Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Inferencia I v3
Inferencia I v3
Intervalos de Confianza
Pruebas de Hipótesis
1
Intervalo de Confianza para la Media
• Anteriormente definimos a μy como la media
poblacional de la variable aleatoria y. Dicha
media puede ser vista como el Valor Esperado o
Esperanza de y:
E(y) = μy
Así, es posible escribir y como:
y = μy + u,
en donde u = (y – μy) son las desviaciones
respecto de la media.
2
Intervalo de Confianza para la Media
• La media muestral es un estimador puntual de μy
(es decir, nos da un único valor estimado).
• Pero si queremos un estimador que incorpore el
error muestral de estimación, necesitamos
construir un intervalo de estimación.
• Tal Intervalo de Confianza (IC) contendrá a la
media μy , en muestras repetidas, una proporción
prefijada de veces. Dicha proporción se
denomina Nivel de Confianza (NC).
3
Intervalo de Conf. para la Media
• Para construir un intervalo de confianza (IC)
para la media poblacional, necesitamos saber
cómo la media muestral se distribuye en
muestras repetidas.
• Si el error u se distribuye Normal(0, σ2), se
cumple que la media muestral estandarizada se
distribuye como una t-Student con n-1 grados de
libertad:
(y − y )
t= t de Student (n − 1) = t n −1
ee( y )
4
Error estándar de la media muestral
• Sustituyendo μy por su estimador y tomando raíz
cuadrada tenemos el error estándar
𝑆𝑦 2 (σ𝑛𝑖=1(𝑦𝑖 − 𝑦)
lj 2 )/(𝑛 − 1) 𝑆𝑦
𝑒𝑒(𝑦)
lj = = =
𝑛 𝑛 𝑛
6
Intervalo de Conf. para la Media (cont.)
• Ahora necesitamos definir el Nivel de Confianza
(NC) deseado, que es la proporción de veces que
queremos que la verdadera media μy quede incluida
dentro del intervalo, en muestreo repetido.
• Lo llamamos NC = (1 – α), siendo α la proporción de
veces que la media μy quedará fuera del intervalo.
• Ello equivale a definir un intervalo (-tc , tc), de la
distribución tn-1 , que contenga una proporción (1 - α)
de todos los valores posibles de t en muestras
repetidas. Llamamos valor crítico al tc definido.
7
Intervalo de Conf. para la Media (cont. II)
• Una vez definido el NC y su tc correspondiente, el
IC para la media muestral estandarizada viene
dado por
(y − y )
− tc tc
ee( y )
• Despejando, queda el IC para la media
poblacional desconocida
y − tc . ee( y ) y y + tc . ee( y )
8
Ejemplo
• A partir de una muestra aleatoria de tamaño n=10,
calculamos:
y = 7; ee( y ) = 1,5
• Un IC del 95%, que implica un tc = 2,26 vendrá
dado por:
y − tc . ee( y ) y y + tc . ee( y )
7 − 2,26 1,5 y 7 + 2,26 1,5
3,6 y 10,4
9
Ejemplo (continuación)
• Notar que el intervalo calculado de [3.6, 10.4]
puede contener o NO contener al verdadero μy
10
Pruebas de Hipótesis sobre la Media
• Los elementos definidos para construir un IC para
μy se pueden usar para probar hipótesis sobre μy.
• Por ejemplo, podemos estar interesados en saber
si μy es mayor, menor o solo distinto a un valor
hipotetizado μ0.
• Concretamente podemos definir 2 hipótesis:
Hipótesis nula: H0: μy = μ0 versus
Hipótesis alternativa, que pueden ser 3 casos:
H1: μy ≠ μ0 o H1: μy > μ0 o H1: μy < μ0
11
Hipótesis Nula y estadístico de prueba
• Notar que si la nula, H0: μy = μ0 , es cierta,
entonces el estadístico de prueba t cumple con:
( y − 0 )
t= t de Student (n − 1) = t n −1
ee( y )
• De éste modo, dada una muestra, es posible
calcular el estadístico t previo, que implica que H0
es verdadera, y compararlo con la distribución
teórica que debería poseer, la t de Student(n-1),
para saber si su valor es plausible o NO lo es.
12
Prueba bilateral
• La prueba bilateral viene dada por
H0: μy = μ0 versus H1: μy ≠ μ0 ,
• Establecida H0 , con la muestra se calcula el
estadístico de prueba t: ( y − 0 )
t=
ee( y )
• Es necesario definir un Nivel de Confianza (NC)
para la prueba. En éste caso, el NC será la
proporción (1- α) de veces que la prueba NO
RECHAZARÁ H0 siendo ésta VERDADERA.
13
Prueba bilateral II
Definido un NC, y por tanto un valor crítico tc , la
regla de rechazo de la prueba es:
No rechazamos
Rechazamos Rechazamos
a/2 (1 − a) a/2
-tc 0 tc
14
Ejemplo de prueba bilateral
• Con una muestra de tamaño n=10, obtenemos:
y = 7; ee( y ) = 1,5
• Deseamos probar H0: μy = 3 versus H1: μy ≠ 3.
El estadístico t es
( y − 0 ) (7 − 3)
t= = = 2,667
ee( y ) 1,5
Como el t calculado (2,67) es mayor que el t crítico
(tc = 2,26, a un NC del 95%), entonces se Rechaza
H0 con un 95% de confianza.
15
Interpretación
• Es importante notar que el rechazo de H0 implica
que existe suficiente evidencia muestral en
contra de H0 , por lo que se puede aceptar H1.
16
Interpretación II
• H0 sería como la “presunción de inocencia” en
un juicio. Entonces, solo se declara “culpable”
(es decir, se acepta H1) si se reúne la evidencia
suficiente para culparlo.
17
Prueba sobre diferencia de medias
• Para probar si 2 medias (de 2 poblaciones o
grupos) son diferentes, las hipótesis son:
H0: μ1y = μ 2y vs. H1: μ1y ≠ μ 2y ,
o H0: μ1y - μ 2y = 0 vs. H1: μ1y - μ 2y ≠ 0,
• Con las dos muestras se calculan las dos medias
muestrales y el estadístico de prueba t
(y − y ) −0
1 2
(y − y )
1 2
t= =
ee( y − y − 0) ee( y 1 − y 2 )
1 2
20