Documentos de Académico
Documentos de Profesional
Documentos de Cultura
H
unidad 3
ESTADISTICA
INFERENCIAL 1
AIME FALCON
PRUEBA DE
HIPTESIS
OBJETIVO: Determinar la validez de
supuestos poblacionales a partir del
mtodo de prueba de hiptesis para
una, dos, tres o ms poblaciones.
CONCEPTOS BSICOS
La prueba de hiptesis comienza con una
suposicin, denominada hiptesis, que hacemos
entorno a un parmetro de la poblacin. Reunimos
datos mustrales, producimos estadsticos de la
muestra y con esta informacin decidimos la
probabilidad de que el parmetro supuesto de la
poblacin sea correcto. Por ejemplo, suponemos
cierto valor de una media de la poblacin. Para
verificar la validez de la suposicin, obtenemos los
datos mustrales y determinamos la diferencia
entre el valor supuesto y el valor real de la media
muestral. A continuacin juzgamos si la diferencia
es significativa. Cuanto menos sea la diferencia,
mayores probabilidades habr de que sea correcto
el valor supuesto de la media. Y a una diferencia
ms amplia corresponder una probabilidad
menor.
No podemos aceptar ni rechazar una hiptesis
referente a un parmetro de la poblacin por mera
intuicin. Por el contrario, necesitamos aprender a
decidir con objetividad, basndonos en la
informacin de la muestra, si aceptamos o
rechazamos un presentimiento.
a) Hiptesis
Se debe formular el supuesto valor del parmetro de la
poblacin antes de empezar el muestreo. La suposicin que
se desea probar, se denomina hiptesis nula y se representa
por H0. Si se rechaza la hiptesis nula, la conclusin que
debemos aceptar se llama hiptesis alternativa y se
simboliza por H1.
Supongamos que se quiere probar la hiptesis de que el
promedio de calificacin de los alumnos de cierta Universidad
es de 8.5, entonces:
H0 : = 8.5 Establece que la media de la poblacin es igual a 8.5
b) Nivel de significancia
Supongamos que la media de
calificaciones del ejemplo anterior
de 8.5, se expresa con un nivel de
confianza del 95%, entonces el
nivel de significancia ser de 0.05,
es decir:
= 1 0.95
Entonces: = 0.05 Que representa
el nivel de significancia.
Se puede comprender mejor
observando
la
grfica
siguiente:
c) Seleccin de un nivel de
significancia
No hay un nivel de significancia
que sea oficial o universal con el
cual probar las hiptesis. Pero la
eleccin del criterio mnimo de
una probabilidad aceptable, o
nivel de significancia, es asimismo
el riesgo que se corre de rechazar
una hiptesis nula aunque sea
verdadera. Cuando ms alto sea
el nivel de significancia que
utilizamos al probar una hiptesis,
mayores probabilidades habr de
rechazar una hiptesis nula que
sea verdadera.
d) Errores de tipo I y II
Si se rechaza una hiptesis nula que sea verdadera
es un error de tipo I, y su probabilidad se
representa con . Si se acepta una hiptesis nula
que sea falsa se llama error de tipo II, y su
probabilidad se representa con . La probabilidad
de cometer uno de estos errores se reduce si se
aumenta la probabilidad de incurrir en otro tipo de
error. A fin de conseguir una baja, habremos de
conformarnos con una alta. Para sortear esto en
situaciones personales y profesionales, los
encargados de tomar decisiones eligen el nivel
apropiado de significancia examinando los costos
o castigos que conllevan a ambos tipos de error.
Por ejemplo: supngase que el cometer un error de
tipo I implica el tiempo y el trabajo de reelaborar
un lote de sustancias qumicas que debera haber
sido aceptado. En cambio, el incurrir en un error
de tipo II significa correr el riesgo de que se
envenene un grupo entero de usuarios de la
sustancia. La gerencia de esta compaa preferira
el error de tipo I al de tipo II y, en consecuencia,
establecera niveles muy elevados de significancia
en sus pruebas para conseguir bajas.
Realizaremos
algunos
ejemplos, en diferentes
condiciones cuando se
conocen
las
desviaciones estndar
de la poblacin.
Solucin:
Las hiptesis se expresan de la siguiente manera:
H0 : = 60,000 mi
La duracin de las llantas es
de 60,000 millas
H1 : 60,000 mi
La duracin de las llantas es
distinta a 60,000 millas
Primero, vamos a calcular el error estndar de la media
y para ello emplearemos la expresin del error
estndar:
x
n
5,000
48
5,000
6.9282
x 721.69 mi
Lc H 0 Zx
x
Z
x
59,500 60,000
Z
721.69
Z 0.693 __
X
1
x
50
1
x
7.07
x 0.1414
2.75 3
Z
0.1414
x
Z
x
0.25
Z
0.1414
Z 1.77 x
Ejemplo 3.Una
cadena
grande
de
tiendas
de
autoservicio, expide su propia tarjeta de
crdito. El gerente de crdito desea
averiguar si el saldo insoluto medio
mensuales mayor que 400 dlares. El nivel
de significacin se fija en 0.05. Una revisin
aleatoria de 172 saldos insolutos revel que
la media muestral 407 dlares y la
desviacin estndar de la muestra es 38
dlares. Debera concluir ese funcionario
de la media poblacional es mayor que 400
dlares, o es razonable suponer que la
diferencia de 7 dlares (obtenida de 407400 = 7) se debe al azar?
= 400 dlares.
n =172 saldos insolutos.
Datos:
= 407 dlares.
s=
= 38 dlares (desviacin
estndar estimada).
= 0.05
x
n
38
x
172
38
13.115
x 2.897
x
Z
x
Comprobando con:
407 400
2.897
7
2.897
Z 2.416 x
PRUEBAS DE HIPOTESIS DE
LAS MEDIAS DE MUESTRAS
PEQUEAS.
x
n
11
x
20
11
x
4.472
x 2.46
Lc tx
Lc = 90 1.729 (2.46)
Li = 90 1.729 (2.46)
Ls = 90 + 4.246
Li = 90 4.246
Ls = 94.25
Li = 85.75
$600,000
=
= 0.05
x
n
49,000
x
7
49,000
x
2.646
x $18,518.52
Li t x
Li = 600,000 1.943 (18,518.52)
En la campana de Gauss:
Li = $564,018.52
560,000 600,000
18,518.52
40,000
18,518.52
Z 2.16x
p H 0 qH 0
n
Sustituyendo valores:
(.8)(.2)
150
0.0010666
p 0.0327
Lc = PH0 Z
Lc = 0.8 1.96(0.0327)
Ls = 0.8 + 0.06409
Ls = 0.8641
Li = 0.8 0.06409
Li = 0.7359
Vindolo en la campana de Gauss:
p
La probabilidad
de la muestra
=
0.7, se localiza en la zona de
rechazo, por lo que se rechaza la
hiptesis nula y se acepta la
alternativa. Vamos a demostrarlo:
0.7 0.8
0.0327
0.1
0.0327
Z 3.058 p
el
error
estndar
de
la
pHo qHo
n
Sustituyendo valores:
(0.3333) (0.6667)
200
0.2222
200
p .0011 p 0.0333
0.4 0.3333
Z
0.0333
0.0667
Z
0.0333
En la campana de Gauss:
p p
p
Z 2.003p