ESTADÍSTICA II

Donald Zhangallimbay Z. Mgs.

DOCENTE AUTOR DEL CONTENIDO
PRUEBA DE HIPÓTESIS
UNIDAD 4 – CLASE 7
Unidad 4 – Prueba de hipótesis
4.1 Hipótesis Estadística
4.2 Planteamiento de hipótesis
4.3 Estadístico de Prueba
4.4 Ejercicios de Autoevaluación
4.5 Probabilidad de Error Tipo I
4.6 Probabilidad de Error Tipo 2
4.7 Tamaño de la muestra
4.8 Ejercicios de Autoevaluación
4.1 Hipótesis Estadística
El problema al que se enfrenta un tomador de decisiones es la
formación de un procedimiento de decisión que se base en los datos y
que pueda producir una conclusión acerca de algún sistema o fenómeno
científico.
Ejemplos:
4.1 Hipótesis Estadística
• Un investigador medico puede decidir con base en evidencia
experimental si beber café incrementa el riesgo de cáncer en los seres
humanos.
• Un ingeniero quizá tenga que decidir con base en datos muestrales si
hay una diferencia entre la precisión de un tipo de medidor y la de
otro.
• Un sociólogo quizás desee reunir los datos apropiados que le permitan
decidir si el tipo de sangre y el color de ojos de un individuo son
variables independientes.
• Un economista puede reunir datos muestrales para determinar si
existen diferencias entre hombres y mujeres en la disposición a pagar
un determinado producto.
4.1 Hipótesis Estadística
• En cada uno de los casos mencionados, los especialistas proponen un
supuesto o conjetura.
• La metodología de respuesta implica el uso de datos u observaciones
muestrales.
• En cada ejemplo, la conjetura se puede expresar en forma de hipótesis
estadística.
• Una hipótesis estadística es una aseveración o conjetura respecto a
una o mas poblaciones.
• Los procedimientos que conducen a la aceptación o al rechazo de
hipótesis estadísticas como estas comprenden una área importante de
la inferencia estadística.
4.1 Hipótesis Estadística
Debería quedar claro al estudiante que un procedimiento de toma de
decisiones debe implicar la conciencia de la probabilidad de llegar a una
conclusión errónea.
Ejemplo:
4.1 Hipótesis Estadística
• Suponga que la hipótesis que postulo un ingeniero es que la fracción p
de artículos defectuosos en cierto proceso es 0,10.
• El experimento consiste en observar una muestra aleatoria del
producto en cuestión.
• Suponga que se prueban 100 artículos y que se encuentran 12
defectuosos.
• Es razonable concluir que esta evidencia no rechaza la condición de
que el parámetro binomial p = 0,10, por lo que puede provocar que no
se rechace la hipótesis.
4.1 Hipótesis Estadística
• Sin embargo, también puede provocar que no se refute p = 0,12, o quizá
incluso p = 0,15.
• Es necesario acostumbrarse a que la idea de rechazo de una hipótesis implica
que fue refutada por la evidencia de la muestra.
• En otras palabras, el rechazo significa que existe una pequeña probabilidad de
obtener la información muestral observada cuando, de hecho, la hipótesis es
verdadera.
• En el ejemplo anterior, si se tienen 20 artículos defectuosos en la muestra,
esto corresponde una evidencia más clara para el rechazo de la hipótesis.
• ¿Por que? Si el parámetro en realidad p = 0.10, entonces la probabilidad de
obtener 20 o mas artículos defectuosos es aproximadamente de 0,002. Una
probabilidad muy baja.
4.1 Hipótesis Estadística
• Por otro lado, es muy importante enfatizar que la aceptación o, mas
bien, la falta de rechazo no descarta otras posibilidades.
• El analista de datos establece una conclusión firme cuando se rechaza
una hipótesis.
• Si el investigador medico desea mostrar evidencia solida a favor del
argumento de que beber café aumenta el riesgo de contraer cáncer, la
hipótesis a probar debería tener la forma “el riesgo de desarrollar
cáncer no aumenta como consecuencia de beber café”.
• Lo anterior implica que cuando el analista de datos formaliza la
evidencia experimental con base en la prueba de hipótesis, es muy
importante el planteamiento formal de la hipótesis.
4.2 Planteamiento de hipótesis
La estructura de la prueba de hipótesis se establece
usando el termino hipótesis nula, el cual se refiere a
cualquier hipótesis que se desea probar y se denota con
𝐻0 .
El rechazo de 𝐻0 conduce a la aceptación de una
hipótesis alternativa, que se denota con 𝐻1 .
Continuemos con el ejemplo anterior. Pongamos a
prueba la idea de que la proporción histórica de
artículos defectuosos ya no sea de 0,10. De hecho,
podríamos pensar que la proporción actual es mayor a
0,10. Entonces:
𝐻0 : 𝑝 = 0,10,
𝐻1 : 𝑝 > 0,10.
4.2 Planteamiento de hipótesis
Lo que nos preguntamos es si la proporción es mayor a 0,10, esto se
representa en la hipótesis alternativa. La hipótesis nula lo contradice
diciendo que la proporción es precisamente igual a 0,10.
4.2 Planteamiento de hipótesis
Pongamos otro ejemplo. En un juicio, el jurado se enfrenta a un dilema
que puede ser expresado de la siguiente manera:

𝐻0 : 𝑒𝑙 𝑎𝑐𝑢𝑠𝑎𝑑𝑜 𝑒𝑠 𝑖𝑛𝑜𝑐𝑒𝑛𝑡𝑒,
𝐻1 : 𝑒𝑙 𝑎𝑐𝑢𝑠𝑎𝑑𝑜 𝑒𝑠 𝑐𝑢𝑙𝑝𝑎𝑏𝑙𝑒.
La acusación proviene de una sospecha de culpabilidad. La hipótesis 𝐻0
(el status quo) se establece en oposición a 𝐻1 y se mantiene a menos
que se respalde 𝐻1 con evidencia “mas allá de una duda razonable”.
Es necesario recalcar que “No rechazar 𝐻0 ” no implica que el acusado es
inocente, sino que no existe evidencia suficiente para lograr una
condena.
4.3 Estadístico de Prueba
• Un estadístico de prueba es una variable
aleatoria que se calcula a partir de datos de
muestra y se utiliza en una prueba de
hipótesis.
• Los estadísticos de prueba sirven para
determinar si se puede rechazar la hipótesis
nula.
• Pongamos un ejemplo. Supongamos que
queremos poner a prueba una nueva
vacuna que sirve para evitar contraer gripe.
4.3 Estadístico de Prueba
• La vacuna que se distribuye
actualmente ha demostrado una
efectividad del 50% en un periodo de 6
meses.
• Es decir, de cada 100 personas que se
inyectan, 50 evitan contagiarse de gripe
en un periodo de 6 meses.
• El experimento consiste en suministrar
a 20 personas (en un estudio real el
suministro de la nueva vacuna se
debería realizar a un número mayor de
personas).
4.3 Estadístico de Prueba
Al transcurrir los 6 meses, se encuentra que 14 personas han logrado
mantenerse sin contraer la enfermedad.
Si planteamos la hipótesis estadística, debemos preguntarnos si la nueva
vacuna es mejor que la vacuna actualmente aplicada. Entonces:
𝐻0 : 𝑝 = 50%,
𝐻1 : 𝑝 > 50%.
En este caso, la prueba de hipótesis se conoce como de una cola, debido
a que solo se prueba si la nueva vacuna es mejor que la vacuna actual.
Si nos preguntamos si la vacuna tiene un rendimiento diferente a la
actual, ya sea más o menos efectiva, la prueba se conoce como de dos
colas.
4.3 Estadístico de Prueba
El estadístico de prueba que se usa es la proporción de personas que
evitan contagiarse de gripe luego de aplicarse la nueva vacuna 𝑝.
Para realizar la prueba respectiva es necesario establecer un valor crítico
del estadístico de prueba.
Por ejemplo, se propone que la nueva vacuna será más efectiva que la
actual si 13 de las 20 personas, no se contagian de gripe después de los
6 meses.
4.3 Estadístico de Prueba
Note que el valor crítico es subjetivo. Al establecer el 13 como valor
crítico, se tiene:

No rechazar la hipótesis nula Rechazar la hipótesis Nula

p = 50% p > 50%

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
4.3 Estadístico de Prueba
• En el experimento realizado, de las 20
personas se encontró que 14 de ellos
no se contagiaron de gripe durante los
6 meses. Por lo tanto, rechazamos la
hipótesis nula y concluimos que la
nueva vacuna es más efectiva que la
actual.
• El procedimiento de toma de
decisiones recién descrito podría
conducir a cualquiera de dos
conclusiones erróneas.
4.3 Estadístico de Prueba
• Es probable que la nueva vacuna no sea mejor que la que se usa en la
actualidad (𝐻0 verdadera) y, sin embargo, en este grupo especifico de
individuos seleccionados aleatoriamente mas de 13 pasan el periodo
de 6 meses sin contraer gripe (Error tipo I).
• Si 13 o menos miembros del grupo superan exitosamente el periodo de
6 meses y no concluimos que la nueva vacuna es mejor cuando en
realidad si lo es (𝐻1 verdadera), cometemos un segundo tipo de error,
el de no rechazar la hipótesis 𝐻0 cuando en realidad es falsa (Error tipo
II).
4.4 Ejercicios de Autoevaluación
Una socióloga se interesa en la eficacia de un curso de entrenamiento diseñado
para lograr que mas conductores utilicen los cinturones de seguridad en los
automóviles.
a) ¿Que hipótesis pone a prueba si comete un error tipo I al concluir de manera
errónea que el curso de entrenamiento no es eficaz?
Solución: Siendo 𝑝1 la proporción de conductores que utilizan cinturón de
seguridad sin existir el curso de entrenamiento y 𝑝2 = 𝑝1 + 𝑐 la proporción de
conductores que usan cinturón luego del curso (siendo c una cantidad mayor a
cero). Entonces:
1) 𝐻0 : 𝑝1 > 𝑝2 , 2) 𝑯𝟎 : 𝒑𝟏 = 𝒑𝟐 , 3) 𝐻1 : 𝑝1 = 𝑝2 .
𝐻1: 𝑝1 = 𝑝2 𝑯𝟏 : 𝒑𝟏 > 𝒑𝟐. 𝐻1 : 𝑝1 < 𝑝2 .
Cada logro comienza con la decisión
de intentarlo. Ánimo
UNIDAD 4 – FIN DE LA CLASE 7