CONTRASTES DE HIPÓTESIS

T de Student

Purificación VICENTE GALINDO

PROFESORA TITULAR de Estadística e Investigación Operativa
DIRECTORA DEL DEPARTAMENTO DE ESTADÍSTICA
COORDINADORA del Programa de Doctorado Estadística Multivariante Aplicada
Universidad de Salamanca. España

purivg@usal.es
2021
1 PLANTEAMIENTO DEL PROBLEMA

2 DATOS

3 DESCRIPCIÓN DE LA MUESTRA

REGRESIÓN y CORRELACIÓN
4

CONTRASTES DE HIPÓTESIS
5
ANÁLISIS RELACIÓN ENTRE UNA
VARIABLE CUANTITATIVA Y OTRA
CUALITATIVA

Y (cualitativa): Género
X (cuantitativa): Peso

¿El Peso depende del Género?

 Y (cualitativa): Género

X (cuantitativa): Peso

n=24
13 varones
11 mujeres
Ho: El Peso es independiente del
Género

Ha: El Peso depende del Género

¿Existe relación entre PESO y GÉNERO?

Si sabemos que el peso medio de

varones y mujeres es el mismo,
podemos afirmar que el PESO NO
DEPENDE del GÉNERO
¿Existe relación entre las variables?

CONTRASTE DE COMPARACIÓN
DE LA TENDENCIA CENTRAL
CONTRASTE PARA LA IGUALDAD DE TENDENCIA CENTRAL

H0: µ1=µ2
NORMALES µ1¹µ2
Ha: µ1>µ2
1 µ1<µ2

TIPO DE
DATOS

H0: Me1= Me2

2 NO NORMALES
Me1¹ Me2
Ha: Me1> Me2
Me1<Me2
 CONTRASTE PARA LA IGUALDAD DE TENDENCIA
CENTRAL

H0: µ1=µ2

INDEPEND.

1
NORMALES

APAREADOS.
TIPO DE
DATOS
H0: µ1=µ2

M. GRANDES

INDEPEND.

1
NORMALES M. PEQUEÑAS

TIPO DE
DATOS
H0: µ1=µ2 Nivel de confianza 95%

M. GRANDES

Normal

(x 1 − x2 ) >1.96
?
INDEPEND.

1.1 2 2
S 1S 2 Valor crítico Z
+
Variabilidad esperada
n n
de la diferencia
1 de 2medias

t de Student
M. PEQUEÑAS Valor crítico t

t >z
Si tamaño muestral ≥ 30 los valores críticos coinciden
H0: µ1=µ2

M. GRANDES

Si el valor experimental > valor crítico

INDEPEND.

1.1 p-valor <0.05

Rechazamos la igualdad de medias

M. PEQUEÑAS Las dos variables están relacionadas

 t n1+n2 −2 =
(x − x )
1 2

2
"1 1%
S $ + '
INDEPEND.
IGUALES Test t # n1 n2 &
2 2
(
S2 = 1
n −1) S1 + ( n2 −1) S2

n1 + n2 − 2
1.2 M. PEQUEÑAS

VARIANZAS
tw =
(x − x )
1 2

DESCONOCIDAS
t Welch S12 S22
+
n1 n2
2
DISTINTAS " S12 S22 %
Gosset $ + '
# n1 n2 &
f= 2 2
−2
" S1 % " S2 %
2 2
$ n' $ n '
# 1& # 2&
+
STUDENT n1 +1 n2 +1
 Ho: µ1=µ2
Ho: s1=s2
Otro ejemplo:
Con el fin de saber si existen diferencias en el
nivel medio de conocimiento de la asignatura de
Bioestadística en dos facultades diferentes, se
seleccionaron dos grupos de alumnos de primer curso, y
se les propuso un test de 100 preguntas. Los resultados
para el número de aciertos fueron:

Facultad 1
Facultad 2x 1 = 31 x 2 = 43.4
s1 = 12 s2 = 17
n1 = 32 n2 = 41
Ho: El nivel de conocimientos es independiente de la Facultad

H 0 = µ1 = µ 2 z=
(x − x )
1 2

2 2
S S
Ha = µ1 ≠ µ 2 1
+ 2
n1 n2

(31− 43.4) −12.398

Z= = ≈ −3.65 > 1.96
" 12 2 17 2 % 3.398
$ + '
# 32 41 &
p-valor < 0.05
CONCLUSIÓN: El rendimiento DEPENDE de la Facultad