Clase V RE (2021)

Pruebas de hipótesis
Intervalos de confianza
¿Intervalos de confianza o Significación estadı́stica?
Referencias
Lógica del contraste de hipótesis

estadı́sticas
Sergio Alvarado Orellana. MSc,PhD
Programa de Bioestadı́stica
Facultad de Medicina
Universidad de Chile
Razonamiento Estadı́stico
Magı́ster en Bioestadı́stica
Año 2021
Sergio Alvarado Orellana. MSc,PhD Razonamiento Estadı́stico

Referencias
Contenidos
1 Pruebas de hipótesis
2 Intervalos de confianza
3 ¿Intervalos de confianza o Significación estadı́stica?
4 Referencias

Referencias
Pruebas de hipótesis: Pasos para contrastar una

hipótesis
1- Formular dos hipótesis H0 (Hipótesis de Nulidad) y H1 (Hipótesis

Alternativa).
2- Construir un estadı́stico de prueba a partir de la muestra de ob-

servaciones e identificar su distribución muestral bajo la hipótesis de
nulidad.
3- Derivar una regla de decisión y elegir una de las dos hipótesis en

base a la evidencia de una muestra.
Una regla de decisión que selecciona una de las dos sentencias siguientes:
“Rechazar H0 ” o “No Rechazar H0 ”

Referencias
Surgen los problemas
En estudios analı́ticos se confunde la hipótesis de investigación con la

hipótesis estadı́stica.
Querer probar siempre significancia estadı́stica.
¿Significación estadı́stica = Significación sustantiva?

Referencias

Referencias
¿Qué es la significación estadı́stica?
Los hallazgos de un estudio cuantitativo alcanzan significación estadı́sti-

ca cuando los resultados en la población sobre la que se muestreo, no
son producto del azar sino patrones de evidencia lo suficientemente
consistentes como para ser observados a partir de muestras de tal po-
blación.

Referencias
Finalmente
La significación estadı́stica, en esencia, aporta un procedimiento por el

que se descarta el azar como explicación de lo observado, tomando para
ello un criterio de decisión que es el valor p asociado a los datos bajo
el supuesto de azar.

Referencias
Hipótesis estadı́stica
Una hipótesis estadı́stica es una conjetura restringida y operativa sobre

el valor de cierto parámetro poblacional (i.e. diferencia entre medias,
valor de un coeficiente de correlación, etc..).
Ponerla a prueba es realizar un contraste.

Referencias

Referencias

Referencias

Referencias
Hipótesis de nulidad: H0
Es lo convencional
Es lo que sabemos de la población
Es lo aceptado hasta el momento
Plantea que las muestras provienen de la misma población o dé pobla-

ciones con iguales parámetros y por lo tanto conocemos la distribución
de la estadı́stica bajo este supuesto.

Referencias
Hipótesis alternativa : H1
Es la negación a la hipótesis de nulidad
Implica cambio, sobre lo que se encuentra pre-establecido
Es lo que el investigador espera que sea cierto
Plantea que la(s) muestras provienen de poblaciones diferentes

Referencias
Debemos decidir dentro de la hipótesis alternativa si:
Los parámetros deben ser distintos (hipótesis alternativa Bilateral)
Mayores o menores (hipótesis Unidireccionales ó Unilaterales)
La decisión debe tomarse antes de elegir la muestra aleatoria.

Referencias
Los valores que obtenemos de una muestra serán estadı́sticamente signi-

ficativos, si las observaciones son muy poco probables, bajo el supuesto
que H0 es verdadera.
Es decir, si los valores obtenidos son estadı́sticamente significativos,

entonces rechazamos H0

Referencias
Cuando llevamos a cabo una Prueba de Hipótesis se pueden cometer

dos tipos de errores:
Error Tipo I:
Rechazar la hipótesis de nulidad H0 cuando es verdadera
Error tipo II:
No rechazamos la Hipótesis de nulidad H0 cuando es falsa

Referencias
Estos dos posibles errores están siempre presentes. Si se rechaza H0

verdadera, puede ser un consuelo el hecho que α es pequeño.
Deseamos que los errores no se cometan, pero como la decisión esta

tomada bajo condiciones de incertidumbre, solo podemos pedir que la
probabilidad de cometerlos sea pequeña.
Referencias
α es el nivel de significación y corresponde también a la probabilidad

de cometer el error tipo I, es decir:
α = P (RechazarH0 |H0 V erdadera)
β es la probabilidad de cometer el error tipo II
β = P (N oRechazarH0 |H0 F alsa)

Referencias
p-value o p-valor
Un valor p es la probabilidad calculada de que un resultado observado

se desvié de H0 para un tamaño muestral dado, asumiendo que H0 es
cierta en la población.

Referencias
Ejemplo
La tasa de letalidad de la fiebre tifoidea antes del uso de la cloromicetina

era de 10 %.
Para probar la eficiencia de este medicamento se tomo una muestra de

n = 100 pacientes a los cuales se les trató con cloromicetina.
De este grupo, fallecieron por fiebre tifoidea sólo dos de ellos. Basándose
en esta experiencia y utilizando un nivel de significación de 5 % ¿Se
puede afirmar que la cloromicetina disminuye la tasa de letalidad por
fiebre tifoidea?

Referencias
Planteamiento de la Hipótesis
H0 : La tasa de letalidad por fiebre tifoidea no se altera con el uso de la

cloromicetina.
H1 : La tasa de letalidad por fiebre tifoidea disminuye con el tratamiento

de cloromicetina.
Sea X la variable mortalidad por tifoidea y representa la mortalidad (1

sı́ posee la caracterı́stica, 0 no tiene la caracterı́stica) en la muestra de
100 pacientes tratados con cloromicetina.
H0 : P ≥ 0, 10 v/s H1 : P < 0, 10

Referencias
Nivel de significación: α = 5 %
Estadı́stica de prueba:
b−p0
q p
Z= p0 ×(1−p0 )
∼ N (0, 1)
n
El valor-p corresponderá a la P (Z < Zobs ), donde pb = 0, 02 es la

proporción muestral
Z= q 0,2−0,1 = −2, 667

0,10×(1−0,10)
100

Referencias
Usando la tabla Normal P (Z < −2, 667) = 0, 0038; como el valor-p

es menor o igual al nivel de significación, es decir, 0, 0038 < 0, 05 la
decisión será Rechazar H0 y se concluye que el uso de la cloromiceti-
na produce una disminución efectiva de la tasa de letalidad de fiebre
tifoidea.

Referencias
Contraste para la media en una muestra
Estadı́stica de Prueba:
Suponiendo normalidad con varianza conocida, se utiliza la distribución

normal estándar y Et se compara con zα .
x̄−µ
Et = z = √σ
n
Estadı́stica de Prueba:
Suponiendo normalidad con varianza desconocida, aquı́ se puede utili-

zar la varianza muestral y Et se contrasta con una t(n−1;α) .
x̄−µ
Et = z = √s
n

Referencias
Ejemplo:
El tiempo de incubación de ciertas especies de águilas denominadas

grandes águilas es de 35 dı́as, con una desviación estándar poblacional
de 8 dı́as.
Un grupo de investigadores realiza una campaña de terreno en 20 sitios

reproductivos de águila chilena (Geranoaetus melanoleucus) y comien-
zan a registrar el tiempo de Incubación desde el inicio de la postura en
20 nidos activos. De los 20 nidos monitoreados se observó una media
de 30 dı́as y una desviación de 7 dı́as.
¿Podemos concluir que el tiempo de incubación del águila chilena es

significativamente diferente del tiempo habitual en grandes águilas?
¿Cuál es la probabilidad de equivocarnos?

Referencias

Referencias

Referencias

Referencias

Referencias

Referencias

Referencias

Referencias

Referencias

Referencias

Referencias

Referencias
Se puede calcular n para que el parámetro empı́rico difiera del paráme-

tro poblacional una magnitud e preestablecida, con probabilidad 1 − α.
n = min{n : P (|θ − θ|
b < e) = 1 − α}

Referencias
Confianza y Precisión
La confianza en la estimación del parámetro de interés se vincula a un
intervalo y, por tanto, a la precisión del mismo.La confianza se relaciona
inversamente con la precisión; mientras más confianza se desea, menor
es la precisión, y viceversa.
Intervalos amplios:
Alta confianza
Menor precisión
Intervalos estrechos:
Baja confianza
Mayor precisión

Referencias
Volvamos al ejemplo
La tasa de letalidad de la fiebre tifoidea antes del uso de la cloromicetina

era de 10 %.
Para probar la eficiencia de este medicamento se tomo una muestra de

n = 100 pacientes a los cuales se les trató con cloromicetina.
De este grupo, fallecieron por fiebre tifoidea sólo dos de ellos. Basándose
en esta experiencia y utilizando un nivel de significación de 5 % ¿Se
puede afirmar que la cloromicetina disminuye la tasa de letalidad por
fiebre tifoidea?

Referencias

Referencias
¿Que informa mas?
¿el IC o la SE?

Referencias
Reflexiones respecto al IC y la SE
Los intervalos son mucho más informativos que el valor p.
El valor p no entrega información respecto a la magnitud de la diferencia

o asociación que se valora.
El IC provee de un recorrido de valores posibles para el valor poblacio-

nal.
El valor p genera una dicotomı́a arbitraria: se rechaza H0 o no se re-

chaza H0 .
El IC no es un sucedáneo de la SE.

Referencias
Reflexiones respecto al IC y la SE
Un IC conjuga confianza y precisión en la estimación, por ello Fisher

posiciono el nivel de significación en α = 0, 05 el cual permite alcanzar
una mayor confianza y precisión a la par.
Un IC facilita una apreciación del error muestral que la SE oculta.
El IC entrega un rango de valores admisibles para él parámetro que se

pretende estimar.

Referencias
Dos teorı́as epistemológicas bien diferenciadas
La teorı́a de estimación con ICs
Nos recuerda que nuestro conocimiento es siempre falible, incompleto

e imperfecto
v/s
La teorı́a de la decisión con sus valores p
Basada en rı́gidos valores puntuales avalados por valores p

Referencias
Referencias
A. Mood. y F. Graybill
Introducción a la Teorı́a de la Estadı́stica
Colección Ciencia y Tecnologı́a, Editorial Aguilar, 1978.
RA. Fisher.
On the Mathematical Foundations of Theoretical Statistics.
Philosophical Transaction of the Royal society of London.
Series A 222: 309-368, 1922.

Clase V RE (2021)

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Clase V RE (2021)

Cargado por

Copyright:

Formatos disponibles

Pruebas de hipótesis

Lógica del contraste de hipótesis

Sergio Alvarado Orellana. MSc,PhD

Sergio Alvarado Orellana. MSc,PhD Razonamiento Estadı́stico

3 ¿Intervalos de confianza o Significación estadı́stica?

Sergio Alvarado Orellana. MSc,PhD Razonamiento Estadı́stico

Pruebas de hipótesis: Pasos para contrastar una

1- Formular dos hipótesis H0 (Hipótesis de Nulidad) y H1 (Hipótesis

2- Construir un estadı́stico de prueba a partir de la muestra de ob-

3- Derivar una regla de decisión y elegir una de las dos hipótesis en

“Rechazar H0 ” o “No Rechazar H0 ”

Sergio Alvarado Orellana. MSc,PhD Razonamiento Estadı́stico

Surgen los problemas

En estudios analı́ticos se confunde la hipótesis de investigación con la

Querer probar siempre significancia estadı́stica.

¿Significación estadı́stica = Significación sustantiva?

Sergio Alvarado Orellana. MSc,PhD Razonamiento Estadı́stico

Sergio Alvarado Orellana. MSc,PhD Razonamiento Estadı́stico

¿Qué es la significación estadı́stica?

Los hallazgos de un estudio cuantitativo alcanzan significación estadı́sti-

Sergio Alvarado Orellana. MSc,PhD Razonamiento Estadı́stico

La significación estadı́stica, en esencia, aporta un procedimiento por el

Sergio Alvarado Orellana. MSc,PhD Razonamiento Estadı́stico

Una hipótesis estadı́stica es una conjetura restringida y operativa sobre

Ponerla a prueba es realizar un contraste.

Sergio Alvarado Orellana. MSc,PhD Razonamiento Estadı́stico

Sergio Alvarado Orellana. MSc,PhD Razonamiento Estadı́stico

Sergio Alvarado Orellana. MSc,PhD Razonamiento Estadı́stico

Sergio Alvarado Orellana. MSc,PhD Razonamiento Estadı́stico

Es lo que sabemos de la población

Es lo aceptado hasta el momento

Plantea que las muestras provienen de la misma población o dé pobla-

Sergio Alvarado Orellana. MSc,PhD Razonamiento Estadı́stico

Es la negación a la hipótesis de nulidad

Implica cambio, sobre lo que se encuentra pre-establecido

Es lo que el investigador espera que sea cierto

Plantea que la(s) muestras provienen de poblaciones diferentes

Sergio Alvarado Orellana. MSc,PhD Razonamiento Estadı́stico

Debemos decidir dentro de la hipótesis alternativa si:

Los parámetros deben ser distintos (hipótesis alternativa Bilateral)

Mayores o menores (hipótesis Unidireccionales ó Unilaterales)

La decisión debe tomarse antes de elegir la muestra aleatoria.

Sergio Alvarado Orellana. MSc,PhD Razonamiento Estadı́stico

Los valores que obtenemos de una muestra serán estadı́sticamente signi-

Es decir, si los valores obtenidos son estadı́sticamente significativos,

Sergio Alvarado Orellana. MSc,PhD Razonamiento Estadı́stico

Cuando llevamos a cabo una Prueba de Hipótesis se pueden cometer

Rechazar la hipótesis de nulidad H0 cuando es verdadera

Error tipo II:

No rechazamos la Hipótesis de nulidad H0 cuando es falsa

Sergio Alvarado Orellana. MSc,PhD Razonamiento Estadı́stico

Estos dos posibles errores están siempre presentes. Si se rechaza H0

Deseamos que los errores no se cometan, pero como la decisión esta

α es el nivel de significación y corresponde también a la probabilidad

α = P (RechazarH0 |H0 V erdadera)

β es la probabilidad de cometer el error tipo II

β = P (N oRechazarH0 |H0 F alsa)

Sergio Alvarado Orellana. MSc,PhD Razonamiento Estadı́stico

Un valor p es la probabilidad calculada de que un resultado observado

Sergio Alvarado Orellana. MSc,PhD Razonamiento Estadı́stico

La tasa de letalidad de la fiebre tifoidea antes del uso de la cloromicetina

Para probar la eficiencia de este medicamento se tomo una muestra de