Prueba de hipótesis

Dra. Gabriela Rodríguez Fuentes

Lo que dice la gente
• El 25% de las mujeres estadounidenses tienen varices (uf, hay cosas que
casi es mejor no saber, ¿verdad?).
• El consumo de tabaco en Estados Unidos continúa bajando. El porcentaje
de fumadores disminuye aproximadamente el 2% cada año
• desde hace diez.
• Un bebé de seis meses duerme una media de catorce a quince horas
diarias (sí, ya, y yo me lo creo).
• Las tartas de masa preparada de la marca X están listas en sólo cinco
minutos.

¿Cómo saber si estas afirmaciones son válidas?

Prueba o contraste de hipótesis
• Procedimiento estadístico diseñado para verificar una afirmación.
• Pasos:
1. Formular la hipótesis nula y la hipótesis alternativa.
2. Recopilar datos válidos utilizando un estudio bien
3. Calcular el estadístico de contraste a partir de los datos.
4. Hallar el valor p para el estadístico de contraste.
5. Decidir si se rechaza o no se rechaza H0 en función del valor p.
6. Comprender que la conclusión alcanzada podría ser errónea por puro azar.
Formular la hipótesis
• En general la afirmación contrastada se refiere a un parámetro
poblacional (número que caracteriza a la población)
• Toda prueba de hipótesis consta de dos afirmaciones opuestas, o
hipótesis, referidas a un parámetro poblacional,
• La primera se denomina hipótesis nula y se designa por Ho. La
hipótesis nula siempre dice que el parámetro poblacional es igual al
valor propuesto.
• Siempre se escribe con el signo de igual
Hipótesis alternativa
• Si la hipótesis nula se rechaza, lo que nos queda es la hipótesis alternativa. En realidad existen
tres posibilidades para la Ha:}
• El parámetro poblacional es distinto del valor propuesto (Ha: μ ≠ 5).
• El parámetro poblacional es mayor que el valor propuesto (Ha: μ>5).
• El parámetro poblacional es menor que el valor propuesto (Ha: μ<5).
• La hipótesis alternativa que elijas para la prueba depende de la conclusión a la que
quieras llegar, si reúnes pruebas suficientes para refutar la Ho.
• La hipótesis nula dice que no ocurre nada nuevo; el resultado previo no varía o los grupos
tienen la misma media, o sea la diferencia es 0. Se asume que la afirmación es verdadera
hasta que se demuestra lo contrario…….
Recopilar las pruebas (datos)
• El paso dos es recopilar pruebas y determinar si dichas pruebas son
contrarias al enunciado de Ho. Recuerden que la afirmación se refiere
a la población, pero es imposible contrastar a toda la población, por
lo que se procede a tomar una muestra…..
• Para tener datos válidos hay que seleccionar una muestra válida. Para
que sea válida hay que evitar el sesgo y ser preciso.
• Asegurar que es aleatoria
• Tamaño de n suficiente
Procesar la muestra: el “estadístico de
contraste”
• Ya con muestras hay que empezar a calcular.
• La Ho platea una afirmación referida al parámetro poblacional (no
olvidar)
• Si te interesa la media, pues calculas la media, si te interesa la
varianza calculas la varianza, si lo que quieres es una proporción, pues
calculas la proporción.
• Una vez calculados todos los estadísticos muestrales, hay que
calcular el error estándar para ver como divergen tus resultados
muestrales y la afirmación.
Puntuaciones estándares
• El número de errores éstandares que un estadístico está por encima o
por debajo de la media se llama puntuación estándar. Para interpretar
tu estadístico hay que convertirlo a unidades originales de una
puntación estándar.
• Para sacar la puntuación estándar se toma el estadístico, se le resta la
media y se divide entre el error estándar.
• En el caso de la prueba de hipótesis se usa el valor de Ho como
media.
Calcular e interpretar el estadístico de contraste
• El procedimiento general para convertir un estadístico en un
estadístico de contraste (puntuación estándar) es el siguiente:
1. Resta al estadístico el valor propuesto (el número mencionado en H0).
2. Divide entre el error estándar del estadístico. (Existen diferentes fórmulas de error
estándar para diferentes problemas, ahorita no se preocupen por esto)
El estadístico de contraste representa la divergencia entre los resultados
muestrales y el valor poblacional propuesto en número de errores
estándares.
Y ahora decide…
• Ya teniendo el estadístico de contraste, lo utilizas para decidir si debes
o no rechazar Ho.
• Para tomar la decisión te basas en un número que mide la fuerza de
este indicio (el estadístico de contraste) conta la afirmación
presentada por Ho.
• ¿Qué probabilidad hay de que tu estadístico de contraste haya
ocurrido siendo verdadera la afirmación?
• El número que calculas se llama valor p; es la probabilidad de que
alguien pudiera haber obtenido resultados tan extremos como los
tuyos aunque Ho sea correcta.
Relacionar los estadísticos de contraste y
valores p
• Para comprobar si la afirmación representada por Ho debe rechazarse, se
debe de considerar el estadístico de contraste que has obtenido de tu
muestra y ver si hay pruebas suficientes para rechazar la afirmación.
• ¿Qué tan alejado estás?
• Si el estadístico está cerca de 0, no hay muchos indicios en contra de la
afirmación Ho, basándose en tus datos.
• Si tu estadístico de contraste se encuentra en las colas de la distribución
normal estándar, hay muchos indicios en contra de la afirmación Ho, el
resultado tiene poca probabilidad de ocurrir si la afirmación es verdadera.
• O sea hay muchos indicios en contra de la afirmación Ho y entonces se
rechaza.
¿Qué tanto es tantito?
• Si se tiene una distribución normal, o un tamaño muestral
suficientemente grande, el estadístico de contraste estará en algún
lugar de una distribución normal estándar.
• Si la hipótesis nula Ho es verdadera, la mayoría (más o menos el 95%)
de las muestras generarán estadísticos de contraste que se
encontrarán aproximadamente a no mas de 2 errores estándares de
la afirmación.
• Si Ha es la alternativa “distinto de”, cualquier estadístico de contraste
que se encuentre fuera de este rango dará lugar a rechazo de Ho
Calcular un valor p
• Para hallar el valor p para un estadístico de contraste:
1. Busca el estadístico de contraste en la distribución apropiada, en este caso la distribución
normal estándar (distribución Z)
2. Encuentra la probabilidad de que Z esté en una posición más extrema que tu estadístico de
contraste:
• Si Ha contiene una alternativa “menor que” (contraste unilateral izquierdo), busca la
probabilidad de que Z sea más pequeña que el
estadístico de contraste (es decir, busca tu estadístico de contraste en la tabla Z y mira cuál es la
probabilidad correspondiente). Ése es
el valor p.
• Si Ha contiene una alternativa “mayor que” (contraste unilateral derecho), busca la
probabilidad de que Z sea más grande que el
estadístico de contraste (es decir, busca tu estadístico de contraste en la tabla Z, mira cuál es la
probabilidad que le corresponde y
réstala de uno). El resultado es tu valor p.
Calcular un valor p (continuación)
Si Ha contiene una alternativa “distinto de” (contraste bilateral), busca
la probabilidad de que Z no coincida con el estadístico de
contraste y multiplícala por dos. Existen dos casos:
• Si el estadístico de contraste es negativo, encuentra primero la
probabilidad de que Z sea más pequeña que él (busca tu estadístico
de contraste en la tabla Z y mira cuál es la probabilidad
correspondiente). A continuación multiplica por dos esa probabilidad
para obtener el valor p.
Si el estadístico de contraste es positivo, encuentra primero la
probabilidad de que Z sea más grande que él (busca tu estadístico de
contraste en la tabla Z, mira cuál es la probabilidad que le corresponde
y réstala de uno). A continuación multiplica por dos ese resultado para
obtener el valor p.
¿Por qué multiplicas por dos las probabilidades cuando Ha contiene una
alternativa del tipo “distinto de”? La alternativa “distinto de” viene a ser
la combinación de la alternativa “mayor que” y la alternativa “menor que”. Si
tienes un estadístico de contraste positivo, su valor p únicamente
tiene en cuenta la parte “mayor que” de la alternativa “distinto de”, de
manera que hay que doblarlo para tener en cuenta también la parte
“menor que” (es posible doblar el valor p porque la distribución Z es
simétrica).
De forma similar, si tienes un estadístico de contraste negativo, su valor p
únicamente tiene en cuenta la parte “menor que” de la alternativa
“distinto de”, y tienes que doblarlo para tener en cuenta también la parte
“mayor que”.
Extraer conclusiones
• Para extraer conclusiones a partir de un valor p, hay que definir un
punto de corte predeterminado, de manera que únicamente
rechazarán Ho si el valor p es menor o igual a este punto de corte.
• El punto de corte se llama nivel alfa o nivel de significación para la
prueba
• 0.05 es un punto de corte habitual para rechazar Ho
• Se pueden usar puntos de corte mas o menos estrictos
• Si el valor p es menor o igual que el nivel de significación, entonces cumple tus requisitos para tener suficientes indicios
contra H0; por tanto, rechazas H0.
• Si el valor p es mayor que el nivel de significación, los datos no aportan pruebas que estén más allá de toda duda
razonable; por tanto, no rechazas H0.
Atención
• A lo mejor te estás preguntando si puedes decir “aceptar H0” en
lugar de “no rechazar H0”. La respuesta es no. En un contraste
de hipótesis, no intentas demostrar si H0 es verdadera o no
(que es lo que implica la palabra “aceptar”); de hecho, si
supieras que H0 es verdadera, ya no harías el contraste de
hipótesis. De lo que se trata es de ver si tienes suficientes
indicios para decir que H0 es falsa, basándote en tus datos.
Entonces, o tienes suficientes indicios para decir que es falsa (en
cuyo caso rechazas H0) o no tienes suficientes indicios para
decir que es falsa (en cuyo caso no rechazas H0).
Establecer límites para rechazar Ho
Estas directrices te ayudarán a tomar una decisión (rechazar o no rechazar H0) basándote en
un valor p cuando el nivel de significación sea 0.05:
• Si el valor p es menor que 0.01 (muy pequeño), se considera que los resultados tienen
una elevada significación estadística. Por tanto, rechazas H0.
• Si el valor p está entre 0.05 y 0.01 (pero no extremadamente cerca de 0,05), se considera
que los resultados tienen significación estadística. Por tanto, rechazas H0.
• Si el valor p está muy cerca de 0.05 (por ejemplo 0.051 o 0.049), debe considerarse que
los resultados tienen cierta significación estadística. En ese caso puedes tomar cualquiera
de las dos decisiones.
• Si el valor p es mayor que 0.05 (pero no está extremadamente cerca de 0.05), se considera
que los resultados no tienen significación estadística. Por tanto, no rechazas H0.
Error de tipo 1: Falsa alarma
• Rechazar H0 siendo verdadera es lo que se denomina error de tipo 1. A mí este nombre no me gusta
porque no es nada descriptivo. Prefiero llamarlo falsa alarma.
• Para reducir la probabilidad de crear falsas alarmas, define una probabilidad de corte (nivel de
significación) baja para rechazar H0. Si la fijas en el 5 o el 1%, la probabilidad de cometer un error de
tipo 1 estará bajo control.
Error tipo 2 : No detectar una afirmación falsa
• Si H0 es falsa, tienes que averiguarlo y rechazarla. No rechazar H0 siendo falsa es lo que se
denomina error de tipo 2. Yo prefiero llamarlo error de detección.
• El tamaño muestral es la clave para detectar situaciones en que H0 es falsa y, de este modo, evitar
errores de tipo 2. Cuanta más información tengas, menos variables serán tus resultados) y más
probable será que consigas detectar algún problema en la afirmación representada por H0.
• Esta probabilidad de detectar cuándo H0 es en realidad falsa se denomina la potencia de un
contraste. La potencia es una cuestión bastante compleja, pero de momento te basta con saber que
cuanto mayor es el tamaño muestral, más potente es el contraste. Un contraste potente conlleva una
probabilidad baja de cometer un error de tipo 2.
• Como medida de prevención para reducir al mínimo la probabilidad de cometer un error de tipo 2,
los estadísticos recomiendan seleccionar un tamaño muestral grande para garantizar que las
discrepancias respecto de la situación real no se pasarán por alto.
Para que no se les olvide
Importante
Media poblacional
• Ho: µ = µo Ha : µ ≠ µo ; µ > µo; µ < µo
• Para probar la hipótesis se compara la media obtenida a partir de la
muestra (𝑥ҧ ) con la media indicada en Ho (µo), primero se calcula el
estadístico de contraste.
• Para la media poblacional, el estadístico de contraste es un valor z.
𝑥ҧ − 𝜇0
𝑧=
𝜎Τ 𝑛
• Donde 𝑥ҧ es la media muestral σ es la desviación estándar de la
población, z es un valor de la distribución Z, n es el tamaño de la
muestra y µo es la media poblacional.
Condiciones
• Se debe conocer la desviación estándar de la población σ, la
población debe tener una distribución normal, o bien el tamaño de
muestra es suficientemente grande para aplicar el límite central
(n>30)
Ejemplo
• Una muestra aleatoria de 100 madres trabajadoras dedicaron una
media de 11.5 minutos diarios a hablar con sus hijos, suponga que la
desviación estándar de la población es de 2.3 min. Calcule el
estadístico de prueba. Ho: µo=11

𝑥ҧ − 𝜇0
𝑧=
𝜎Τ 𝑛
 Prueba de hipótesis
• Ho: µ = 11 Ha :µ > 11
• z=2.17 p=1-0.985= 0.015 se rechaza Ho
En R
Muestras pequeñas y desviaciones estándar
desconocidas : la prueba t
• Hay dos casos en los que no puedes utilizar la distribución Z para un
estadístico de contraste cuando quieres contrastar una media poblacional.
• El primer caso es cuando el tamaño muestral es pequeño (y cuando digo
pequeño, quiero decir inferior a 30, aproximadamente)
• El segundo caso es cuando la desviación estándar de la población, σ, se
desconoce, y entonces hay que estimarla utilizando la desviación estándar
de la muestra, s. En ambos casos tienes menos información fiable sobre la
cual basar tus conclusiones, de manera que debes pagar un peaje
utilizando una distribución que presenta más variabilidad en las colas que
la distribución Z. Aquí es donde entra en escena la distribución t.
Prueba t
ҧ 0
𝑥−𝜇
• El estadístico de prueba se calcula con: 𝑡𝑛−1 = en la que
𝑠Τ 𝑛

• 𝑡𝑛−1 es un valor de la distribución t que tiene n-1 grados de libertad.

• Si te fijas, verás que es igual que el estadístico de contraste para el caso de

una muestra grande o una distribución normal (lee el apartado “Contrastar
una media poblacional”), salvo que σ es desconocida, de manera que la
sustituyes por la desviación estándar de la muestra, s, y utilizas un valor t
en lugar de un valor z.
Recuerda
• Como la distribución t tiene las colas más gruesas que la distribución Z, el
valor p obtenido con la distribución t es más grande que el que habrías
obtenido con la distribución normal estándar (distribución Z) para el
mismo estadístico de contraste. Un valor p más grande significa una
probabilidad menor de rechazar H0. Tener pocos datos y no conocer la
desviación estándar de la población aumenta la dificultad de determinar la
hipótesis nula.
Aplicación de la prueba t
• Supongamos que una empresa de mensajería asegura que entrega sus paquetes
en el plazo de dos días en promedio, y tu sospechas que tarda más tiempo. Las
hipótesis son Ho µ=2 contra Ha µ>2. Para contrastar la afirmación tomas una
muestra aleatoria de 10 paquetes y anotas los tiempos de entrega, averiguas que
la media muestral es de 𝑥ҧ =2.3 días y la desviación estándar de la muestra es de
0.35 días (como desconoces la desviación estándar de la población la estimas con
s, la desviación estándar de la muestra). Se resuelve con la prueba t.
Con R
Relacionar t y z
• A medida que el tamaño muestral (y por tanto los grados de libertad)
aumenta, la distribución t se asemeja más a la distribución Z de modo
que sus valores para la prueba de hipótesis son prácticamente iguales
cuando el tamaño muestral es grande.
• A veces, ni siquiera es necesario que los valores muestrales sean muy
grandes para observar esta relación: para gl=30, los valores t son muy
parecidos a los valores z.
Que hacer con valores t negativos
• En el caso de la hipótesis alternativa “menor que” (Ha: xx < xx), tu estadístico de contraste sería un
número negativo (situado a la izquierda del cero en la distribución t). En este caso, para obtener el
valor p tienes que encontrar el porcentaje que queda por debajo, o a la izquierda, de tu estadístico
de contraste. Sin embargo, la tabla t (incluida en el apéndice) no contiene estadísticos de contraste
negativos.
• Tranquilo, no hay de qué preocuparse. Debido a la simetría, el porcentaje que hay a la izquierda
(debajo) de un valor t negativo es igual que el porcentaje que hay a la derecha (por encima) del
valor t positivo.
• Por consiguiente, para determinar el valor p correspondiente a tu estadístico de contraste negativo,
busca la versión positiva de tu estadístico de contraste en la tabla t, encuentra la probabilidad de
cola derecha (“mayor que”) correspondiente y utiliza ese valor.

• O más fácil …. Usa R

 Ejemplo
• Si el estadístico de contraste es -2.7105 con 9 grados de libertad y Ha es la
alternativa “menor que”
• Busca 2.705 en la tabla t y ve entre que valores de p está, en este caso entre
0.025 y 0.01, como es simétrica, -0.27105 también está entre 0.025 y 0.01. Se
rechaza Ho

En R
 Analizar la alternativa “distinto de”
• Para determinar el valor p cuando la hipótesis alternativa (Ha) es del tipo
“distinto de”, sólo tienes que doblar (multiplicar por dos) la probabilidad
que obtienes de la tabla t cuando buscas tu estadístico de contraste. ¿Por
qué razón la doblas? Porque la tabla t únicamente muestra probabilidades
del tipo “mayor que”, que sólo te cuentan la mitad de la película. Para
encontrar el valor p cuando tienes una alternativa “distinto de”, debes
sumar los valores p de las alternativas “menor que” y “mayor que”. Como la
distribución t es simétrica, las probabilidades “menor que” y “mayor que”
son idénticas, de manera que doblas la que has encontrado en la tabla t y
ya tienes el valor p para la alternativa “distinto de”.
Ejemplo
• Si el estadístico de contraste es 2.7171 y Ha es una alternativa de tipo
“distinto de “ se busca en la tabla los grados de libertad igual a 9 y lo
multiplicas por 2
Contraste de una proporción poblacional
• Cuando la variable es categórica (por ejemplo el sexo de la persona, o si está a favor/en contra de
una determinada cuestión) y únicamente se estudia una población o grupo (por ejemplo todos los
votantes censados), para contrastar una afirmación referida a la proporción poblacional se utiliza el
contraste de hipótesis descrito en este apartado. El contraste examina la proporción (p) de
elementos de la población que poseen cierta característica, por ejemplo la proporción de personas
que tienen teléfono móvil. La hipótesis nula es H0: p = p0, donde p0 es cierto valor propuesto para
la proporción poblacional, p.
• Por ejemplo, si la afirmación es que el 70% de las personas tienen teléfono móvil, p0 es 0,70.
• La hipótesis alternativa es una de las siguientes: p>p0, p<p0, o p ≠ p0.
• La fórmula del estadístico de contraste para una única proporción (si se cumplen ciertas
condiciones) es:
Método
• Calcula la proporción muestral, tienes que sacar el número de
personas de la muestra que posee las características de interés y
dividirlo entre el tamaño muestral. O sea sacar la proporción
• Calcular p gorrito –po donde po es el valor indicado en la Ho
• Calcula el error estándar
• Divide el resultado del paso 2 entre el resultado del paso 3
• Para interpretar tu estadístico de contraste, búscalo en la distribución
normal estándar y calcula el valor p
Ejemplo
• La marca Sincaries afirma que 4 de 5 dentistas recomiendan la pasta
de dientes Sincaries. Tu sospechas que la proporción es meno a eso.
• Entonces las hipótesis son
• Ho: po=0.80 (4 de 5)
• Ha: po<0.80
• Supongamos que tomas una muestra de 200 pacientes y 151 de ellos
manifiestan que su dentista les ha recomendado la marca Sincaries.
Para encontrar el estadístico de contraste para estos resultados sigue
la metodología propuesta.
En R
 A mano
• z=-1.6

No hay elementos suficientes para rechazar Ho

Comparar dos medias poblacionales independientes
• Cuando la variable es numérica (por ejemplo ingresos, nivel de colesterol o kilómetros por litro de
combustible) y se comparan dos poblaciones o grupos (por ejemplo hombres frente a mujeres),
para contrastar una afirmación sobre la diferencia entre las medias de dichas poblaciones o grupos
se utilizan los pasos descritos en este apartado (por ejemplo, ¿la diferencia entre las medias
poblacionales es igual a cero, lo cual significa que las medias son idénticas?).
• A fin de recopilar los datos necesarios para este contraste es preciso seleccionar dos muestras
aleatorias independientes (totalmente separadas), una de cada población.
• La hipótesis nula es que las dos medias poblacionales son idénticas, o dicho de otro modo, que su
diferencia es igual a cero. La notación de la hipótesis nula es H0: μ1 = μ2, en la que μ1 representa la
media de la primera población y μ2 representa la media de la segunda población.
• También puedes expresar la hipótesis nula como H0: μ1 – μ2 = 0, haciendo hincapié en que la
diferencia es igual a cero si las medias son iguales.
• La fórmula del estadístico de contraste para comparar dos medias (si se cumplen ciertas
condiciones) es:
Procedimiento
1. Calcula las medias muestrales y (supondremos que nos dan las desv st de las
poblaciones σ1 y σ2), n1 y n2 representan los tamaños muestrales.
2. Calcula la diferencia entre las dos medias muestrales x1- x2 (con rayita arriba
las x eh!)
3. Como la diferencia es igual a 0 no la incluyas en el numerador, si el valor de la
Ho es diferente si hay que incluirlo.
4. Calcula el error estándar

5. Divide el resultado del paso 2 entre el resultado del paso 3

6. Busca tu estadístico de contraste en la distribución normal estándar
7. Compara el valor p con tu nivel de significación por ejemplo 0.05
8. Si es menor o igual, se rechaza Ho
Condiciones para usar esta prueba

• Se conocen las desviaciones estándar poblacionales

• Las poblaciones tienen una distribución normal, o bien los tamaños
muestrales son suficientemente grandes para aplicar el teorema del
límite central.
• Las poblaciones son independientes.
Ejemplo
• Se quiere comparar la absorción de dos marcas de papel de cocina A y B. Se
puede realizar esta comparación midiendo el número medio de gramos
que puede absorber una hoja antes de saturarse del todo. Ho dice que la
diferencia entre los promedios de absorción es 0 (inexistente) y Ha dice
que la diferencia no es 0, o sea una marca es mas absorbente que la otra.
• Supongamos que seleccionamos una muestra aleatoria de 50 hojas de cada
marca y se mide la absorción de cada una de ellas.
• La absorción media de la marca A (x1rayita) es de 30 gramos y la desviación
estándar poblacional es de 9 gramos.
• La marca B (x2rayita) la absorción media es de 35 gr y la desviación
estándar es de 12 gramos.
• Realiza la prueba de hipótesis
 Solución

1. Ho: µ1-µ2=0 Ha: µ1-µ2≠0

2. Diferencia de medias 30-35 = -5
3. Error estándar

4. Divide 2 entre 3 5/2.12 = -2.36

5. Busca el valor de la probabilidad para -2.36 -→ 0.0091
6. Como es una prueba “distinto a” usa una prueba de dos colas (o sea multiplica
el valor p por 2 0.091x2 = 0.0182
7. Como el valor p es menor a 0.05 se rechaza Ho
8. Conclusión : Existe una diferencia estadísticamente significativa entre la
capacidad de absorción de estas dos marcas de papel de cocina. La marca B es
mas absorbente porque tiene un valor de media mas alta
En R
Comparar dos proporciones poblacionales
• Se necesitan dos muestras aleatorias independientes de cada
población.
• La hipótesis nula es que las dos proporciones poblacionales son
idénticas, o que la diferencia es igual a cero.
• Ho : p1 =p2 o p1-p2=0
• El estadístico de contraste es:
 Procedimiento
• Calcula las proporciones muestrales p1 y p2 con gorrito para cada
muestra, n1 y n2 representan los dos tamaños muestrales (pueden ser
diferentes)
• Calcula la diferencia entre las dos p gorrito p1 –p2
• Calcula la proporción muestral global p gorrito (número total de
elementos de ambas muestras que poseen la característica de interés
dividido entre el número total de elementos de ambas muestras n1 + n2.
• Calcula el error estándar
• Divide el resultado del paso 2 entre el resultado del paso 4, ese es tu
estadístico de contraste
Ejemplo
• La combinación de una anfetamina y dextroanfetamina indicada para
el TDAH dice que 26 de los 374 sujetos a los que se les administró el
fármaco experimentó vómitos como efecto secundario, frente a 8 de
los 210 a los que se les administró el placebo. ¿Es suficiente este
porcentaje para afirmar que toda la población que la tome tendrá
vómito?
 Solución
• Ho : p1 –p2 = 0 Ha: p1 –p2 >0 p1 representa la proporción de sujetos que
tuvieron vómito tomando el medicamento y p2 los que tomaron el
placebo.
• Cálculo del estadístico de contraste:
• p1= 26/374=0.070 p2= 8/210=0.038 ambas p con gorrito
• n1=374 n2=210
• Diferencia de p’s 0.070 -0.038 =0.032
• Proporción muestral global (p gorrito) (26+8)/(374+210) =0.058
• Error estándar

• Estadístico de contraste 0.032/0.020 =1.60

 A mano

Probabilidad 1-0.9452
=0.0548

No hay suficientes indicios

para rechazar Ho

Como está cerca de 0.05 se

llama resultado marginal y
hay que tener cuidado.
 En R

Probilidad =0.0598

No hay suficientes
indicios para rechazar
Ho

Como está cerca de 0.05

se llama resultado
marginal y hay que
tener cuidado.
Prueba para la varianza o desviación estándar
• La muestra es aleatoria simple
• La población tiene una distribución normal
• El estadístico de prueba que se usa es

• Para obtener p use la tabla de Chi cuadrada, con n-1 como grados de
libertad.
Ejemplo
Solución
• Ho: σ = σo= 0.051 Ha: σ< 0.051 valor de significancia = 0.05
• Calcula el estadístico de prueba

• Usa la tabla de Chi-cuadrado o calcula p (con R) p=0.058

• No hay evidencia suficiente para rechazar Ho
Con R
Comparación de la variación de dos muestras
• Prueba F
• Requisitos
• Las dos poblaciones son independientes una de la otra
• Las dos poblaciones están distribuidas normalmente
Para los cálculos
 • Coca contra Pepsi Use un nivel de significancia de 0.05
Ejemplo

Coca-Cola Pepsi Clásica

n 36 36
x 0.81682 0.82410
s 0.007507 0.005701

Calcule las varianzas elevando al cuadrado las s’s

Ho: σ1 = σ2 Ha: σ1 ≠ σ2

𝑠12 0.0075072
F= 𝑠22
= 0.0057012
=1.7339
A mano
Decide
En R
Resumen