INGENIERO ALEXIS SEVILLA

ACTIVIDAD TAREA 1 SEGUNDO PARCIAL

RESPONSABLE

CUENTA

SECCION

FECHA DE ENTREGA

RESUMEN CAPITULO 8
Una hipótesis es una suposición o inferencia sobre el valor desconocido de un
parámetro.

8.2 El concepto de prueba de hipótesis

Para realizar una prueba de hipótesis, se hacen algunas inferencias o

supuestos con sentido acerca de la población. Diferencia estadísticamente
insignificante en la diferencia entre el valor de la media poblacional bajo la
hipótesis y el valor de la media muestral que es lo suficiente pequeña como
para atribuirla a un error de muestreo.

Valores críticos de Z zonas de rechazo: Estos valores de Z de ± 1.96 son

valores críticos, que determinan las zonas de rechazo. Para hallarlos, divida
por 2 el 95%. En la tabla Z el área de 0.95/2=0.4750 indica un valor Z de 1.96.
El 5% restante está distribuido entre las dos colas, con 2.5% en cada zona de
rechazo. Este 5% es el nivel de significancia, o el valor alfa de la prueba.

Regla de decisión: “No se rechaza la hipótesis nula si los valores Z están

entre ± 1.96. Se rechaza si el valor Z es menor que -1.96 o mayor que +1.96”

B. El nivel de significancia y la probabilidad de error: Al probar hipótesis se

pueden cometer dos tipos de errores.
Un error tipo I: es rechazar una hipótesis verdadera. La probabilidad de
cometer un error tipo es igual de significancia, o valor a en el que se prueba la
hipótesis.

Un error tipo II: es no rechazar una hipótesis nula que es falsa. Si la hipótesis
nula H₀:μ=16 NO ES correcta pero la prueba falla en detectarlo, se comete un
error tipo II. Mientras que la probabilidad de un error tipo I es igual a valor ha
seleccionado, la probabilidad de un error tipoII representando con la letra B no
se determina fácilmente. No se puede asumir que a+B=1.
Los niveles de significancia, o valores a, comúnmente seleccionados para
pruebas de hipótesis son del 10%, 5% y 1%.sin embargo al igual que con los
intervalos de confianza no hay nada especial o mágico sobre estos valores a.

8.3 Prueba de dos colas para μ

Ahora está preparado para realizar una prueba de hipótesis. Hay cuatro pasos
involucrados en una prueba.
A. Paso 1: Plantear las hipótesis.
B. Paso 2: con base en los resultados de la muestra, calcular el valor del estadístico
de prueba Z.
C. Paso 3: Determinar la regla de decisión con base en los valores críticos de Z.
D. Paso 4: Interpretación y conclusiones.

Para probar la hipótesis se calcula el estadístico de prueba Z y se compara con

los valores críticos de Z.

En donde S es la desviación estándar muestral.

8.5 valores p:

Uso e interpretación como se han visto para probar una hipótesis se calcula un
valor Z y se compara con un valor crítico Z con base en el nivel de significancia
seleccionado. Mientras que el valor p de una prueba servir como método
alternativo para probar hipótesis en realidad es mucho más que eso.
En esta sección se desarrolla una definición estricta del valor p y el papel que
puede jugar en la prueba de hipótesis. El valor p para una pruebas es la
probabilidad de obtener resultados muéstrales al menos tan extremos como los
que se obtuvieron dado que la hipótesis nula es verdadera.

Valor p: es el nivel más bajo de significancia (valor a) al cual se puede rechazar

la hipótesis nula. Es el área en la cola que está más allá del valor del
estadístico para la muestra.

8.6 Pruebas para μ muestras pequeñas

Al igual con los intervalos de confianza si la muestras es pequeña, σ es
desconocida y la población es normal o casi normal en cuanto a su distribución
puede utilizar la distribución.

8.7 prueba para ∏

Muchas decisiones en los negocios dependen de la proporción o porcentaje de

la población que se ajustan a algunas características. Los gerentes con
frecuencia se interesan en el porcentaje de empleados que consideran que las
normas de la compañía son demasiado opresivas. El proceso de prueba de
hipótesis para la proporción población ∏ es muy similar al de μ. Un valor Z
calculando a partir de la muestras se compara con un valor critico de Z con
base en el valor ha seleccionado. Z se calcula como:

Un error σ mide la tendencia de las proporciones muéstrales a desviarse de la

proporción poblacional desconocida se calcula así:

RESUMEN CAPITULO 14
¿Qué es la prueba de chi-cuadrado?
La prueba chi-cuadrado, también llamada Ji cuadrado (Χ2), se encuentra
dentro de las pruebas pertenecientes a la estadística descriptiva,
concretamente la estadística descriptiva aplicada al estudio de dos variables.
Por su parte, la estadística descriptiva se centra en extraer información sobre la
muestra. En cambio, la estadística inferencial extrae información sobre la
población.

El nombre de la prueba es propio de la distribución Chi-cuadrado de la

probabilidad en la que se basa. Esta prueba fue desarrollada en el año 1900
por Karl Pearson.

La prueba chi-cuadrado es una de las más conocidas y utilizadas para analizar

variables nominales o cualitativas, es decir, para determinar la existencia o no
de independencia entre dos variables. Que dos variables sean independientes
significa que no tienen relación, y que por lo tanto una no depende de la otra, ni
viceversa.

Así, con el estudio de la independencia, se origina también un método para

verificar si las frecuencias observadas en cada categoría son compatibles con
la independencia entre ambas variables.

¿Cómo se obtiene la independencia entre variables?

Para evaluar la independencia entre las variables, se calculan los valores que
indicarían la independencia absoluta, lo que se denomina “frecuencias
esperadas”, comparándolos con las frecuencias de la muestra.

Como es habitual, la hipótesis nula (H0) indica que ambas variables son
independientes, mientras que la hipótesis alternativa (H1) indica que las
variables tienen algún grado de asociación o relación.

Correlación entre variables

Así, como otras pruebas para el mismo fin, la prueba chi-cuadrado se utiliza
para ver el sentido de la correlación entre dos variables nominales o de un nivel
superior (por ejemplo, la podemos aplicar si queremos conocer si existe
relación entre el sexo [ser hombre o mujer] y la presencia de ansiedad [sí o
no]).

Para determinar este tipo de relaciones, existe una tabla de frecuencias a

consultar (también para otras pruebas como por ejemplo el coeficiente Q de
Yule).

Si las frecuencias empíricas y las frecuencias teóricas o esperadas coinciden,

entonces no hay relación entre las variables, es decir, éstas son
independientes. En cambio, si coinciden, no son independientes (existe
relación entre las variables, por ejemplo entre X e Y).

Consideraciones
La prueba chi-cuadrado, a diferencia de otras pruebas, no establece
restricciones sobre el número de modalidades por variables, y no es necesario
que el número de filas y el número de columnas de las tablas coincida.

Sin embargo, sí es necesario que se aplique a estudios basados en muestras

independientes, y cuando todos los valores esperados sean mayores de 5.
Como ya hemos mencionado, los valores esperados son aquellos que indican
la independencia absoluta entre ambas variables.

Además, para utilizar la prueba chi-cuadrado, el nivel de medida debe ser

nominal o superior. No tiene un límite superior, es decir, no nos permite
conocer la intensidad de la correlación. Dicho de otro modo, el chi-cuadrado
toma valores entre 0 e infinito.

Por otro lado, si aumenta la muestra, aumenta el valor de chi-cuadrado, pero

debemos ser cautos en su interpretación, porque eso no significa que haya
más correlación.

Distribución chi-cuadrado
La prueba chi-cuadrado utiliza una aproximación a la distribución chi cuadrado
para evaluar la probabilidad de una discrepancia igual o mayor que la que
exista entre los datos y las frecuencias esperadas según la hipótesis nula.

La exactitud de dicha evaluación dependerá de que los valores esperados no

sean muy pequeños, y en menor medida de que el contraste entre ellos no sea
muy elevado.

Corrección de Yates
La corrección de Yates es una fórmula matemática que se aplica con tablas
2x2 y con una frecuencia teórica pequeña (menos de 10), para corregir los
posibles errores de la prueba chi-cuadrado.

Generalmente, se aplica la corrección de Yates o también “corrección por

continuidad” cuando una variable discreta se aproxima a una distribución
continua.

Contraste de hipótesis
Además, la prueba chi-cuadrado pertenece a las llamadas pruebas de bondad
de ajuste o contrastes, que tienen el objetivo de decidir si puede aceptarse la
hipótesis de que una muestra dada procede de una población con una
distribución de probabilidad totalmente especificada en la hipótesis nula.

Los contrastes se basan en la comparación de las frecuencias observadas

(frecuencias empíricas) en la muestra con aquellas que cabría esperar
(frecuencias teóricas o esperadas) si la hipótesis nula fuera cierta. Así, la
hipótesis nula se rechaza si existe una diferencia significativa entre las
frecuencias observadas y las esperadas.

Funcionamiento
Como hemos visto, la prueba chi-cuadrado se utiliza con datos pertenecientes
a una escala nominal o superior. A partir de chi-cuadrado, se establece una
hipótesis nula que postula una distribución de probabilidad especificada como
el modelo matemático de la población que ha generado la muestra.

Una vez tenemos la hipótesis, debemos realizar el contraste, y para ello

disponemos de los datos en una tabla de frecuencias. Se indica la frecuencia
absoluta observada o empírica para cada valor o intervalo de valores.
Entonces, suponiendo que la hipótesis nula es cierta, para cada valor o
intervalo de valores se calcula la frecuencia absoluta que cabría esperar o
frecuencia esperada.

Interpretación
El estadístico chi-cuadrado tomará un valor igual a 0 si existe concordancia
perfecta entre las frecuencias observadas y las esperadas; por contra, el
estadístico tomará un valor grande si existe una gran discrepancia entre estas
frecuencias, y consecuentemente se deberá rechazar la hipótesis nula.
Bibliografía
Lubin, P. Macià, A. Rubio de Lerma, P. (2005). Psicología matemática I y II.
Madrid: UNED.
Pardo, A. San Martín, R. (2006). Análisis de datos en psicología II. Madrid:
Pirámide.