝒆𝒅𝒊𝒂 𝒅𝒆 𝒔𝒂𝒍𝒂𝒓𝒊𝒐𝒔 𝒅𝒆 𝒍𝒂 𝒑𝒐𝒃𝒍𝒂𝒄𝒊ó𝒏 ≠ 𝟗𝟕𝟓
26
• El valor del estadístico es 0.03302752. Los grados de libertad de la
distribución t de Student son 13.
• El p-valor del contraste es 0.97415. Por lo tanto, si considero el nivel de
significación al 5%, el resultado del contraste es que no puedo rechazar la
hipótesis nula.
• La media muestral (estimador muestral) de los datos es de 975.8283
27
Contraste:
𝑯𝟎: 𝑴𝒆𝒅𝒊𝒂 𝒅𝒆 𝒔𝒂𝒍𝒂𝒓𝒊𝒐𝒔 𝒅𝒆 𝒍𝒂 𝒑𝒐𝒃𝒍𝒂𝒄𝒊ó𝒏 ≥ 𝟗𝟕𝟓
𝑯𝟏 : 𝑴𝒆𝒅𝒊𝒂 𝒅𝒆 𝒔𝒂𝒍𝒂𝒓𝒊𝒐𝒔 𝒅𝒆 𝒍𝒂 𝒑𝒐𝒃𝒍𝒂𝒄𝒊ó𝒏 < 𝟗𝟕𝟓
• El valor del estadístico sigue siendo el mismo y con los mismos grados de
libertad. La media muestral de los datos es la misma. Lo que cambia es el p-
valor ya que varía en función de la región de rechazo, en este caso unilateral
por la izquierda.
• El p-valor del contraste es 0.51292. Por lo tanto, si considero el nivel de
significación al 5%, el resultado del contraste es que no puedo rechazar la
hipótesis nula.
28
Contraste de hipótesis para la varianza 𝝈𝟐 de una población Normal
con media poblacional conocida, 𝝁.
𝑛 2
𝑖=1 𝑋𝑖 − 𝜇
∼ 𝜒𝑛2
𝜎2
29
CASO 1: n 2 n 2
𝑯𝟎: 𝝈𝟐 = 𝝈𝟐𝟎 X i X i
𝑯₁: 𝝈𝟐 ≠ 𝝈𝟐𝟎 Rechazo si i 1
2 ó i 1
2
02 n, 02 n,1-
2 2
n 2
CASO 2:
𝑯𝟎: 𝝈𝟐 = 𝝈𝟐𝟎 X i
𝑯₁: 𝝈𝟐 < 𝝈𝟐𝟎 Rechazo si i 1
n,2
02
n 2
CASO 3: X i
𝑯𝟎: 𝝈𝟐 = 𝝈𝟐𝟎 Rechazo si
i 1
n,1-
2
𝑯₁: 𝝈𝟐 > 𝝈𝟐𝟎 02
30
TABLA RESUMEN
Contraste 𝑯𝟎 𝑯𝟏 R. Aceptación
Bilateral 𝐻0 : 𝜎 = 𝜎0 𝐻1 : 𝜎 ≠ 𝜎0 2
𝜒𝑛, 𝛼, 𝜒
2
𝛼
𝑛,1−
2 2
Unilateral izq. 𝐻0 : 𝜎 = 𝜎0 𝐻1 : 𝜎 < 𝜎0 2 , +∞
𝜒𝑛,𝛼
Unilateral der. 𝐻0 : 𝜎 = 𝜎0 𝐻1 : 𝜎 > 𝜎0 2
0, 𝜒𝑛,1−𝛼
31
Para el caso del contraste para la varianza 𝝈𝟐 de una población
Normal con media poblacional desconocida, 𝝁.
El único cambio es que ahora el estadístico pivotal es:
X
n
X
i
n 1 ˆ 2 n 2
i 1
S 2S n-1
2
2 2
2 2
X X
n n
CASO 1: X X
i i
𝑯𝟎: 𝝈𝟐 = 𝝈𝟐𝟎 Rechazo si i 1
2
ó i 1
2
𝑯₁: 𝝈𝟐 ≠ 𝝈𝟐𝟎 02 n-1, 02 n-1,1-
2 2
2
CASO 2:
X
n
X
𝑯𝟎: 𝝈𝟐 = 𝝈𝟐𝟎 i
32
2
X
n
CASO 3:
X
𝑯𝟎: 𝝈𝟐 = 𝝈𝟐𝟎 i
TABLA RESUMEN
Contraste 𝑯𝟎 𝑯𝟏 R. Aceptación
Bilateral 𝐻0 : 𝜎 = 𝜎0 𝐻1 : 𝜎 ≠ 𝜎0 2
𝜒𝑛−1, 𝛼, 𝜒
2
𝛼
𝑛−1,1−
2 2
Unilateral izq. 𝐻0 : 𝜎 = 𝜎0 𝐻1 : 𝜎 < 𝜎0 2
𝜒𝑛−1,𝛼 , +∞
Unilateral der. 𝐻0 : 𝜎 = 𝜎0 𝐻1 : 𝜎 > 𝜎0 2
0, 𝜒𝑛−1,1−𝛼
33
Contrastes de hipótesis para dos muestras normales.
𝐷𝑎𝑡𝑜𝑠 𝑝𝑎𝑟𝑒𝑎𝑑𝑜𝑠
34
CASO 1: VARIANZAS CONOCIDAS
X Y X Y
N(0,1)
2
2
X
Y
n m
35
CASO 1:
X Y d0 X Y d0
H 0 : X -Y d0 Rechazo si z ó z
2
2
2
2 1
H1 : X -Y d0 X
Y
2
X
Y
2
n m n m
CASO 2:
X Y d0
H 0 : X -Y d 0 Rechazo si z
2
2
H1 : X -Y d 0 X
Y
n m
CASO 3: X Y d0
H 0 : X -Y d 0 Rechazo si z1
2
2
H1 : X -Y d 0
X
Y
n m
36
TABLA RESUMEN
Contraste 𝑯𝟎 𝑯𝟏 R. Aceptación
Bilateral 𝐻0 : 𝜇𝑋 − 𝜇𝑌 = 𝑑0 𝐻1 : 𝜇𝑋 − 𝜇𝑌 ≠ 𝑑0 −𝑧1−𝛼 , 𝑧1−𝛼
2 2
Unilateral izq. 𝐻0 : 𝜇𝑋 − 𝜇𝑌 = 𝑑0 𝐻1 : 𝜇𝑋 − 𝜇𝑌 < 𝑑0 −𝑧1−𝛼 , +∞
Unilateral der. 𝐻0 : 𝜇𝑋 − 𝜇𝑌 = 𝑑0 𝐻1 : 𝜇𝑋 − 𝜇𝑌 > 𝑑0 −∞, 𝑧1−𝛼
37
CASO 2: VARIANZAS DESCONOCIDAS PERO IGUALES
con Sˆ 2
n 1 ˆ 2 m 1 Sˆ 2
S X Y
nm2
n m
1 1
2 2
siendo Sˆ X
2
Xi X y Sˆ
2
Yj Y
n 1 i 1 m 1 j 1
Y
38
CASO 1:
H 0 : X -Y d0 X Y d0 X Y d0
Rechazo si tn m 2 ó tn m 2 ,
1 1 1 1 1
H1 : X -Y d0 Sˆ 2
Sˆ 2
n m n m
CASO 2:
X Y d0
H 0 : X -Y d0 Rechazo si tn m 2,
1 1
Sˆ
H1 : X -Y d0 n m
CASO 3: X Y d0
Rechazo si tn m 2,1
H 0 : X -Y d0 1 1
Sˆ
H1 : X -Y d0 n m
39
TABLA RESUMEN
Contraste 𝑯𝟎 𝑯𝟏 R. Aceptación
Bilateral 𝐻0 : 𝜇𝑋 − 𝜇𝑌 = 𝑑0 𝐻1 : 𝜇𝑋 − 𝜇𝑌 ≠ 𝑑0 −𝑡 𝛼, 𝑡 𝛼
𝑛+𝑚−2,1− 2 𝑛+𝑚−2,1− 2
40
CASO 3: VARIANZAS DESCONOCIDAS Y DISTINTAS
T t de Student t n+m-2-
41
Donde es el entero más próximo a la siguiente cantidad
2
Sˆ X2 SˆY2
m 1 n 1
n m
Sˆ X2
2
SˆY2
2
m 1 n 1
n m
TABLA RESUMEN
Contraste 𝑯𝟎 𝑯𝟏 R. Aceptación
Bilateral 𝐻0 : 𝜇𝑋 − 𝜇𝑌 = 𝑑0 𝐻1 : 𝜇𝑋 − 𝜇𝑌 ≠ 𝑑0 −𝑡𝑛+𝑚−2−𝛿,1−𝛼 , 𝑡𝑛+𝑚−2−𝛿,1−𝛼
2 2
Unilateral izq. 𝐻0 : 𝜇𝑋 − 𝜇𝑌 = 𝑑0 𝐻1 : 𝜇𝑋 − 𝜇𝑌 < 𝑑0 −𝑡𝑛+𝑚−2−𝛿,1−𝛼 , +∞
Unilateral 𝐻0 : 𝜇𝑋 − 𝜇𝑌 = 𝑑0 𝐻1 : 𝜇𝑋 − 𝜇𝑌 > 𝑑0 −∞, 𝑡𝑛+𝑚−2−𝛿,1−𝛼
der.
42
Contraste de Hipótesis para la diferencia de medias con muestras
PAREADAS
Sea U X - Y
Entonces disponemos de una muestra
U i i 1 X i - Yi i 1
n n
E U U E X - Y X Y
El estadístico de contraste que vamos a utilizar es
U U
n tn 1
SˆU
43
CASO 1:
H 0 : X -Y d0 U d0 U d0
Rechazo si n t ó n t
H1 : X -Y d0 Sˆ
U
n 1,
2 Sˆ
U
n 1,1
2
CASO 2:
H 0 : X -Y d0 U d0
Rechazo si n tn 1,
H1 : X -Y d0 Sˆ
U
CASO 3:
H 0 : X -Y d0 U d0
Rechazo si n tn 1,
H1 : X -Y d0 Sˆ
U
44
TABLA RESUMEN
Contraste 𝑯𝟎 𝑯𝟏 R. Aceptación
Bilateral 𝐻0 : 𝜇𝑋 − 𝜇𝑌 = 𝑑0 𝐻1 : 𝜇𝑋 − 𝜇𝑌 ≠ 𝑑0 −𝑡𝑛−1,1−𝛼 , 𝑡𝑛−1,1−𝛼
2 2
Unilateral izq. 𝐻0 : 𝜇𝑋 − 𝜇𝑌 = 𝑑0 𝐻1 : 𝜇𝑋 − 𝜇𝑌 < 𝑑0 −𝑡𝑛−1,1−𝛼 , +∞
Unilateral der. 𝐻0 : 𝜇𝑋 − 𝜇𝑌 = 𝑑0 𝐻1 : 𝜇𝑋 − 𝜇𝑌 > 𝑑0 −∞, 𝑡𝑛−1,1−𝛼
45
Ejemplo con R:
Dadas dos muestras de ventas diarias en dos establecimientos
comerciales, tomadas en los mismos días, nos interesa saber si las
ventas medias diarias de dichos establecimientos son las mismas.
46
• El valor del estadístico de contraste es de -1.905247. Los grados de libertad de
la distribución t de Student son 49.
• El p-valor del contraste es 0.062625. Es un valor un poco superior a 5%, por
tanto no podemos rechazamos la hipótesis nula. Sin embargo, a un nivel de
significación del 10% RECHAZARIAMOS la hipótesis nula de igualdad de medias.
• La diferencia de las medias muestrales es de -38.0648
47
Veamos que ocurre con un contraste unilateral, por ejemplo
• El valor del estadístico de contraste y los grados de libertad son los mismos.
• Lo que cambia sustancialmente es el p-valor, en este caso vale 0.96869 por lo
que no podemos rechazar la hipótesis nula.
48
𝝈𝟐𝑿
CONTRASTE DE HIPÓTESIS PARA EL COCIENTE DE VARIANZAS .
𝝈𝟐𝒀
2
𝜒𝑛−1 𝑆𝑋2
𝑛−1 𝜎𝑋2 𝜎𝑌2 𝑆𝑋2
2
= = 2 ⋅ 2 ∼ 𝐹𝑛−1,𝑚−1
𝜒𝑚−1 𝑆𝑌2 𝜎𝑋 𝑆𝑌
𝑚−1 𝜎𝑌2
49
CASO 1:
H 0 : X2 = Y2 Sˆ X2 Sˆ X2
Rechazo si 2 F ó F
ˆ
SY Sˆ 2 n 1, m 1,1
H1 : X2 Y2
n 1, m 1,
2 Y 2
CASO 2:
H 0 : =
2 2 Sˆ X2
X Y Rechazo si 2 Fn 1,m 1,
SˆY
H1 : X2 Y2
CASO 3:
Sˆ X2
H 0 : X2 = Y2 Rechazo si 2 Fn 1,m 1,1
SˆY
H1 : X2 Y2
50
TABLA RESUMEN
Contraste 𝑯𝟎 𝑯𝟏 R. Aceptación
Bilateral 𝐻0 : 𝜎𝑋2 = 𝜎𝑌2 𝐻1 : 𝜎𝑋2 ≠ 𝜎𝑌2 𝐹𝑛−1,𝑚−1,𝛼 , 𝐹𝑛−1,𝑚−1,1−𝛼
2 2
Unilateral izq. 𝐻0 : 𝜎𝑋2 = 𝜎𝑌2 𝐻1 : 𝜎𝑋2 < 𝜎𝑌2 𝐹𝑛−1,𝑚−1,𝛼 , +∞
Unilateral der. 𝐻0 : 𝜎𝑋2 = 𝜎𝑌2 𝐻1 : 𝜎𝑋2 > 𝜎𝑌2 0, 𝐹𝑛−1,𝑚−1,1−𝛼
51
Ejemplo con R:
Dadas dos muestras aleatorias del gasto en telefonía realizado por
alumnos de la Facultad nos interesa saber si el gasto medio es el
mismo independientemente del sexo.
52
El contraste de hipótesis sería:
𝐻0 : 𝜎𝐻2 = 𝜎𝑀
2
𝐻1 : 𝜎𝐻2 ≠ 𝜎𝑀
2
53
Ahora podemos aplicar el contraste para las medias suponiendo que las varianzas
son iguales.
H 0 : 0
H1 : 0
55
TABLA RESUMEN
Contraste 𝑯𝟎 𝑯𝟏 R. Aceptación
Bilateral 𝐻0 : 𝜃 = 𝜃0 𝐻1 : 𝜃 ≠ 𝜃0 −𝑧1−𝛼 , 𝑧1−𝛼
2 2
Unilateral izq. 𝐻0 : 𝜃 = 𝜃0 𝐻1 : 𝜃 < 𝜃0 −𝑧1−𝛼 , +∞
Unilateral der. 𝐻0 : 𝜃 = 𝜃0 𝐻1 : 𝜃 > 𝜃0 −∞, 𝑧1−𝛼
56
Contraste de Hipótesis para la media 𝝁 de una población NO Normal
X
X N , n N 0,1
n
n n
1 n
siendo X X i
n i 1
Esto nos permite calcular el contraste de hipótesis análogo a como lo
hicimos antes:
Contraste 𝑯𝟎 𝑯𝟏 R. Aceptación
Bilateral 𝐻0 : 𝜇 = 𝜇0 𝐻1 : 𝜇 ≠ 𝜇0 −𝑧1−𝛼 , 𝑧1−𝛼
2 2
Unilateral izq. 𝐻0 : 𝜇 = 𝜇0 𝐻1 : 𝜇 < 𝜇0 −𝑧1−𝛼 , +∞
Unilateral der. 𝐻0 : 𝜇 = 𝜇0 𝐻1 : 𝜇 > 𝜇0 −∞, 𝑧1−𝛼
57
Contraste de hipótesis para proporciones
Se desea calcular un contraste para la proporción p de individuos de una
población que tiene una determinada característica.
Para ello se toma una muestra aleatoria de elementos de la población,
anotando un 1 si dicho elemento tiene la característica, y 0 en otro
caso, es decir, se tiene una muestra aleatoria {X1, X2, …, Xn} de una
distribución Binomial(1,p) o equivalentemente Bernoulli(p)
p 1 p
Hemos visto en el tema anterior: pˆ N p,
n n
58
CASO 1:
pˆ p0 pˆ p0
H 0 : p p0 Rechazo si z ó z
p0 1 p0 2 p0 1 p0 1
2
H1 : p p0 n n
CASO 2:
pˆ p0
H 0 : p p0 Rechazo si z OJO!!!!
p0 1 p0
H1 : p p0
n
CASO 3:
pˆ p0
Rechazo si z1
H 0 : p p0 p0 1 p0
H1 : p p0 n
59
TABLA RESUMEN
Contraste 𝑯𝟎 𝑯𝟏 R. Aceptación
Bilateral 𝐻0 : 𝑝 = 𝑝0 𝐻1 : 𝑝 ≠ 𝑝0 −𝑧1−𝛼 , 𝑧1−𝛼
2 2
Unilateral izq. 𝐻0 : 𝑝 = 𝑝0 𝐻1 : 𝑝 < 𝑝0 −𝑧1−𝛼 , +∞
Unilateral der. 𝐻0 : 𝑝 = 𝑝0 𝐻1 : 𝑝 > 𝑝0 −∞, 𝑧1−𝛼
60
Contrastes de hipótesis para la diferencia de dos proporciones
61
De nuevo, para realizar el contraste para la diferencia de proporciones,
tenemos que usar:
pˆ X pˆ Y p X pY
N 0,1
p X 1 p X pY 1 pY
n
n m
pˆ X pˆ Y p X pY
Pero bajo H 0 : p X pY se tiene que N 0,1
n
1 1
pˆ XY 1 pˆ XY
dónde, n m
npˆ X mpˆ Y
pˆ XY
nm
OJO!!!!
CASO 1:
H 0 : p X pY Rechazo si
pˆ X pˆ Y
z ó
pˆ X pˆ Y
z
H1 : p X pY 1 1 1 1 1
pˆ XY 1 pˆ XY 2
pˆ XY 1 pˆ XY 2
n m n m
62
CASO 2:
H 0 : p X pY pˆ X pˆ Y
Rechazo si z
1 1
H1 : p X pY pˆ XY 1 pˆ XY
n m
CASO 3:
pˆ X pˆ Y
H 0 : p X pY Rechazo si z1
1 1
pˆ XY 1 pˆ XY OJO!!!!
H1 : p X pY n m
TABLA RESUMEN
Contraste 𝑯𝟎 𝑯𝟏 R. Aceptación
Bilateral 𝐻0 : 𝑝𝑋 = 𝑝𝑌 𝐻1 : 𝑝𝑋 ≠ 𝑝𝑌 −𝑧1−𝛼 , 𝑧1−𝛼
2 2
Unilateral izq. 𝐻0 : 𝑝𝑋 = 𝑝𝑌 𝐻1 : 𝑝𝑋 < 𝑝𝑌 −𝑧1−𝛼 , +∞
Unilateral der. 𝐻0 : 𝑝𝑋 = 𝑝𝑌 𝐻1 : 𝑝𝑋 > 𝑝𝑌 −∞, 𝑧1−𝛼
63