Está en la página 1de 43

Definición

La Inferencia Estadística es un método inductivo que consiste en llegar a


conclusiones generales o en tomar decisiones respecto a una característica de la
población con base en el análisis e información de la muestra.

La Inferencia se apoya en la teoría de la probabilidad, el muestreo y las


distribuciones de los estadísticos muestrales.
OBJETIVOS

ESTIMACION DE PARAMETROS

PRUEBA DE HIPOTESIS
PRUEBA DE HIPOTESIS

DEFINICION: Procedimiento que consiste en someter a prueba determinado


valor de un parámetro; y con los resultados de la muestra decidir si aceptarlo o
rechazarlo.

OBJETIVO: Toma de decisiones en cualquier situación.


PRUEBAS DE HIPÓTESIS

Hipótesis Estadística


Es una aseveración que se hace acerca del valor de un parámetro (de las relaciones entre
parámetros, o de la distribución de una variable).

Esta afirmación se debe analizar con base a la evidencia de los datos de una muestra.

Tipos de Hipótesis


Hipótesis Nula.- Es la afirmación que se va a someter a prueba para ser aceptada o rechazada. Debe representar lo conocido e indica
que todo sigue igual. Está denotada por H0

Hipótesis Alternativa.- Contradice a la Hipótesis nula. Es rechazada si se acepta H 0 y viceversa.

Representa el cambio, lo sospechoso, lo novedoso. Está denotada por H1
PRUEBAS DE HIPÓTESIS
En una Prueba de Hipótesis se evalúa una hipótesis
nula H0 frente a una hipótesis alternativa H1.
 Pruebas Unilaterales o de una cola
 Prueba de Cola Inferior o Izquierda.-
H0 :  =  0 vs H1:  <  0
 Prueba de Cola Superior o Derecha.-
H0 :  =  0 vs H1:  >  0
 Prueba Bilateral o de dos Colas

H0 :  =  0 vs H1:    0 
SITUACIONES POSIBLES AL PROBAR
UNA HIPOTESIS ESTADISTICA

Ho
VERDADERO FALSO
DECISION
Aceptar (No rechazar) correcto ERROR II
β

Rechazar ERROR I Correcto: (Potencia)


α
TIPO DE ERROR

ERROR TIPO ERROR TIPO


I : α. II : β.
o Nivel de
Significación. Probabilidad de
Probabilidad de no rechazar
(aceptar ) una
rechazar una Hipótesis nula
Hipótesis nula falsa.
verdadera.
REGIONES DE DECISIÓN de Ho
VALOR CRITICO: Es el valor o valores que separan la
regiones:
REGION DE ACEPTACIÓN: Area de
probabilidad que corresponde al no rechazo de
Ho.
REGION CRITICA O REGION DE RECHAZO
Es el área de probabilidad que harían rechazar
Ho.
POTENCIA de la PRUEBA
P =1–β

Es el complemento del error II, y es la posibilidad


de rechazar la hipótesis nula cuando es falsa.
Es la medida de la sensibilidad del procedimiento,
pues determina la posibilidad del rechazo correcto de
la hipótesis nula en diferentes circunstancias
Ejemplo:
En un proceso judicial: Se parte de la
hipótesis que un individuo es inocente de
cierto crimen.
a.) Indique cómo el jurado cometería el error tipo I y
tipo II.
b.) ¿Qué preferiría el sistema legal si no acierta en la
sentencia? cometer un error tipo I o uno de tipo II? 
Ejemplo
La compañía Health Electronics, fabricante de baterías
para marcapasos, especifica que la vida de cada batería
es mayor o igual a 28 meses. Si el calendario de cirugía
para reemplazar las baterías se ha de basar en esta
afirmación. Explique a la administración de esta
empresa las consecuencias que se tendrían al cometer
los errores tipo I y tipo II
 
Ejemplo
Considere el siguiente caso como una prueba de hipótesis. El
almacén acaba de recibir un paracaídas, sobre el cual un inspector
postula la siguiente hipótesis nula: "este paracaídas funcionará".
a) Establezca cuidadosamente los 4 posibles resultados al tomar la
decisión.
b) Decida sobre la gravedad de los dos errores posibles.
c) Si se pudiesen controlar estadísticamente  y , ¿qué conjunto
de probabilidades preferiría el usuario del paracaídas?.
 = 0,10 y  = 0,001;
 = 0,001 y  = 0,10;
= 0,05 y  = 0,05.
Ejemplo
Solución a)
Hipótesis planteadas:
H0: Este paracaídas funcionará
H1: Este paracaídas no funcionará

Decisiones posibles:
• Afirmar que el paracaídas funcionará
• Afirmar erróneamente que el paracaídas no funcionará
• Afirmar erróneamente que el paracaídas funcionará
• Afirmar que el paracaídas no funcionará
Ejemplo
Solución b)
Errores posibles:
• Error Tipo I: Afirmar erróneamente que el paracaídas no
funcionará (Rechazar Ho/Ho es Verdadero)
• Error Tipo II: Afirmar erróneamente que el paracaídas
funcionará (No rechazar Ho/Ho es Falso)

El error más grave es el Error Tipo II.

Solución c)
De las tres opciones:
 = 0,10 y  = 0,001;  = 0,001 y  = 0,10; = 0,05 y  = 0,05.
Dada la Gravedad del Error Tipo II, seria más conveniente elegir la
opción:  = 0,10 y  = 0,001.
PROCEDIMIENTO PARA LA
PRUEBA DE HIPOTESIS
• Expresar la Hipótesis nula Ho respecto al parámetro en
estudio. Y luego la Hipótesis alternativa H1 .
( H1 puede tomarse “menor”, “diferente” ó “mayor” el valor
del parámetro en estudio )

• Especificar el Nivel de significación : α


( α : error tipo I, que es la probabilidad de rechazar una Ho
que es verdadera )
• Elegir la estadística de prueba, cuya distribución por
muestreo sea conocida.

• Determinar las Regiones de Rechazo y Aceptación,


estableciendo los valores críticos que dividen ambas
regiones.

Así, si H1 establece el valor del parámetro:


( para α = 0.05 )
“cola izq. :menor de” “ambas colas: diferente de” “cola der: mayor de”

 
RA RA
RA
RR RR
RR RR
• Calcular el valor estadístico utilizando los
datos, y establecer las Reglas de Decisión
de la prueba.

• Tomar la decisión estadística adecuada y


expresarlo en términos del problema. Dar
las correspondientes conclusiones.
Reglas de Decisión
Se establecen en base al valor crítico de la estadística de prueba:
• Región de Rechazo (RR) o Crítica. - Contiene los resultados de la
estadística de prueba para rechazar H0.
• Región de No Rechazo (RNR). - Contiene los resultados de la
estadística de prueba para NO rechazar H0.
CON MINITAB:
  P-valor: Es la probabilidad de tener un valor extremo ( mas grande o
más pequeño ) que el observado.

Cola Izquierda: = )
Cola Derecha: = )
Dos colas: ) + )

REGLA DE DECISIÓN:
Si P-valor ≥ α ⇾ No se rechaza Ho
Si P-valor < α ⇾ Se rechaza Ho
Prueba de Hipótesis para la Media
a) Caso de varianza 2 conocida

Estadística Valores Reglas para


Hipótesis
de Prueba Críticos rechazar H0
H0: m = m0
z'a zc < z'a
H1: m < m0
H0: m = m0 x - 0
zc = z'1-a zc > z'1-a
H1: m > m0 / n
H0: m = m0
z'1-a /2 | zc | >z'1-a/2
H1: m ≠ m 0
Prueba de Hipótesis para la Media
b) Caso de varianza 2 desconocida
Estadística Valores Reglas para
Hipótesis
de Prueba Críticos rechazar H0
H0: m = m 0
t'(n-1; a ) tc < t'(n-1; a)
H1: m < m 0
H0: m = m 0 x - 0
tc = t'(n-1; 1-a) tc > t'(n-1; 1-a)
H1: m > m 0 s/ n
H0: m = m 0 | tc | > t'(n-1; 1-
t'(n-1; 1-a /2)
H1: m ≠ m 0 a/2 )
 
Cálculo del Valor Crítico:
De la Media:

CALCULO DEL ERROR II: β


Si H1 :
Si H1 :
Ejemplo .-
Un proceso funciona correctamente cuando produce frascos de champú con un
contenido promedio de 200 gramos. Una muestra aleatoria de 8 frascos de una
remesa presentó los siguientes pesos: 197, 206, 197, 208, 201, 197, 203, 209.
Asumiendo que la distribución de los pesos es normal, al nivel del 5%, ¿hay
razones para creer de que el proceso no está funcionando correctamente?

Solución .-
De los datos tenemos: 0  200 n  8 x  202,25 s  5,04

1. Hipótesis a plantear
H0: No hay razones para creer que el proceso No está funcionando
correctamente
H0:  = 200
H1: Sí hay razones para creer que el proceso No está funcionando
correctamente.
H1:  ≠ 200
Ejemplo 2.-
2. Nivel de significación:  = 0,05
3. Estadística de Prueba (En este caso: σ2 desconocido)

x  0 202,25  200
tc    1,26
s n 5,04 8

4. Valor crítico:
t(n-1; 1-/2) = t(7; 0,975) = 2,365

5. Regla de Decisión:
Si | tc | > t(n-1; 1-/2) se rechaza H0

6. Decisión de la Prueba:
Como | tc | =1,26 < t(7; 0,975) = 2,365
la decisión es: No Rechazar H0
Ejemplo
Un inspector de calidad investiga las acusaciones contra una
embotelladora por el deficiente llenado de botellas que debe ser, en
promedio, de 32,5 onzas. Para ello toma una muestra de 60 botellas,
encontrando que el contenido medio es de 31,9 onzas de líquido. Se
sabe que la máquina embotelladora debe producir un llenado con una
desviación estándar de 3,6 onzas.
a) Con  = 0,05, ¿puede el inspector llegar a la conclusión que se están
llenando las botellas por debajo de su especificación de contenido?
b) ¿Cuál es la probabilidad de que el inspector decida no rechazar Ho
cuando en realidad  = 31,0
Solución a) De los datos tenemos:
 0  32,5 n  60 x  31,9   3,6   0,05 z  1,645
Las hipótesis a plantear son las siguientes:
H0: Llenando no esta por debajo de su capacidad. H0:  = 32,5
H1: Llenando esta por debajo de su capacidad. H1:  < 32,5
Ejemplo
Solución a)
Debemos calcular el valor crítico de la media muestral, que en este
caso se debe entender como el máximo valor de la media de una
muestra de tamaño 60 que permita rechazar H0.

xc   0  z
n
3,6
x c  32,5  1,64485
60
x c  31,73554

 31,9  32,5 
Pvalue  P  z  
 3,6 60 
Pvalue  P(z  1,29)
Pvalue  0,098

Luego, la decisión será: No Rechazar H0.


Ejemplo
Solución b):
El objeto es calcular la probabilidad de cometer Error Tipo II.
Esto es,  =P( = 31,0)
Ejemplo
Solución b):

Calculando la probabilidad: ( = 31,0)

(  31)  P(x c  31,73554)


 31,73554  31 
 P z  
 3,6 60 
 P(z  1,58263)
 1  P(z  1,58263)
 1  0,943247
(  31)  0,056753
Ejemplo:
Un fabricante de cierta marca de cigarrillos sostiene que su producto contiene en promedio de 18
mg. de nicotina por unidad. Un organismo de control examina una muestra de 100 cigarrillos y
encontró un promedio de 18.2 con una desviación estándar de 2. ¿Puede el organismo concluir
que el fabricante subestima el contenido medio de nicotina?
a.) Formule las hipótesis nula y Alternativa e indique en términos del enunciado, en qué consisten los errores tipo I y
II?
b.) ¿Cuàl es su conclusión con α = 0.01
c.) ¿Cuál es la probabilidad de concluir erróneamente que el promedio de nicotina es de 18 mg. Cuando en realidad
es de 19 mg.?
Ejemplo:
Los pesos netos en gramos de las latas
de conserva fueron:
121, 119, 124, 123, 119, 121, 124 grs.
¿Hay razón para creer que el peso
neto medio es diferente a 124 grs. Use
un nivel de significación de 5%.
Nota: Use
Prueba de Hipótesis para la Proporción
Cuando n > 30
Estadística de Valores Reglas para
Hipótesis
Prueba Críticos rechazar H 0
H0: p = p0
z'a zc < z'a
H1: p < p0
H0: p = p0 p - 0
zc = z'1-a zc > z'1-a
H1: p > p0  0 (1   0 )
n
H0: p = p0
z'1-a/2 | zc | >z'1-a / 2
H1: p ≠ p0
 
Cálculo del Valor Crítico
De la Proporción: p’ =

CALCULO DEL ERROR II: β


 
Si H1: π > πo

Si H1: π < πo
Ejemplo
El gerente de una gran compañía afirma que al menos 25% de sus empleados
llegan tarde. En tal sentido, se solicita al jefe de personal la revisión de los
registros de la hora de llegada de 40 empleados, en la quincena pasada, y se
verifica que 8 han llegado tarde.
a) Con  = 0,02; ¿hay razón para concluir que el gerente de la compañía está
exagerando?
b) ¿Qué valor mínimo debe tener la proporción de empleados que llegan
tarde en la muestra para no rechazar H0 si se asume un  = 0,05 y n =
60?
c) Hallar la potencia de la prueba cuando  = 20% con datos de b)
Solución a)
Las hipótesis a plantear son:
H0: Al menos 25% de empleados llega tarde.
H0:   0,25
H1: Menos del 25% de empleados llega tarde.
H1:  < 0,25
Ejemplo
Solución a) Los datos que tenemos son:
0 (1  0 )
0  0,25 n  40 p  0,20  0,0685   0,02 z   2,05
n
El valor crítico de la proporción muestral
  0 (1   0 ) 
P  pc   0  z  
 n 
P  pc  0,25  2,05(0,0685)   0,02
 pc  0,1096

 0,20  0,25 
Pvalue  P z  
 0,25(0,75) 40 

 P(z  0,73)
Pvalue  0,233

Luego se puede decidir aceptar H0.


Ejemplo
Solución b) Los datos que tenemos son:

 0 (1   0 )
 0  0,25 n  60  0,0559   0,05 z   1,64485
n

  0 (1   0 ) 
P  pc   0  z    
 n
 
P  pc  0,25  1,64485(0,0559)   0,05
 pc  0,15805
Ejemplo
Solución c)

(  0,20)  P  pc  0,158 


 
 0,15805  0,20 
 P z  
 0,2(0,8) 
 
 60 
 P(z  0,812356)
 1  P(z  0,812358)
 1  0,208293
(  0,20)  0,791707

Potencia  1  (  0,20)  0,208293

37
Una empresa está considerando establecer un servicio de
  Mas Ejemplos
reparto de tamales los domingos en la mañana en un distrito de
1.)
Lima. Con base en el costo de este servicio y las utilidades que se
pueden lograr, ha llegado a la siguiente conclusión: Si hay prueba
de que el pedido promedio será de más de 10 tamales por casa en
este distrito, entonces se instituirá el servicio de reparto. Si no se
puede demostrar con pruebas, no se establecerá el servicio. Con
base en la experiencia previa en otros distritos, se estimó que la
desviación estándar era de 3 tamales. Se va a hacer una encuesta
en una muestra de 35 residencias. La empresa está dispuesta a
tener un riesgo de 1% de que se instituirá el servicio cuando la
demanda promedio es menor de 10 tamales por casa.
a.) ¿Qué decisión tomaría si en la muestra la demanda promedio es
de 10.3 tamales .?
R. No se instituye el reparto
b.) Calcule la probabilidad de no establecer el servicio de reparto
cuando la demanda promedio es de 11 tamales por casa.
R. 0.6368
 
2.) Con base en la siguiente tabla:
SEXO Cigarrillos sin Cigarrillos No TOTAL

filtro con filtro fuman

Hombres
12 64 14 90
Mujeres
8 26 16 50
TOTAL
20 90 30 140

a.) Se sabe que el 80% de la población fuma. Se desea probar si está


disminuyendo con α = 0.04
b.) Contrastar la hipótesis de que la proporción de los que fuman
cigarrillos con filtro es 70%. Use α = 0.02
3.) Actualmente 20% de los clientes potenciales compran
detergente Aloha. Para incrementar las ventas se lanza una
campaña publicitaria intensiva. Se toma una muestra de 400
clientes potenciales para determinar si la campaña ha tenido
éxito.
Se decide concluir que la campaña publicitaria fue un
éxito si al menos 92 de los 400 clientes entrevistados
prefieren esta marca. Hallar la probabilidad de:
a.) Concluir erróneamente que la campaña fue un éxito.
R.. 0.0668
b.) Concluir que la campaña no fue un éxito cuando en
realidad sí lo fue pues un 21% prefiere el producto.
R..0.8365
c.) Concluir que la campaña fue un éxito efectivamente pues
el 21% de clientes lo prefieren.
R..0.1635
 
Prueba de Hipótesis de la Varianza

Estadística Valores Reglas para


Hipótesis
de Prueba Críticos rechazar H0

H0: s 2 = s2 0
 2
(n 1;  )  2
c
2
(n 1;  )
H1: s2 < s2 0
H0: s2 = s2 0
 2
c =
(n  1)s 2
 02
 2
(n 1; 1 )   2
c
2
(n 1; 1 )
H1: s2 > s2 0
H0: s2 = s2 0  2
(n  1;  / 2)  2
c  2
(n 1;  / 2) o

H1: s2  s2 0  2
(n  1; 1  / 2)
 2
c  2
(n 1; 1  / 2)
Ejemplo
Una máquina automática empacadora de azúcar se usa para llenar bolsas de 2
Kg. Una muestra de 15 bolsas arrojó una media de 1.97 Kg. con una desviación
estándar de 0,012 Kg.; si se supone que la distribución de los pesos es normal,
y de la experiencia pasada se sabe que la desviación estándar de los pesos es de
0,009, ¿puede explicarse el aparente incremento en la variabilidad por el error
muestral únicamente?.

Solución.- Los datos que tenemos son:


0  0,009 n  15 s  0,012

Las hipótesis planteadas son:


H0: La variabilidad no se ha incrementado
H1: La variabilidad se ha incrementado.
Ho :  2  0,0092
H1 :  2  0,0092
Ejemplo
Nivel de Significación: Se asume  = 0,05

Estadística de Prueba
(n  1)s2 (15  1)(0,0122 )
 2
c    24,889
02
0,009 2

Valor Crítico
(n2 1;1)  (14;
2
0,95) = 23,685

Como  2
c  (n
2
1;1 )

Se puede decidir rechazar H0

También podría gustarte