Documentos de Académico
Documentos de Profesional
Documentos de Cultura
6 Contrastes ADE 2022-23 Presentacià N
6 Contrastes ADE 2022-23 Presentacià N
Contrastes de Hipótesis
Nota: La hipótesis nula suele siempre incluir la igualdad y es la hipótesis que mantendremos a no
ser que los datos indiquen su falsedad (evidencias suficientes).
Por ejemplo, si nos planteamos como interés saber si “hay la misma proporción de fallos en
un proceso productivo que de aciertos” (H0: p = 0,5) tomaremos la decisión de aceptar o
rechazar en base a la información de nuestra muestra. Cuando esta evidencia muestral
difiera mucho de la hipótesis, rechazaremos la hipótesis planteada. Por ejemplo, si en
nuestra muestra la proporción muestral de fallos es muy distinta de la proporción teórica
de errores. Consecuentemente estaremos aceptando que es diferente (H1: p ≠ 0,5)
El proceso de decisión consistirá en determinar si la información muestral (datos) ha
proporcionado evidencias para rechazar la hipótesis nula. En ese sentido debemos
entender que la hipótesis nula o de interés de alguna forma es la que hemos supuesto
como correcta y no debería ser realmente probada, de ahí que su aceptación no implica
necesariamente que sea correcta sino que la evidencia empírica no ha proporcionado
datos suficientes como para rechazarla.
Nota: El nivel de significación α (error tipo I) que se prefija es normalmente bajo: 1%, 5%, 10%
𝐇𝟎 : 𝛍 = 𝟏𝟎
ቊ
𝐇𝟏 : 𝛍 > 𝟏𝟎
2. Elección del estadístico de contraste.
Nuestro contraste se interesa por la media de la población, y parece natural
basarse en un estimador adecuado de la media. Sabemos que un buen estimador
ഥ por lo que nuestro estadístico de contraste se basará
de ella es la media muestral X
en este estimador.
3. Fijaremos el nivel de significación α o probabilidad del error tipo I. A modo de
ejemplo podemos tomar α=0,05 (5%).
La obtención del valor crítico A se hace a partir de la distribución del estadístico (en
este caso normal) de forma que la región de rechazo tenga el tamaño (probabilidad de
error tipo I = α).
Si la hipótesis nula H0 es cierta, para una muestra grande, 𝐇 : 𝛍 = 𝟏𝟎
ቊ 𝟎
𝐒𝐜 ഥ − 𝟏𝟎
𝐗 𝐇𝟏 : 𝛍 > 𝟏𝟎
ഥ ≈ 𝐍 𝟏𝟎,
𝐗 o ≈ 𝐍 𝟎, 𝟏
𝐧 𝐒𝐜 ഥ ≈ 𝐍 𝛍, 𝐒𝐜 si n grande
𝐗
𝐧 𝐧
El estadístico tomará
𝐇 : 𝛍 = 𝟏𝟎
ቊ 𝟎 valores en la cola derecha
𝐇𝟏 : 𝛍 > 𝟏𝟎 si es cierta la alternativa
Región de Aceptación Región de Rechazo
El estadístico tomará
𝐇𝟎 : 𝛍 = 𝟏𝟎 valores en la cola
ቊ izquierda si es cierta la
𝐇𝟏 : 𝛍 < 𝟏𝟎
alternativa
Región de Rechazo Región de Aceptación
El estadístico tomará
valores en la cola derecha
𝐇𝟎 : 𝛍 = 𝟏𝟎
ቊ o izquierda si es cierta la
𝐇𝟏 : 𝛍 ≠ 𝟏𝟎 alternativa
Región de Rechazo Región de Aceptación Región de Rechazo
Región de Aceptación
Región de Rechazo
10%
𝐇𝟎 : 𝛍 = 𝟏𝟎
ቊ 𝛂 = 𝟎. 𝟎𝟓 𝟓% significación
𝐇𝟏 : 𝛍 > 𝟏𝟎
Etapas en la resolución de un contraste de hipótesis:
1. Especificar las hipótesis nula H0 y alternativa H1
2. Elegir un estadístico de contraste apropiado basado en la muestra aleatoria
3. Fijar el nivel de significación α
4. Construir las regiones de aceptación y rechazo o crítica para el contraste
5. Evaluar el estadístico de contraste a partir de la realización muestral
6. Decidir si el contraste es estadísticamente significativo (no aceptamos H0) o no al
nivel de significación prefijado.
𝐇𝟎 : 𝛍 = 𝟏𝟎
X tiempo de producción ቊ 𝛂 = 𝟎. 𝟎𝟓 𝟓% significación
𝐇𝟏 : 𝛍 > 𝟏𝟎
σ desconocida
𝐭 𝐧−𝟏 = 𝐭 𝟏𝟗
𝛂 = 𝟎. 𝟎𝟓
𝐇𝟎 : 𝛍 = 𝟏𝟎
ቊ
𝐇𝟏 : 𝛍 > 𝟏𝟎
Región de Aceptación Región de Rechazo
No sabemos realmente si el
5% rechazo es más o menos claro
Valor del estadístico de contraste
porque la metodología expuesta
no indica cuán cerca o lejos está
el estadístico de contraste del
valor crítico (esto depende de la
distribución del estadístico de
contraste bajo la hipótesis nula)
Nota: Cuanto menor sea el p-valor más seguridad tenemos a la hora de rechazar H0 . Un p-valor grande nos da
más seguridad a la hora de aceptar H0
Nota: Es el nivel de significación que deja al estadístico en el “borde” de la región de rechazo, el mínimo valor de
la significación que lleva a rechazar la hipótesis nula
Esto permite concluir en un contraste fijadas unas condiciones de investigación
(significación) entendiendo el p-valor como el mínimo nivel de significación al que
aceptaríamos la hipótesis nula… p-valor pequeño → alejadas la muestra y H 0
p-valor grande → cerca la muestra y H0
p-valor
Valor del estadístico de contraste
α
Nota: En la práctica científica se suele considerar que si el p-valor es inferior a 0,01 se rechaza la
hipótesis nula, un p-valor superior a 0,1 indica que se acepta la hipótesis nula y los casos en los que
0,01<p-valor<0,1 no son determinantes.
El p-valor indica la probabilidad de que el estadístico esté justo en el límite del área de
rechazo. En su cálculo debe tenerse en cuenta la estructura de la región crítica o de
rechazo.
𝐇 : 𝛍 = 𝟏𝟎 Probabilidad de que el
ቊ 𝟎 p-valor
estadístico tome valores
𝐇𝟏 : 𝛍 > 𝟏𝟎 superiores al observado
𝐱ത − 𝛍𝟎
𝐭 𝟏𝟗 𝐭𝟎 = = 𝟒, 𝟒𝟕𝟐𝟏
𝐒𝐜 / 𝐧
Nota: En las tablas no siempre tenemos el p-valor pero podemos acotarlo. Por ejemplo, en este caso
𝑝 𝑡19 ≥ 4.4721 ≤ 0.0005 puesto que 𝑝 𝑡19 ≥ 3.883 = 0.0005
• En los contrastes, debemos tener en cuenta siempre que la hipótesis nula es la que
admitimos como válida y que cuando rechazamos la hipótesis nula en base a una
realización muestral, es porque, a un nivel de significación prefijado, esta realización
muestral ha aportado evidencias significativas de que esa hipótesis no es cierta.
Estas evidencias significativas nos indican que si la hipótesis fuera cierta a ese nivel
de significación, la probabilidad de que el resultado de la realización muestral
discrepara tanto de ella sería tan pequeña como el nivel de significación. Por el
contrario, si aceptamos la hipótesis nula no es porque no dispongamos de pruebas
o evidencias a su favor, sino, más bien, porque no las tenemos en su contra.
En el caso de una muestra estudiaremos los contrastes que tienen una hipótesis
nula simple del tipo: H0: θ=θ0 , H0: θ≤θ0 y H0: θ≥θ0 siendo θ el parámetro de
interés y θ0 el valor que suponemos como válido para el mismo.
Para realizarlos emplearemos como estimadores los vistos para cada situación de
análisis y las distribuciones muestrales de ellos bajo la hipótesis nula.
𝐱ത − 𝛍
Estadístico de contraste: 𝛔 ≈ 𝐍(𝟎, 𝟏)
𝐧
Hipótesis nula Valor del estadístico de contraste bajo H0
xത − μ0
H0: μ=μ0 Z0 =
σ/ n
Hipótesis alternativa Criterios de rechazo
H1: μ≠μ0 Rechazar H0 si Z0 ≤ −zα/2 o Z0 ≥ zα/2
H1: μ>μ0 Rechazar H0 si Z0 ≥ zα
H1: μ<μ0 Rechazar H0 si Z0 ≤ −zα
Contraste para la media poblacional con varianza
poblacional conocida
Poblaciones normales y Poblaciones no normales (muestras grandes)
Por ejemplo, para el contraste bilateral de la media de una población normal con varianza
desconocida, a un nivel de significación α, aceptaremos la hipótesis nula H0: μ=μ0 si
xത − μ0
−t n−1,α/2 < < t n−1,α/2
Sc / n
Región de Aceptación
Es decir si,
Sc Sc
xത ∈ μ0 − t n−1,α/2 , μ0 + t n−1,α/2
n n
O alternativamente,
Sc Sc
μ0 ∈ xത − t n−1,α/2 , xത + t n−1,α/2
n n
𝐇𝟎 : 𝛍 = 𝟏𝟎
ቊ
𝐇𝟏 : 𝛍 > 𝟏𝟎
Región de Aceptación ≈ Intervalo de confianza
𝐇𝟎 : 𝛍 = 𝟏𝟎
ቊ
𝐇𝟏 : 𝛍 < 𝟏𝟎
Región de Aceptación ≈ Intervalo de confianza
𝐇𝟎 : 𝛍 = 𝟏𝟎
ቊ
𝐇𝟏 : 𝛍 ≠ 𝟏𝟎
Región de Aceptación ≈ Intervalo de confianza
Todo lo desarrollado para una muestra aleatoria se extiende de forma natural al caso de disponer
de dos muestras aleatorias y realizar la comparación de dos parámetros (2 medias, 2
varianzas, 2 proporciones).
Al igual que en el caso de una muestra, se debe tener siempre en cuenta el tipo de
hipótesis alternativa para determinar la estructura de la región de aceptación y de
rechazo o su p-valor.
Contraste para 2 medias poblacionales con varianzas
poblacionales conocidas
Poblaciones normales y Poblaciones no normales (muestras grandes independientes)
ഥ−𝐘
𝐗 ഥ
Estadístico de contraste: ≈ 𝐍(𝟎, 𝟏)
𝟐 𝟐
𝛔𝐗 𝛔𝐘
𝐧 +𝐦
Hipótesis nula Valor del estadístico de contraste bajo H0
ഥ−Y
X ഥ
Z0 =
H0: μX=μY σ2X σ2Y
n +m
Hipótesis alternativa Criterios de rechazo
H1: μX≠μY Rechazar H0 si Z0 ≤ −𝑧α/2 o Z0 ≥ 𝑧α/2
H1: μX>μY Rechazar H0 si Z0 ≥ 𝑧𝛼
H1: μX<μY Rechazar H0 si Z0 ≤ −𝑧𝛼
Contraste para 2 medias poblacionales con varianzas
poblacionales conocidas
Poblaciones normales y Poblaciones no normales (muestras grandes independientes)
n grande
σX desconocida
µX conocida
X normal
µX desconocida
SOBRE LA X con media µX y
VARIANZA σX desv. típica σX
X no normal
Nota: Las situaciones señaladas en rojo quedan fuera del alcance del curso. Se suele recurrir a técnicas de tipo no
paramétrico
Nota: Debe incluirse el contraste sobre la proporción en el caso de muestras grandes
CONTRASTES DE 2 MUESTRAS
σX σY conocida
X,Y normal Iguales
σX σY desconocida n pequeña
Distintas n grande
SOBRE LAS X µX σ X
MEDIAS µX -µY Y µY σ Y n pequeña
X,Y no normal σX σY conocida
XY
n grande Iguales
indep σX σY desconocida
Distintas
µX µY conocida
X,Y normal
SOBRE LAS X µX σ X µX µY desconocida
VARIANZAS σX=σY Y µY σ Y
X,Y no normal
X,Y normal
XY SOBRE LAS
paread MEDIAS µX -µY n pequeña
X,Y no normal
n grande
Nota: Las situaciones señaladas en rojo quedan fuera del alcance del curso. Se suele recurrir a técnicas de tipo no
paramétrico
Nota: Debe incluirse el contraste sobre la igualdad de proporciones en el caso de muestras grandes