Intervalos de confianza de una población

 
p( x − z / 2    x + z / 2 )=1-α
n n
s s
p( x − t / 2    x + t / 2 )=1-α
n n
p(𝑝̂ − 𝑧𝛼/2√𝑝̂𝑞𝑛̂ < 𝑝 < 𝑝̂ + 𝑧𝛼/2√𝑝̂𝑞𝑛̂)=1-α

En R recuerden que los valores críticos son con

qnorm, qt, qchisq
 PRUEBAS DE HIPÓTESIS
Formulario de Estadísticos
Tecnológico de Monterrey
ESTADÍSTICOS DE PRUEBA DE UNA POBLACIÓN
Para media Para proporción Para Varianza
𝑋̄ − 𝜇 𝑝̅ − 𝑃 ∗
𝜒 2 = 𝜎2 ,
(𝑛−1)𝑆 2
𝑍∗ = 𝜎 𝑍∗ =
√𝑛 √𝑃(1 − 𝑃) Suponiendo población
Con  conocida y: n grande o Población Normal
𝑛 normal.
𝑋̄−𝜇 Donde 𝑝̂ es proporción de la muestra y P es
𝑍∗ = 𝑠 , proporción de Población (bajo el supuesto
√𝑛 de que H0 es cierta).
Con  desconocida y n grande
𝑋̄ − 𝜇 Para muestra grande (np >5 y nq > 5).
𝑇∗ =
𝑆
√𝑛
Con Población Normal y  desconocida y n < 30

Estos se comparan con los valores críticos o se usan para calcular el valor-p
 Criterio del valor-p: si el valor-p<=alfa, se tiene evidencia para rechazar Ho y entonces lo
más probable es lo de la Ha (alternativa). Ya que el valor-p nos dice cuál es la probabilidad
de tener otro valor como el de esta muestra o uno más extremo bajo el supuesto de la Ho
cierta
Signo de la Hipótesis Alternativa Ubicación de alfa=probabilidad de Calculo del valor-p (se ubica hacia
rechazar Ho si fuera cierta el mismo lado que el alfa)
< Todo el alfa se localiza en el P(Estadístico Prueba<Ecalculado)
extremo izquierdo
> Todo el alfa se localiza en el P(Estadístico Prueba>Ecalculado)
extremo derecho
≠ La mitad del alfa se ubica del lado P(Estadístico Prueba<-
izquierdo y la mitad del alfa de lado Ecalculado)+P(Estadístico
derecho Prueba>Ecalculado)

NOTA:
Ecalculado=Valor del Estadístico de Prueba calculado con los datos de la muestra. Este cambia
Según el parámetro de las hipótesis y dependiendo de la información que brinda en cada problema.
Por ejemplo si las Hipótesis son sobre la diferencia de medias poblacionales, se puede usar Z o T-student
Dependiendo de si tenemos distribuciones Normales, si conocemos o no las desviaciones poblacionales y
de los tamaños de muestra.
 Lectura de valores críticos en R
Hipótesis sobre Signo Valor o Valores críticos Función en R
Parámetro Ha
µ ≠ -Zα/2 y Zα/2 abs(qnorm(α/2)
-tα/2 y tα/2 abs(qt(α/2,n-1)

> Zα qnorm(1-α)
tα qt(1-α,n-1)

< -Zα qnorm(α)

-tα qt(α,n-1)

ơ2 ≠ χ2α/2 y χ21-α/2 qchisq(α/2,n-1) y

qchisq(1-α/2,n-1)
> χ21-α qchisq(1-α,n-1)
< χ2α qchisq(α,n-1)
p ≠ -Zα/2 y Zα/2 abs(qnorm(α/2)

> Zα qnorm(1-α)

< -Zα qnorm(α)

 Si les dieran la lista de datos de la muestra entonces pueden usar estás funciones del R

• Para la prueba de hipótesis de una media con Z

instalar la librería (BSDA)

x=valores de la variable en la muestra puede ser ingresada como vector o leer una base de datos y elegir la variable deseada
z.test(x, mu=valor en hipótesis, alternative="two.sided" o "less" o "greater", conf.level=1-alfa, sigma.x=valor de la varianza de la
población de x)

Nota cuando n es grande se puede utiliza como estimador de sigma.x la desviación de la muestra y usar la función de sd(x)

• Para la prueba de hipótesis de una media con t-student

x=valores de la variable en la muestra puede ser ingresada como vector o leer una base de datos y elegir la variable deseada
t.test(x, mu=valor en hipótesis, alternative="two.sided" o "less" o "greater", conf.level=1-alfa)

• Para la prueba de hipótesis de una proporción

x=exitos en la muestra
n=tamaño de muestra
prop.test(x, n, p=valor en hipótesis, alternative="two.sided" o "less" o "greater", conf.level=1-alfa, correct=FALSE)
Cuidado usa otro estadístico de Prueba que no es Z pero cuando n es grande se parecen los resultados del valor-p
indicando que no deseamos la correción por continuidad con correct=FALSE.