Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Loja- Ecuador
2 009
ii
iii
TABLA DE CONTENIDOS
Página
3.1. INTRODUCCIÓN
Decisión tomada
Carácter de la hipótesis Aceptación Rechazo
La hipótesis es falsa Error tipo II Correcta
La hipótesis es verdadera Correcta Error tipo I
Entonces, siempre que se tome una decisión acerca de una hipótesis, es necesario
minimizar la posibilidad de cometer error tipo II, ya que como se mencionó, la
probabilidad de cometer error tipo I, es fijada por el investigador.
µ < µo
µ = µo
µ > µo
1. Ho: µ = µo
Ha: µ ≠ µo
2. Ho: µ ≤ µo
Ha: µ > µo
3. Ho: µ ≥ µo
Ha: µ < µo
2
En el primer caso se tiene lo que se conoce como hipótesis bilateral o de dos colas,
puesto que la hipótesis alterna puede estar a cualquiera de los dos lados del valor
promedio; mientras que en los casos 2 y 3, se tienen hipótesis de una cola o unilaterales.
Ahora bien, para decidir si se rechaza o no la hipótesis planteada, se tendrá que
determinar un evento que sirva como criterio para tomar una decisión. La
determinación de este evento se basa en los mismos principios que los utilizados para la
construcción de los límites de confianza; es decir, por el teorema del límite central se
sabe que:
⎛ σ2 ⎞
x ~ N ⎜⎜ µ , ⎟⎟
⎝ N ⎠
Donde x es el promedio de una muestra para una variable X cualquiera.
⎛ σ2 ⎞
Pero si µ = µo; entonces: x ~ N ⎜⎜ µ O , ⎟⎟
⎝ N ⎠
y por lo tanto, la población hipotética la suponemos normalmente distribuida con una
media igual a µo y varianza σ2. Entonces, utilizando las propiedades de la distribución
normal se establece el evento que servirá como criterio para tomar una decisión.
Ho: µ = µo
Ha: µ ≠ µo
entonces, el evento que se utilizará como criterio para no rechazar la Ho será:
x1 < x < x2
σ σ
x1 = µ o − Z α / 2 y x 2 = µo + Zα / 2
n n
Como el criterio para tomar una decisión está basado en las siguientes
consideraciones:
( <
Pr x 1 x < x2 = 1−α , ) si Ho es cierta (Pr = probabilidad)
Se dice que se ha considerando como criterio para tomar una decisión un evento
que tiene una alta probabilidad de ocurrencia, cuando la Ho es cierta.
3
Ho: µ ≥ µo
Ha: µ < µo
El evento cuya ocurrencia sirve para tomar la decisión de no rechazar la Ho será:
x > x1
σ
en donde si la varianza es conocida: x1 = µ o − Z α
n
s
pero si la varianza no es conocida: x 1 = µ o − tα
n
( )
Pr x > x 1 = 1 − α , si Ho es cierta
Ho: µ ≤ µo
Ha: µ > µo
σ
en donde si la varianza es conocida: x1 = µ o + Z α
n
s
y si la varianza no es conocida: x1 = µ o + tα
n
( )
Pr x < x 1 = 1 − α , si Ho es cierta
x1 < x < x2
(
Pr x 1 )
< x < x 2 = β , si µ = µ1
Ejemplo 3.1. Se desea probar que el rendimiento promedio de raíces por planta del
cultivar ECU-512 de zanahoria blanca es igual o menor a 1,015 kg. Se decide
utilizar un nivel de significación del 5% y una muestra al azar de 36 plantas.
De pruebas agronómicas anteriores con este cultivo, se conoce que la
varianza σ2 = 0,0625. Entonces, se tiene la siguiente situación:
Suposiciones:
a) Se trata de una población normal de plantas de zanahoria blanca.
b) Se ha realizado un muestreo al azar
c) La varianza es conocida
x < x1
En donde:
σ
x1 = µ o + Z α
n 1,015 1,084
0,25
x1 = 1,015 + 1,645 = 1,084
36
( )
Pr x < 1,084 = 0,95 , si µ es 1,015
Por otro lado, como ya hemos visto, si el promedio poblacional es un valor distinto,
se tiene que la probabilidad esperada no es igual 1— α, sino es igual a β (error tipo II),
porque se estaría aceptando una hipótesis falsa como verdadera, así:
(
Pr x < 1,084 = β , ) si µ = µ1
5
1. Si: µ1 = 1,018
1,084 − 1,018
z= = 1,57 0,9418
0,25
36
1,084
Luego: Pr ( z < 1,57) = 0,9418 1,018
2. Si: µ1 = 1,025
1,084 − 1,025
z= = 1,41 0,9207
0,25
36
1,084
Luego: Pr ( z < 1,41) = 0,9207 1,025
3. Si: µ1 = 1,035
1,084 − 1,035
z= = 1,17 0,8790
0,25
36
1,084
1,035
Luego: Pr ( z < 1,17) = 0,8790
4. Si: µ1 = 1,050
1,084 − 1,050
z= = 0,81 0,7910
0,25
36
1,050 1,084
Luego: Pr ( z < 0,81) = 0,7910
5. Si: µ1 = 1,1
1,084 − 1,1
z= = −0,38
0,25
0,3520
36
1,1 1,084
Luego: Pr ( z < - 0,38) = 0,3520
6
Se puede observar que la magnitud del error tipo II, (β), es inversamente
proporcional al grado de falsedad, mientras que la potencia de prueba (1- β), es
directamente proporcional, lo que se puede apreciar en el Cuadro 3.1, Para una media µo =
1,015 y n = 36.
Cuadro 3.1. Relaciones entre la magnitud del error tipo II, con el grado de falsedad de la hipótesis
y la potencia de prueba.
µ1 |µo - µ1| β 1-β
1,018 0,003 0,9418 0,0582
1,025 0,010 0,9207 0,0793
1,035 0,020 0,8790 0,1210
1,050 0,035 0,7910 0,2090
1,100 0,085 0,3520 0,6480
1,150 0,135 0,0582 0,9418
1,200 0,185 0,0029 0,9971
+ 1,645
- 1,280
Fig. 3.1 Representación de dos poblaciones normales para ilustrar el cálculo del error tipo II
(Tomado de Fegan, García y Angeles, 1981)
0,25
x 1 = 1,015 − 1,280 (de la tabla Z0,10 = 1,280)
n
7
0,25 0,25
1,015 + 1,645 = 1,015 − 1,28
n n
0,25(1,645 + 1,280)
n= = 20,893
1,050 − 1,015
Esto significa que si se trabaja con una muestra de por lo menos 437 individuos,
existe la posibilidad de que el error tipo II (β), no sea mayor de 0,10 como fue el deseo
del investigador.
Ejemplo 3.2. Cual es el evento que nos sirve como criterio para tomar la decisión de no
rechazar la hipótesis de que la altura de planta promedio de la raza de
quinua "Pichincha" es igual o menor a 1,2 m, con un nivel de significación del
5%?Considere n = 20 y s2 = 0,12.
Entonces, se tiene la siguiente situación:
( )
Luego, se establece el evento x 1 , que sirve para tomar la decisión de aceptación o
rechazo de la hipótesis planteada, Ho, en este caso es:
x < x1
s
En donde: x1 = x + tα
n
α = 0,05
tα(gl) = t0,05(19) = 1,7291
()
Se establece como conclusión que si el promedio de la muestra x , es menor que
el valor crítico (1,33), no existe evidencia suficiente para rechazar la Ho, en caso contrario
se rechaza.
Tarea para el alumno (1). Ejemplo 3.3. Si se desea probar la hipótesis de que el DAP
promedio de los árboles de un bosquete de canelo de 15 años de edad es de 40 cm.
¿Cuál es el evento que permite tomar una decisión si el nivel de significación es del
1%? Considere n = 15 y s2 = 4.
8
1. Ho : σ2 = σ o2
Ha : σ2 ≠ σ o2
2. Ho : σ2 ≥ σ o2
Ha : σ2 < σ o2
3. Ho : σ2 ≤ σ o2;
Ha : σ2 > σ o2
El evento que se utiliza como criterio para tomar una decisión acerca de la
hipótesis se determinará en base al conocimiento que tenemos de que:
(n − 1)s 2 ≈ χ 2
( n −1)
σ 2
El evento que servirá como prueba para tomar una decisión en cada una de las
situaciones planteadas anteriormente será:
1. Ho : σ2 = σ o2
Ha : σ2 ≠ σ o2
No se rechaza la hipótesis planteada si se cumple el siguiente evento:
χ 2 α < χ calc
2
< χ α2
1−
2 2
en donde: χ2α y χ α2
1−
2 2
son los valores tabulares correspondientes a n-1 grados de libertad. La justificación para la
elección del evento está en que:
9
⎡ ⎤
Pr ⎢ χ 2 α < χ calc
2
< χ α2 ⎥ = 1 − α
⎣ 1− 2 2 ⎦
2. Ho : σ2 ≥ σ o2;
Ha : σ2 < σ o2
[
Pr χ calc
2
]
> χ 12−α = 1 − α , cuando σ2 = σ o2 es cierto (si esto no es cierto se comete
error de tipo II)
3. Ho : σ2 ≤ σ o2
Ha : σ2 > σ o2
[
Pr χ calc
2
]
< χ α2 = 1 − α , cuando σ2 = σ o2
En donde: χ calc
2
=
(n − 1)s 2 =
19s 2
σ o2 200
De la tabla de Ji-Cuadrado
χ α2 = χ 02,10 = χ 02, 05(19 ) = 30,1435
( gl ) (19 )
2 2
χ 2
α = χ 2 0,10 = χ 02,95(19 ) = 10,1170
1− ( gl ) 1− (19 )
2 2
10
19 s 2
O sea que si: 10,1170 < < 30,1435 , no se rechaza la hipótesis planteada.
200
También el evento se podría plantear con relación al valor del estadístico s2, de la
siguiente manera:
(10,1170)(200) (30,1435)(200)
< s2 <
19 19
1. Ho : σ21 = σ22
Ha : σ21 ≠ σ22
2. Ho : σ21 ≥ σ22
Ha : σ21 < σ22
3. Ho : σ21 ≤ σ22
Ha : σ21 > σ22
En el primer caso, se tendrá una hipótesis bilateral, mientras que en los dos
restantes, las hipótesis planteadas son unilaterales.
Para el establecimiento del evento que servirá como criterio para tomar una
decisión se partirá del conocimiento siguiente:
σ 2
2
y si σ21 = σ22,
s12
entonces: 2
~ Fnn21−−11
s2
s12
luego la variable de prueba será:
s 22
Los eventos que servirán como criterio para tomar una decisión en cada una de las
situaciones planteadas será:
1. Ho : σ21 = σ22
Ha : σ21 ≠ σ22
s12
No se rechaza la Ho, si se cumple el siguiente evento: F α < < Fα
1−
2
s 22 2
⎡ s12 ⎤
Pr ⎢ F α < < Fα ⎥ = 1 − α , si σ21 = σ22
⎣ 1− 2 s 22 2 ⎦
2. Ho : σ21 ≥ σ22
Ha : σ21 < σ22
s12
No se rechaza la Ho, si se cumple el siguiente evento: > F1−α
s 22
⎡s2 ⎤
Pr ⎢ 12 > F1−α ⎥ = 1 − α , si σ21 = σ22
⎣ s2 ⎦
12
3. Ho : σ21 ≤ σ22
Ha : σ21 > σ22
s12
No se rechaza la Ho, si se cumple el siguiente evento: < Fα
s 22
en donde: Fα , es el valor tabular de la distribución de F para n1 − 1) y (n2 − 1) grados de
libertad. La elección del evento se justifica en el hecho de que:
⎡s2 ⎤
Pr ⎢ 12 < Fα ⎥ = 1 − α , si σ21 = σ22
⎣ s2 ⎦
Ejemplo 3.5. Cual es el criterio a utilizar para comprobar que la variabilidad del
rendimiento de la población "Bahamas" de café, es igual a la variabilidad del
rendimiento de la población "Payamino mejorada", ambas sembradas bajo
sombra de Pachaco. Considere un nivel de significación del 2% y tamaños de
muestra de 15 y 12 plantas respectivamente.
s12
No se rechaza la Ho, si se cumple el siguiente evento: F1114 ( 0,99 ) < < F1114 ( 0, 01)
s 22
1
en donde (artificio): F1114 ( 0,99 ) = 11
F
14 ( 0 , 01)
de la Tabla de F:
1
Luego: F1114 ( 0,99 ) = =0,259
3,86
1. Ho : µ1 = µ2 ; Ho : µ1 - µ2 = 0
Ha : µ1 ≠ µ2 ; Ha : µ1 - µ2 ≠ 0
2. Ho : µ1 ≥ µ2 ; Ho : µ1 - µ2 ≥ 0
Ha : µ1 < µ2 ; Ha : µ1 - µ2 < 0
3. Ho : µ1 ≤ µ1 ; Ho : µ1 - µ2 ≤ 0
Ha : µ1 > µ2 ; Ha : µ1 - µ2 > 0
El evento que se va a definir como criterio para tomar una decisión se sustenta en
el conocimiento de que:
(x 1 ) ⎛ σ σ ⎞
− x 2 ~ N ⎜⎜ µ1 − µ 2 , 1 + 2 ⎟⎟
⎝ n1 n 2 ⎠
Importante: Para determinar los valores críticos de la variable de prueba se presentan los
siguientes casos:
Tomando en cuenta las situaciones expuestas, el evento que servirá como criterio
para la toma de una decisión en cada una de las situaciones planteadas será:
1. Ho : µ1 - µ2 = 0
Ha : µ1 - µ2 ≠ 0
No se rechaza la hipótesis planteada si se tiene la ocurrencia del evento siguiente:
(x 1 − x2 )
1 < (x 1 − x2 ) < (x 1 − x2 )2
[(
Pr x 1 − x 2 )
1 < (x 1 − x2 ) < (x 1 − x2 ) ]= 1−α ,
2 cuando µ1 = µ2
14
Para el cálculo de los valores críticos se presentan las siguientes tres situaciones:
a. MUESTRAS GRANDES, lo que significa varianzas conocidas, por lo tanto los valores
críticos se calculan de la siguiente manera:
(x 1 − x2 )
1 = 0 − Zα
σ 12
n1
+
σ 22
n2
y (x 1 − x2 )
2 = 0 + Zα
σ 12
n1
+
σ 22
n2
2 2
(x 1 − x2 )
1
⎛1 1 ⎞
= 0 − t α s 2p ⎜⎜ + ⎟⎟ y (x 1 − x2 )
2
⎛1 1 ⎞
= 0 + t α s 2p ⎜⎜ + ⎟⎟
2 ⎝ n1 n2 ⎠ 2 ⎝ n1 n 2 ⎠
en donde:
tα/2 = valor tabular de la distribución de t de Student para [(n1 + n2) -2] grados de libertad
s 2
=
(n1 − 1)s12 + (n2 − 1)s 22
p
(n1 + n2 ) − 2
c. MUESTRAS PEQUEÑAS, lo que supone varianzas desconocidas, pero desiguales. En
este caso, los valores críticos se calculan de la siguiente manera:
(x 1 − x2 )
1 = 0 − t α'
s12 s 22
+
n1 n2
y (x 1 − x2 )2 = 0 + t α'
s12 s 22
+
n1 n2
2 2
⎛ s2 ⎞ ⎛ s2 ⎞
t1 ⎜⎜ 1 ⎟⎟ + t 2 ⎜⎜ 2 ⎟⎟
t α' = ⎝ 2⎠ ⎝ n2 ⎠
n1
en donde
s1 s 22
2
+
n1 n2
Del mismo modo, se aplican los eventos y se calculan los valores críticos para las otras dos
alternativas es decir para:
2. Ho : µ1 ≥ µ2 ; Ho : µ1 - µ2 ≥ 0
Ha : µ1 < µ2 ; Ha : µ1 - µ2 < 0
3. Ho : µ1 ≤ µ1 ; Ho : µ1 - µ2 ≤ 0
Ha : µ1 > µ2 ; Ha : µ1 - µ2 > 0
También se consideran si las varianzas son conocidas o desconocidas y en el último caso si
son homogéneas o heterogéneas. Además, puesto que en este caso se trabajaría con
hipótesis unilaterales, los valores tabulares para z y t deberían ser con probabilidad de α,
en lugar de α/2.
15
Se desea probar si los dos productos químicos ejercieron igual acción sobre la
dormancia del duraznero. Usar un nivel de significancia de 10%. La resolución de este
problema se realiza en dos pasos diferentes:
Ho : σ2A = σ2B
Ha : σ2A ≠ σ2B
α = 0,10
s12
No se rechaza la Ho si el evento siguiente tiene ocurrencia: F α < < Fα
1−
2
s 22 2
Donde:
1 1
F α = F56 ( 0,95) = 5
= = 0,23
1− F 4,387
2 6 ( 0 , 05 )
s 2A
= 1,101
s B2
Ho : µA = µB
Ha : µA ≠ µB
α = 0,10
(x A − xB )1 < (x A − xB ) < (x A − xB )
2
Los valores críticos para este evento se calculan a continuación, usando valores tabulares
de t por ser varianzas desconocidas:
s 2p =
(n1 − 1)s12 + (n2 − 1)s 22 = (7 − 1)(27888,02) + (6 − 1)(25333,04 ) =26726,67
(n1 + n2 ) − 2 (7 + 6) − 2
De la tabla t: t α = t 0,10 = t 0,05 (11) = 1,7959 (Tabla: da valor de 1 cola. Para 2 colas α/2)
( gl ) (7 + 6 −2 )
2 2
(x A − xB )
1
⎛ 1
= 0 − t α s 2p ⎜⎜ +
1 ⎞ ⎛ 1 1⎞
⎟⎟ = 0 − 1,7959 26726,67⎜ + ⎟ = - 163.34
2 ⎝ n A nB ⎠ ⎝7 6⎠
(x A − xB )
2
⎛ 1
= 0 + t α s 2p ⎜⎜ +
1 ⎞ ⎛ 1 1⎞
⎟⎟ = 0 + 1,7959 26726,67⎜ + ⎟ = 163,34
2 ⎝ n A nB ⎠ ⎝7 6⎠
A = 7, 6, 6, 5, 7
B = 10, 5, 2, 7, 8, 6
Ho: µ1 = µ2 = ... = µk
Ha: al menos una µi es diferente
Estas son exactamente las mismas suposiciones básicas de las que parte el análisis
de varianza bajo cualquier modelo o diseño experimental aplicado. Es decir, que bajo
estos supuestos se están comparando las medias de las k poblaciones normales de cada una
de las cuales, se va a extraer una muestra al azar de n observaciones, las cuales pueden
ser explicadas a través de un modelo lineal aditivo, por ejemplo el siguiente modelo:
Donde:
i = 1, …, k
j = 1, …, n
µ = media general
τi = efecto del i-ésimo tratamiento
eij = efecto aleatorio del error
este diseño es flexible en cuanto al número de medias cuya igualdad se quiere probar
(número de tratamientos), también es flexible en cuanto al número de observaciones por
tratamiento, teniendo como única limitante que mientras más grande es el número de
observaciones por tratamiento y más grande es el número de tratamientos, más difícil será
la obtención de material experimental (unidades experimentales) homogéneo.
⎛ ⎞
∑ ∑⎜Y − Y⎟
2
(
= n ∑ yi − y )2 + ∑∑ (y − yi )
2
i j⎝ ⎠ ij
ij
i i j
Donde:
2
⎛ ⎞
∑ ∑⎜Y − Y⎟ Representa la variación total o suma de cuadrados total, con n(k-1) grados
i j ⎝ ij ⎠
de libertad
(
n ∑ yi − y )2 Representa la variación atribuible a tratamientos o suma de cuadrados de
i
tratamientos, con (k-1) grados de libertad
∑∑ (y )
2
ij − yi Representa la variación dentro de tratamientos, atribuible al error o suma
i j
de cuadrados del error experimental, con k(n-1) grados de libertad
Tratamientos k-1 n ∑ yi − y ( )2 (
n∑ yi − y )2
i i = S2M
k −1
∑∑ (y ) ∑∑ (y )
2
− yi
2
Error k(n-1) ij − yi ij
= S2e
i j i j
k (n − 1)
2
Total nk-1 ⎛ ⎞
∑ ∑⎜Y − Y⎟
i j⎝ ⎠
ij
Luego estas varianzas: (S2M), que se debe a tratamientos (poblaciones cuya igualdad
de medias se quiere probar) y (S2e), que se debe a la variación residual, conocida también
19
⎛ s2 ⎞
⎜ ⎟
como la varianza del experimento, se pueden relacionar ⎜ M ⎟ , y su resultado, comparar
2 ⎜ s ⎟
⎝ e ⎠
con los valores referenciales de F tabular, con (k-1) y k(n-1) grados de libertad y para las
probabilidades escogidas por el investigador. Es decir que la prueba de igualdad para
grupos de medias poblacionales, se convierte en una prueba de significación de la relación
de varianzas, cuya significación nos dirá que al menos una media es diferente de las
demás, aceptándose la hipótesis alternativa planteada inicialmente.
BIBLIOGRAFIA
Texto Adaptado del documento del Dr. Carlos Nieto Cabrera. Docente de la Maestría
en Agroforestería del Trópico Húmedo de la Universidad Nacional de Loja. 2002.