Estimacin de intervalo mediante la distribucin t. Los primeros trabajos tericos sobre la distribucin t fueron hechos por W. S.

Gossett a principio del siglo XX. Gossett era empleado de la Guinness Brewery en Dublin, Irlanda; la empresa no permita que los empleados, con su propio nombre, publicaran los hallazgos de investigacin. De modo que Gossett adopt el seudnimo de Student para publicar. En consecuencia a la distribucin t se le conoce como distribucin t de student o simplemente distribucin de student. Caracterstica de la distribucin t Es simtrica Es ms plana que la distribucin normal. Hay una distribucin t para cada tamao posible de muestra. A medida que el tamao de muestra se hace ms grande la distribucin t se aproxima igual a la distribucin normal.

Una distribucin t es menor en la media y mayor en los extremos que una distribucin normal. La distribucin t tiene, ms porcentaje de su rea en los extremos que distribucin normal. Nota: Para tamaos de muestra mayores de 30, la distribucin t se asemeja tanto a la normal que se utiliza esa ltima para aproximar a la distribucin t. Grados de libertad es el nmero de valores de una muestra que que podemos especificar libremente, despus de que ya sabemos algo de dicha muestra. Ejemplo si tenemos

Podemos observar que cuando existen dos elementos de una muestra y slo conocemos la media de muestra de esos dos elementos, entonces somos libre de especificar solo uno de esos elementos.

Ejemplo 2: Existen 7 elementos en nuestra muestra y sabemos que la media de estos elementos es 16 ,

En este caso, los grados de libertad o el nmero de variables que podemos especificar libremente es 7-1= 6 Con dos valores de muestra tenemos un grado de libertad (2-1=1) y con siete valores de muestra tenemos seis grado de libertad. En cada uno de estos dos ejemplos, tenemos grados de libertad. Nota: Utilizaremos los grados de libertad cuando elijamos una distribucin t para estimar una media de la poblacin, y utilizaremos grados de libertad, tomando n igual al tamao de la muestra, si por ejemplo, tomamos una muestra de 17 para estimar una media de poblacin, usaremos 16 grados de libertad con la finalidad de elegir la distribucin t apropiada.

Uso de la tabla de la distribucin t. La tabla t es ms compacta que la z y muestra rea y valores de t solamente para algunos porcentaje (10,5,2 y 1%). La tabla t no se enfoca en la probabilidad de que el parmetro de la poblacin que se est estimando se encuentre dentro de nuestro intervalo de confianza. En lugar de ello mide la probabilidad de que el parmetro de la poblacin que estamos estimando no est dentro de nuestro intervalo de confianza ( es decir, la probabilidad de que est fuera de ste). Si estamos haciendo una estimacin de un nivel de confianza de 95%, buscamos en la tabla t en la columna encabezada con el valor 0.05, es decir es la probabilidad de 0.05 de tener un error, se representa con el smbolo ( alfa). Debemos especificar los grados de libertad con lo cual estamos trabajando. Supongamos que hacemos una estimacin a un nivel de confianza de 90% con una muestra de tamao 16, que tiene un grado de libertad de 15, entonces, buscamos en la tabla t la columna encabezada por 0.10 hasta encontrar la hilera 15, el valor encontrado 1.753. Indica que estamos a una distancia de la media

Ejemplo: El administrador de la planta generadora de energa deseaba estimar la cantidad de carbn que se necesita para este ao, y tomo muestra consistente en el registro de la cantidad de carbn utilizado durante 10 semanas. Los datos de la muestras son: n= 10 semanas tamao de la muestra. d= grados de libertad. = 11,400 media de la muestra. S = 700 toneladas desviacin estndar de la muestra. El administrador de la planta desea una estimacin de intervalo del consumo medio de carbn, y quiere estar 95% seguro de que el consumo medio se encuentre dentro de dicho intervalo. Solucin: El problema requiere el uso de la distribucin t, porque el tamao de la muestra es menor que 30, no se conoce la desviacin estndar de la poblacin.

Recuerde que se puede estimar la desviacin estndar de la poblacin a partir de la desviacin estndar de la muestra; por consiguiente.

Ahora buscamos en la tabla t en la columna correspondiente a 0.05(100%- 5%) hasta llegar a la hilera de 9 grados. En ese punto tomamos el valor t 2.262 en consecuencia, estableceremos nuestros lmites de confianza.

Problemas propuestos de estimacin por intervalo de confianza para medias poblacionales. I. Hallar los intervalos de confianza de: a) 95% b) 99% c) 90% Para estimar la altura media de una muestra 100 que se tom de 1,546 estudiantes de INTEC , la cual tena un error estndar de 0,14 y una media 67,45 pulgadas. II. Las medidas de los dimetros de una muestra al azar de 200 tornillos dieron una media de 0.824 pulgadas y una desviacin de 0,042 pulgadas. Hallar los lmites de confianza de 95% y 99%. III. Al medir el tiempo un siclogo estima que la desviacin tpica del mismo es de 0,05 segundos. Cul ser el nmero de medidas que deber hacer para que sea: a) De 95%. b) 90% c) De 99%. La confianza de que el error de su estimacin no exceder de 0.01 segundos.

Problemas propuestos de estimacin por intervalo de confianza para proporciones. Una muestra de 100 votantes, indic que el 55% estaba a favor de Guillermo Moreno. Hallar los lmites de confianza del: 1) 95%. 2) 99% 3) 90%. Para la proporcin de todos los votantes que estaban a favor de Guillermo Moreno. En 40 lanzamientos de una moneda, se obtuvieron 24 caras. Hallar los lmites de confianza de: a) 95% b) 99% c) 90%. Para la proporcin de caras que se obtendran en un ilimitado nmero de lanzamientos de la moneda.

Las dos actividades principales de la estadstica inferencial son el uso de datos: Para estimar un parmetro poblacional (la media, la porcin o la desviacin estndar). Probar una hiptesis o afirmacin con respecto a un parmetro poblacional. La prueba de hiptesis es un procedimiento estndar para probar una aseveracin acerca de una propiedad de una poblacin. La prueba de hiptesis tiene como objeto principal evaluar suposiciones o afirmaciones acerca de los valores estadsticos de poblacin. La suposicin puede ser cierta o falsa. La prueba comienza con un suposicin, llamada hiptesis que hacemos con respecto a un parmetro de la poblacin. Luego recolectamos datos de muestra, producimos estadsticas y usamos esta informacin para decidir qu tan probable es que sea correcto nuestro parmetro de poblacin acerca del cual hicimos la hiptesis.

Digamos que suponemos un cierto valor para una media de poblacin. Para probar la validez de nuestra suposicin recolectamos datos de muestra y determinamos la diferencia entre el valor hipotetizado y el valor real de la media de dicha muestra. Despus juzgamos si la diferencia es significativa o no. Mientras ms pequea sea la diferencia, mayor ser la probabilidad de que nuestro valor hipotetizado para la media sea correcto. Mientras mayor sea la diferencia, ms pequea ser la probabilidad.

Nota: No podemos aceptar o rechazar una hiptesis sobre un parmetro de poblacin simplemente por intuicin. Ms bien, necesitamos aprender cmo decidir objetivamente si aceptamos o rechazamos una corazonada, con base en informacin acerca de la muestra. En la prueba de hiptesis, debemos establecer el valor supuesto o hipotetizado del parmetro de la poblacin antes de comenzar a tomar la muestra. La suposicin que deseamos probar se conoce como hiptesis nula, y se simboliza H. Ejemplo si quisiramos probar la hiptesis de que la media de la poblacin es igual a 100. La simbolizaramos y la leeramos La hiptesis nula es que la media de la poblacin es igual a 100 H: =100 Si en un problema usamos un valor hipotetizado de una media de poblacin, lo representaramos como: se lee el hipotetizado de la media de la poblacin. Si los resultados de nuestra muestra no respaldan la hiptesis, debemos concluir que se cumple alguna otra cosa.

Siempre que rechazamos la hiptesis, la conclusin que si aceptamos, se llama hiptesis alternativa y se simboliza H. H: > 100 La hiptesis alternativa es que la media de poblacin es mayor que 100. H: < 100 La hiptesis alternativa es que la media de la poblacin es menor que 100. Nota: E l propsito de la prueba de hiptesis no es cuestionar el valor calculado de la estadstica de muestra, sino hacer juicio con respecto a la diferencia entre estadstica de muestra y un parmetro de la poblacin. Si suponemos que la hiptesis es correcta, entonces el nivel de significancia indicar el porcentaje de media de muestra que est fuera de ciertos lmites. Seleccin del nivel de significancia. Mientras ms alto sea el nivel de significancia que utilizamos para probar una hiptesis, mayor ser la probabilidad de rechazar hiptesis nula cuando es cierta.

Errores tipo I y tipo II El rechazo de un hiptesis nula cuando es cierta se denomina error del tipo I ( su probabilidad es tambin el nivel de significancia de la prueba). Se simboliza como (alfa). Al hecho de aceptar una hiptesis nula cuando es falsa se denomina error del tipo II y su probabilidad se simboliza como beta (beta). La probabilidad de cometer un tipo de error puede reducirse slo si deseamos incrementar la probabilidad de cometer el otro tipo de error, es decir, con el fin de obtener un beta bajo, tendremos que tolerar un alfa alta. Despus de definir el nivel de significancia a utilizar, lo siguiente ser en determinar la distribucin de probabilidad adecuada ( La distribucin normal (z) y la distribucin t de student ). Nota: Al probar el valor hipotetizado de una media al igual que en la estimacin, se utiliza el multiplicador de la poblacin finita siempre que la poblacin sea finita en tamao, el muestreo se haga sin remplazo y la muestra sea de ms de 5% de la poblacin.

Decisiones en cuanto a los tipos de error. Si se acepta una hiptesis verdadera la decisin es correcta. Si se acepta una hiptesis falsa, cometemos el error tipo II. Si rechazamos una hiptesis verdadera, cometemos el error tipo I. Si rechazamos una hiptesis falsa la decisin es correcta. Ejemplo: Probar la hiptesis de que el precio medio de un apartamento con tres dormitorios y dos baos, en un sector del D.N. es 15,000 pesos. Explique en qu condiciones cometeramos un error y de qu tipo? Error tipo II, si aceptamos el precio del apartamento de 15,000, cuando no lo es. Error tipo I, si rechazamos el precio de 15,000, cuando es cierto. Ejemplo: Supongamos que la universidad desea contratar los servicios de una estudiante para trabajar en la biblioteca. Para ello es sometida a una entrevista bajo las siguientes hiptesis.

a) b)

La estudiante Awilda es competente parar desarrollar la labor. La estudiante Awilda no es competente para esa labor. En qu condiciones los encargados de evaluarla cometern un erro de tipo I o de tipo II. Error tipo I: Decidir si Awilda no es competente si realmente lo es. Error tipo II: Decidir que Awilda es competente si realmente no lo es.

Prueba de hiptesis de dos extremos y de un extremo Una prueba de dos extremos rechazar la hiptesis nula si la media de muestra es significativamente mayor o menor que la media de la poblacin hipotetizado. Por consiguiente, en una prueba de dos extremos existe, dos regiones de rechazo. Una prueba de dos extremos es apropiada cuando la hiptesis nula es = (en donde es algn valor especificado) y la hiptesis alternativa es distinta . Ejemplo: Un fabricante de focos elctricos desea producirlo con una vida media de 1,000 horas = = 1,000 si el tiempo de vida es ms corto perder clientes si el tiempo de vida es muy largo, entonces subirn los costos. Entonces tomar una muestra con el fin de probar la hiptesis H: = 1,000. Como no quiere desviarse significativamente de 1,000 horas en ninguna direccin, la hiptesis alternativa ser H: 1,000, y entonces rechaza la hiptesis nula si la vida media de los focos de la muestra est muy por arriba de 1,000 horas y muy por debajo de 1,000 horas.

Prueba de un solo extremo, si un comprador de focos no desea aceptar un lote a menos que su vida media sea de al menos 1,000 horas. La empresa rechazar el lote cuando pruebe que su vida media est por debajo de la mil horas. Entonces la hiptesis para el mayorista son: H: = 1,000 H < 1,000. Rechaza la : H slo si la vida media de los focos muestreados est significativamente por debajo de las 1,000 horas. Esta prueba de extremo es conocida como prueba de extremo izquierdo. Una prueba de extremo derecho es cuando H: = H > conocida tambin como prueba de extremo superior.

Prueba de hiptesis de media cuando se conoce la desviacin estndar de la poblacin. Prueba de dos extremos de medias: Prueba en la escala de la varianza original Ejemplo: Los ejes traseros de camiones deben soportar 80,000 lbs. por pulgada cuadradas. La experiencia indica que la desviacin estndar de la fuerza de los ejes es de 4,000 lbs. El fabricante selecciona una muestra de 100 ejes de la produccin. Los prueba y encuentra que la capacidad de carga media de la muestra es de 79, 600 libras. Simblicamente.

= 80,000 valore hipotetizado de la media de la poblacin. = 4,000 desviacin estndar de la poblacin. n = 100 tamao de la muestra. = 79,600 media de la muestra.

1.

Si el fabricante elije un nivel de significancia ( ) de 0,05 en la prueba satisfarn los ejes sus requerimientos de carga? Simblicamente el problema se establece: H: = 80,000 hiptesis nula: la media real es 80,000 libras por pulgadas. H: 80,000 hiptesis alternativa: La media real no es 80,000 libras por pulgadas. = 0,05 es el nivel de significancia para probar esta hiptesis. Solucin: Como conocemos la desviacin estndar de la poblacin, y como el tamao de la poblacin es lo suficientemente grande para considerarlo infinito, podemos utilizar la distribucin normal. Calculamos el error estndar de la muestra.

2.

Para hacer esta prueba se necesita un valor observado calculado a partir de la muestra, y un valor crtico que define la frontera entre las regiones de aceptacin y de rechazo.

3. Buscar el valor de z, como tenemos un valor de significancia de 0,05 podemos ver que el valor apropiado para 0,475 es de 1,96 desviaciones y con esto podemos determinar los lmites de la regin de aceptacin.

Como se puede observar la media de muestra cae dentro de la regin de aceptacin; el fabricante debe aceptar la hiptesis nula, porque no hay diferencia significativa entre la media hipotetizado de 80,000 y la media de la muestra.

Prueba de hiptesis usando la escala estandarizada

Si miramos el ejercicio anterior, que nuestra media de muestra es de 79,600, esta dada en la escala sin procesar, pero que los valores de z de 1.96 estn dados en escala estandarizada. Como estos dos nmeros estn dados en dos escalas distintas, no podemos compararlos directamente cuando probamos nuestra hiptesis, es decir, que debemos convertir uno de ellos en la escala del otro.

La media de la muestra est a un error estndar por debajo de la media de la poblacin.

Pasos

Accin a ejecutar

1
2 3

Decida de cunto extremos es la prueba. Establezca un hiptesis y el nivel significancia ( )

Decida la distribucin apropiada ( z, t ). Encuentre los valores crticos Calcule el error estndar de la estadstica de muestra. Use el error estndar para convertir el valor observado de la estadstica de muestra a un valor estandarizado. Marque la posicin del valor de la muestra estandarizado Compare el valor de la estadstica de muestra estandarizado con los valores crticos e interprete el resultado.

4 5

Prueba de un extremo de media. Suponga que un hospital utiliza un medicamento que con 100 cc es la dosis apropiada, la accin del medicamento es tal que el cuerpo tolera inocuamente dosis excesivas. Por otra parte, las dosis insuficiente no producen los efectos mdicos deseados. El hospital sabe que la desviacin estndar de la poblacin es de 2cc. El hospital inspecciona aleatoriamente 50 dosis de la medicina y encuentra que la media de la dosis es 99.75 cc. = 100 valor hipotetizado de la media de la poblacin. = 2 desviacin estndar de la media de la poblacin. n = 50 tamao de la muestra. = 99.75 media de la muestra. Con un nivel de significancia 10% queremos saber si la dosis de ese lote es demasiado pequea.

= 100 hiptesis nula: La media de la dosis del lote es 100cc. 00 hiptesis alternativa: La media es menor que 100 cc. = 0.10 nivel de significancia. Solucin: Como conocemos la desviacin estndar de la poblacin, y n es mayor que 30, podemos utilizar la distribucin normal. Podemos determinar que el valor crtico de z para 40% del rea bajo la curva es de 1.28. Procedemos calcular el error estndar de la media, utilizando la desviacin estndar de la poblacin que conocemos. Ahora estandarizamos. Con los resultados estandarizado el hospital debe aceptar la hiptesis nula, porque la media observada de la muestra no es significativamente menor que nuestra media hipotetizado.

Prueba de hiptesis de porcin: Muestras grandes Pruebas de dos extremos de porciones. Recordemos que la binomial es la distribucin tericamente para usarse a trabajar con porciones, por el simple hecho de los datos son discreto y el tamao de la muestra es menor de 30. Si aumenta el tamao de la muestra podemos usar la distribucin normal, porque al aumentar el tamao de la muestra la distribucin binomial se aproxima a la normal. Por lo que, podemos utilizar la distribucin normal para aproximar la distribucin de muestreo. Ejemplo: La compaa trata de evaluar la porcin de empleados cuyas capacidad, capacitacin y experiencia de supervisin los califican para promocionarlos. Recursos Humanos dice que el 80% de los empleados de la compaa son promocionables. Se hace una entrevista a fondo con 150 empleados y encuentra que, a su juicio slo el 70% de la muestra est calificada para su promocin.

El presidente desea probar al nivel de significancia de 0,05 la hiptesis de que 0.80 de los empleados son promocionables: H:p= 0.80 hiptesis nula: 80% de los empleados son promocionables. H:P 0.8 hiptesis alternativa: La porcin de los empleados promocionables no es 80%. = 0.05 nivel de significancia para probar la hiptesis. En este caso la compaa necesita saber si la porcin verdadera es mayor o menor que la porcin hipotetizada.

Solucin: Es adecuado una prueba de dos extremos de una porcin, en ambos lados de los extremos tenemos 0.025 y la regin de aceptacin de 95%, es decir, cada una contiene un rea de 0.475. Puesto que np y nq son cada una mayores que 5, podemos utilizar la aproximacin normal de la distribucin binomial, podemos determinar que el valor crtico para z 0.475 del rea bajo la curva es 1.96. Podemos calcular el error estndar de la porcin, utilizando los valores hipotetizados de y

A continuacin estandarizamos la porcin de la muestra dividiendo la diferencia entre la porcin de muestra observada y la porcin hipotetizada, entre el error estndar de la porcin.

AL sealar la porcin de la muestra estandarizada calculada, -3.06, en una parte de la distribucin de muestreo, es evidente que esta muestra cae fuera de la regin de aceptacin. El presidente debe rechazar la hiptesis nula y concluir que existe una diferencia entre la porcin hipotetizada de empleados promocionables (0.80) de recursos humanos y la porcin observada de empleados promocionables en la muestra. De esto, debe inferir que la porcin real de empleados promocionables en toda la compaa no es de 80%.

Pruebas de un extremo de porcin. Un protestante preocupado por la contaminacin de las industrias afirma, que menos de 60% de las plantas industriales cumple con los estndares de contaminacin ambiental. A la reunin asisti una funcionaria pblica que cree que el 60% de las plantas si cumple con los estndares; decide probar esta hiptesis a nivel de significancia de 0,02.

La funcionaria presenta 60 plantas de una poblacin de ms de 10,000 plantas y encuentra que 33 cumplen con los estndares de contaminacin ambiental. Es vlida la afirmacin de los protestantes?

Esta es una prueba de un extremo. Como np y nq estn cada uno por arriba de 5, podemos usar la aproximacin normal de distribucin binomial. El valor crtico de z para 0.48 del rea bajo la curva es de 2.06

Finalmente estandarizamos la porcin de muestra dividiendo la diferencia entre la porcin de muestra observada y la porcin hipotetizada entre el error estndar de la porcin.

Podemos observar que la porcin de muestra cae dentro de la porcin de la regin de aceptacin. Por consiguiente, la funcionaria debe aceptar la hiptesis nula de que la porcin de la planta es de 0.6. Aunque la porcin de la muestra observada est por debajo de 0,6, no est lo bastante debajo de 0.6 para hacer que aceptemos la afirmacin del miembro del grupo de inters pblico.

Prueba de hiptesis de medias cuando no se conoce la desviacin estndar de la poblacin. Recodar: Que si el tamao de la muestra n es de 30 o menor y error estndar ( ) se desconoce, debemos utilizar la distribucin ( t ). La distribucin ( t) tiene n-1 grado de libertad. Esta regla tambin se aplica a la prueba de hiptesis. Prueba de hiptesis de dos extremos usando la distribucin t. En una prueba de aptitud, la directora le dice al presidente que la puntuacin promedio ser de aproximadamente de 90%. En una revisin el presidente encuentra que la puntuacin media es de 84% con una desviacin de 11 de una muestra de 20.

Si el presidente desea probar su hiptesis al nivel de significancia de 0.10. El procedimiento es el siguiente:

Solucin: Es una prueba de dos extremos. Puesto que el tamao de la muestra es de 20 el nmero de grados de libertad es de 19, es decir, 20-1. Entonces buscamos en la tabla de la distribucin t en la columna encabezada por 0.10, hasta llegar a la hilera correspondiente a 19 grados de libertad, all encontramos el valor crtico de t, 1,729. Como no se conoce la desviacin estndar de la poblacin debemos estimarla usando la desviacin estndar de la muestra. = S = 11.

Como estamos usando una estimacin de error estndar de la poblacin, el error estndar de la media tambin ser una estimacin.

A continuacin estandarizamos la media de la muestra, , restando la media hipotetizada, y dividiendo entre el error estndar estimado de la media.

Al sealar este resultado en una grfica de la distribucin de muestreo, nos damos cuenta que la media de la muestra cae fuera de la regin de aceptacin, por consiguiente, el presidente debe rechazar la hiptesis nula.

Pruebas de hiptesis para diferencias entre medias y porciones.

En ocasiones, la gente necesita determinar si los parmetros de dos poblaciones son parecidos o diferentes. Por ejemplo: El gobierno tendra algn inters en saber si los salarios de los trabadores del campo de la Regin Sur son iguales a los salarios de los trabajadores agrcola de la Regin Norte. El gerente de una compaa este interesado en la proporcin de empleados que deseen formacin interna, con otra proporcin que desee formacin en otra institucin. Nota: Debido a que ahora deseamos estudiar dos poblaciones, la distribucin de muestreo que nos interesa, es la distribucin de muestreo de diferencias entre media. Ahora tendremos dos poblaciones identificada como poblacin 1 y poblacin 2. stas tienen media y y desviacin estndar y , respectivamente. Las distribuciones de muestreo tericas de la media se forman a partir de todas las muestras posibles de un tamao dado que se pueden tomar de la distribucin de la poblacin correspondiente.

Supongamos que tomamos una muestra de la distribucin de la poblacin 1 y una muestra de la poblacin 2. Si luego restamos las dos medias de las muestras obtenemos: estos es la diferencia entre las medias de las muestras. Esta diferencia ser positiva si es mayor que , y ser negativa si , es menor que . La media de la distribucin de muestreo de la diferencia entre las medias de las muestras se representa con el smbolo y es igual a si

La desviacin estndar de la distribucin de la diferencia entre las medias de las muestras se conoce como error estndar de la diferencia entre dos medias, y se calcula de la siguiente manera:

En donde:

Si no conocemos las dos desviaciones estndar de poblacin, podemos estimar el error estndar de las diferencias entre dos medias.

Ahora tendremos el error estndar estimado de la diferencia entre dos muestras.

Pruebas para diferencias entre medias: Tamao grande. Recuerde que cuando pasa de 30 el tamao de la muestra se considera grande. Ejemplo se le pide a un experto que determine si los salarios por horas de los obreros semiespecializados son los mismos en dos ciudades distintas.

CIUDAD

SALARIOS MEDIOS POR HORA DE LA MUESTRA 8.95

DESVIACIN ESTNDAR DE LA MUESTRA 0.40

TAMAO DE LA MUESTRA

D.N.

200

STGO.

9.10

0.60

75

Se desea probar la hiptesis en el nivel de 0.05 de que no hay diferencias entre los salarios por hora de los trabajadores semiespecializados de las dos ciudades.

H: = hiptesis nula: No hay diferencia. H: hiptesis alternativa: Existe diferencia = 0.05 nivel de significancia para la prueba de esta hiptesis. Solucin: Vemos que es una prueba de dos extremos. El nivel de significancia es de 0.05 dividido en ambas cola de 0.025 del rea. La regin de aceptacin contiene dos reas iguales de 0.475. Como ambas pruebas son grandes, podemos utilizar la tabla de la distribucin normal. Como no se conocen las desviaciones estndar de las dos poblaciones, entonces, debemos estimarla

Ahora estimamos.

A continuacin estandarizamos la diferencia de las medias de las muestras, Primero calculamos la diferencia hipotetizada de las medias de las poblaciones, luego dividimos entre , el error estndar estimado de la diferencia entre las medias de la muestras.

Sealamos la diferencia estandarizada en una grfica de la distribucin de muestreo y comparamos con el valor crtico. En la figura se muestra que la diferencia estndar entre las dos medias de la muestra se encuentra fuera de la regin de aceptacin. As rechazamos la hiptesis nula de no diferencia y llegamos a la conclusin de que las medias de las poblaciones son diferentes.

Tambin pudimos haber investigado si los salarios promedios estaban aproximadamente diez centavos por hora ms bajos en el D.N. que en Stgo. En este caso la hiptesis hubiera sido: H: = -0.10 hiptesis nula: Los salarios estn 0.10 ms abajo en el D.N. que en STGO. H: -0.10 hiptesis alternativa: Los salarios no estn 0.10 ms bajos en D.N. que en STGO. = 0.05 nivel de significancia para la prueba de esta hiptesis. Solucin: En este caso, la diferencia hipotetizada entre las dos medias sera

Prueba para diferencias entre medias: Tamao de muestra pequeos. Cuando el tamao de la muestra es pequea basaremos la prueba de muestra en la distribucin t. Ejemplo: Se va aprobar un programa educativo para grupo de jvenes altamente peligrosos, el programa es ms caro, que el que haban usado anteriormente. Un psiclogo desea saber, a un nivel de significancia de 0,05, si este gasto ha aumentado la sensibilidad de los jvenes. H: = hiptesis nula: No hay diferencia en los niveles de sensibilidad proporcionados por los dos programas. H: < hiptesis alternativa: El nuevo programa tiene como resultado niveles ms altos de sensibilidad. = 0.05 Nivel de significancia para la prueba de esta hiptesis.

H:= hiptesis nula: No hay diferencia en los niveles de sensibilidad proporcionados por los dos programas. H:> hiptesis alternativa : El nuevo programa tiene como resultado niveles de sensibilidad ms altos. = 0.05 nivel de significancia para la prueba de esta hiptesis.

Programa muestreado

Sensibilidad media despus de tomar el examen 92%

84%

Nmeros de jvenes observados

Desviacin estndar de la sensibilidad despus del programa 15%

19%

Formal
Informal

12
15

La compaa desea probar si la sensibilidad adquirida despus de tomar el nuevo programa es significativamente mayor que la adquirida en el programa ms antiguo.

Solucin: Vemos que es una muestra de un solo extremo, luego procedemos a calcular el error estndar.

Hasta tanto no llegar al otro captulo asumiremos que la varianza de la poblacin 1 es igual a la varianza de la poblacin 2 Supongamos, por el momento, que Para hallar la varianza de la poblacin a partir de la varianza de la muestra usamos un promedio pesado, de en que los pesos son el nmero de grado de libertad, usamos un promedio pesado de en el cual los pesos son el nmero de grado de libertad de cada muestra.

A este promedio pesado se le conoce como estimacin conjunta de la varianza. Como la muestra es pequea tenemos que usar la distribucin t y, al tener dos muestras, entonces, tenemos dos grados de libertad n- 1 de la muestra 1 y n- 2 de la muestra dos. En consecuencia, tenemos 12 + 15 2 = 25 grados de libertad. Debido a que estamos efectuando una prueba de extremo superior aun nivel de significancia de 0.05 el valor crtico de t es de 1.708. Buscamos el error estndar estimado

Entonces:

Sacando la raz cuadrada en ambos lados, obtenemos

A continuacin estandarizamos la diferencia de las medias de las muestras, primero hacemos la operacin.

La diferencia estandarizada entre las dos medias de la muestra se encuentra dentro de la regin de aceptacin. De esta manera aceptamos la hiptesis nula de que no existe una diferencia significativa entre los niveles de sensibilidad adquiridos en los dos programas, Es decir que los gastos de la empresa con respecto al programa formal no ha producido un alza significativa en el nivel de sensibilidad.

Prueba de diferencias entre medias con muestras dependientes. Dos muestras son dependientes ( 0 consistentes en datos apareados) si los miembros de una muestra pueden utilizarse para determinar los miembros de la otra muestra. Para cada par de datos de valores muestrales, calculamos la diferencia entre los dos valores y luego utilizamos esas diferencias muestrales para probar aseveraciones acerca de la diferencia poblacional. La muestra dependiente se trabajan iguales que las independientes, con la diferencia de que se utiliza una frmula distinta para el error estndar, adems, se requiere que las muestras sea del mismo tamao.

Un balneario de agua curativas ha anunciado un programa de reduccin de peso y afirma que el participante promedio en el programa pierde ms de 17 libras. Un investigador toma los registros de 10 participantes y anot el peso que tenan antes y despus. 189 202 220 179 203 207 192 194 172 177 161 193 174 202 187 208 186 233 204

Antes

Despus 170

El investigador desea probar a un nivel de significancia de 5% la prdida promedio de peso anunciada a 17 libras. H: - = 17 hiptesis nula: La prdida promedio de peso es de solamente de 17 libras. H: - > 17 hiptesis alternativa: La prdida promedio de peso excede las 17 libras. = 0.05 nivel de significancia.

Si la poblacin de prdida de peso tiene una media , podemos replantear nuestra hiptesis. H: = 17 H: > 17. Solucin: Es una prueba de extremo derecho. Usamos la distribucin t El nmero de grado de libertad es de (10 1). El nivel de significancia de 0.05 para una distribucin de extremo superior es de 1.833. Empezamos con la comparacin de las prdidas individuales, su media y su desviacin estndar, y procedemos de manera exactamente igual como lo hicimos al probar hiptesis de una slo media. Ver siguiente tabla

ANTES
189 202 220 207 194 177

DESPUS
170 179 203 192 172 161

PRDIDA (X)
19 23 17 15 22 16

PRDIDA AL CUADRADO (X)

361 529 289 225 484 256

193
202 208 233

174
187 186 204 = 197

19
15 22 29

361
225 484 841 x= 4,055

Entonces la media y la desviacin sern:

Como no conocemos la desviacin estndar de la poblacin la estimamos a partir de la muestra. Ahora podemos estimar el error estndar de la media.

Luego estandarizamos la prdida media de peso observada Restndole la prdida media hipotetizada, y dividiendo el resultado entre el error estndar estimado de la media

Finalmente tenemos:

Vemos que la media de la muestra se encuentra fuera de la regin de aceptacin, de modo que el investigador puede rechazar la hiptesis nula y llegar a la conclusin de que la prdida de peso anunciada con el programa es legitima.

Pruebas de diferencias para porciones: Tamaos de muestras grandes. Esta prueba es utilizada para saber por ejemplo, si las mujeres tienen la misma probabilidad que los hombres de adquirir un carro deportivo, o si un partido es ms fuerte en regin que en otra. Para llegar a conclusiones en situaciones como stas, podemos tomar muestras de cada uno de los dos grupos en cuestin ( ejemplo votantes en le sur y votantes del norte). Y utilizar las porciones de muestra para probar la diferencia entre las dos poblaciones. El procedimiento es muy parecido cuando se comparan dos medias utilizando muestras independientes. La nica diferencia importante se dar en la forma en que encontremos una estimacin para el error estndar de la diferencia entre las dos porciones de muestra.

Prueba de dos extremos para las diferencias entre porciones. Ejemplo un laboratorio est probando dos nuevos compuestos destinados a reducir los niveles de la presin sangunea. Los compuestos son suministrados a dos diferentes conjuntos de animales de laboratorio. En el grupo I, 71 de 100 animales probados respondieron a la droga I con niveles menores de presin arterial. En el grupo II, 58 de 90 animales probados respondieron a la droga dos, con menores niveles de presin sangunea, La compaa desea probar a un nivel de significancia de 0.05 si existe una diferencia entre las dos medicinas De qu manera se puede proceder con este problema?

Entonces tenemos que:

Solucin: Es una prueba de dos extremos. El nivel de significancia de 0.05. corresponde a un nivel crtico de 1.96. La muestras son grandes por lo que podemos usar la distribucin normal para aproximar a la binomial. corresponde a un nivel crtico de 1.96. para ocupar un rea de 0.475 bajo la curva. Se calcula la desviacin estndar de la distribucin de muestreo, la distribucin binomial es la correcta. Deseamos encontrar el error estndar de la diferencia entre dos porciones, por tanto, debemos recordar la frmula para el error estndar de la porcin

Continuando.

Para probar los dos medicamentos, no sabemos los parmetros de la poblacin p, q, p, q y, por consiguiente, necesitamos estimarlos a partir de la estadstica de muestra, obteniendo una nueva frmula:

Despus de todo, si hacemos la hiptesis de que no hay diferencia entre las dos porciones de poblacin, entonces nuestra mejor estimacin de la porcin completa de xitos en la poblacin es, la porcin combinada de xitos de ambas muestras.

Seguimos

Ahora tenemos las estimaciones de p y q, por lo que podemos obtener el error estndar

Ahora calculamos el error estndar:

Estandarizamos la diferencia entre las dos porciones de muestra observadas dividindola entre el error estndar

Podemos ver que la diferencia estandarizada entre las dos porciones de muestra se encuentran dentro de la regin de aceptacin. As pues, aceptamos la hiptesis nula y concluimos que estos dos nuevos medicamentos producen efectos en la presin sangunea que no son significativamente diferentes.