ESTADISTICA

Clase Magistral 15
Profesor Manuel Ricardo Contento

• P.H. para el diferencia de proporciones

• Inferencia (IC-PH) para muestras pareadas
 P.H. para la diferencia de
proporciones.
H0 : 1 – 2 = D0 (D0  )
Ha :  1 – 2 < D0
Ha :  1 – 2 > D0
Ha :  1 – 2  D0

Distribución de muestreo
 P.H. para la diferencia de
proporciones.
Estadística de prueba si D0 = 0 H0: 1-  2=0   1=  2
pˆ1  pˆ 2 x1  x2
zc  , pˆ  , qˆ  1  pˆ
1 1 n1  n2
ˆpqˆ   
 n1 n2 

Estadística de prueba si D0  0

zc 
 pˆ 1  pˆ 2   D 0
pˆ 1 qˆ1 pˆ 2 qˆ 2

n1 n2
 Ejemplo (D0 = 0)
El marketing a grupos objetivo por edades se ha convertido en un método de
publicidad, incluso en anuncios en los cines. Los anunciadores usan software para
rastrear la demografía de espectadores y luego decidir el tipo de productos a
anunciar antes de una película en particular. Un estadístico que podría ser de
interés es la frecuencia con la que adultos e hijos de menos de 18 años asisten al
cine en comparación con los adultos sin hijos. Suponga que la base de datos de
un cine se utiliza para seleccionar al azar mil compradores adultos de boletos.
Estos adultos son encuestados después y se les pregunta si eran espectadores
frecuentes en el cine, es decir, ¿van al cine 12 o más veces al año? Los resultados
se muestran en la tabla:
Con hijos menores de Sin hijos
18 años
Tamaño muestral 440 560

Espectadores que van 12 o 123 145

mas veces al año

¿Hay diferencia significativa en las proporciones poblacionales de espectadores

frecuentes en estos dos grupos demográficos? Use =0.01
 Solución
• Definición de variables
• X1: numero de espectadores que acuden 12 o mas veces al año a cine
entre quienes tienen hijos menores de 18 años
• X2: numero de espectadores que acuden 12 o mas veces al año a cine
entre aquellos sin hijos
• Planteamiento de hipótesis  Información muestral (=0.01)
• H0 : 1-  2 = 0 ( 1 =  2 ) n1  440 x1  123 pˆ1  123/ 440  0.2795
• Ha :  1-  2  0 ( 1   2 ) n2  560 x2  145 pˆ 2  145/ 560  0.2589

x1  x2 123  145 268

pˆ     0.268
• Estadística de prueba n1  n2 440  560 1000
0.2795  0.2589
zc   0.73 Decisión?
 1 1  Conclusión?
0.268*0.732   
 440 560 
 Ejemplo (D0  0)
La Administración de Alimentos y Drogas (FDA) de EEUU
decidió prohibir el uso del antibiótico Baytgril de Bayer en la
industria avícola, argumentando que ha conducido al
aumento de infecciones humanas resistentes a los
antibióticos.
En un estudio realizado en el año 2000, se realizaron pruebas
hematológicas a pollos afectado por diversas infecciones y se
encontró que en 46 de 759 aves se aislaron al menos dos
microorganismos diferentes en la misma muestra de sangre.
En 2005, se condujo un estudio similar con 838 aves de las
cuales 119 presentaban dos o mas microorganismos.
Basándose en estas muestras, ¿se puede concluir que la
proporción de tales casos se ha incrementado en mas de cinco
puntos porcentuales, en este lapso? (=0.05).
 Solución
X1: muestras con al menos dos microorganismos diferentes (año 2005)
X2: muestras con al menos dos microorganismos diferentes (año 2000)
n1=838 x1=119; n2=759 x2=46; =0.05 z  = z 0.05 = 1.645

H0 : 1 – 2 = 0.05 Ha :  1 – 2 > 0.05

Rechazar Ho zc=2.115 > 1.645

Rechazar Ho Valor-p =P(Z>2.115)= 0.0172 < 0.05

 ESTADISTICA

Inferencia para Muestras Relacionadas

 Introducción-Contexto
Otras denominaciones: muestras por pares, muestras pareadas,
muestras apareadas, muestras dependientes, muestras
emparejadas.
Cada observación del primer grupo tiene asociada una observación
en el segundo grupo.
– Evaluación del tipo Antes-Después sobre el mismo individuo.
– Evaluación en gemelos.
– Examen de un “individuo” por dos evaluadores.
– Examen de dos productos por un mismo evaluador.
– Probar el efecto dos fertilizantes en la producción de trigo
comparando la producción de “parcelas similares” en las mismas
condiciones.
– Determinar los niveles del herbicida Agente Naranja en el Hígado y
Ovarios de la Rana Toro.
Objetivo: controlar las posibles diferencias entre “individuos”
Estructura de las observaciones
Evaluación Antes-Después
Individuo Antes (Xi) Después (Yi) di= Xi – Yi

1 X1 Y1 d1= X1 – Y1

2 X2 Y2 d2= X2 – Y2

: : : :
: : : :

n Xn Yn dn= Xn – Yn

Xi < Yi  di< 0; Xi >Yi  di > 0; Xi =Yi  di = 0.

Se usan las diferencias muéstrales (di) para hacer la
inferencia. IC-PH para media de las diferencias (d)
 P.H. para dos muestras relacionadas
H0 : d = D0 ( D0   )

Ha : d < D0 Criterio: rechazar H0 si tc < t1- ; n-1

Ha : d > D0 Criterio: rechazar H0 si tc > t  ; n-1
Ha : d  D0 Criterio: rechazar H0 si tc < t 1-/2 ; n-1 ó tc > t /2 ; n-1

Estadística de prueba
 Ejemplo
Se realizo un estudio para comparar el contenido de sodio en
plasma de las focas peleteras australes, con su nivel de sodio
en la leche. Se obtuvieron las siguientes mediciones del
contenido de sodio (milimoles por litro) en 10 focas
seleccionadas aleatoriamente:

Foca 1 2 3 4 5 6 7 8 9 10

Plasma 14 15 14 141 14 14 148 144 144 146

7 7 2 2 7
Leche 93 10 95 81. 95 95 76. 80. 79. 87
4 5 5 5 5
Esta evidencia justifica la conclusión de que se presenta una
diferencia entre el nivel de sodio en leche y plasma?
(=0.10)
 Solución
Foca Plasma (xi) Leche (yi) di = xi-yi

1 147 93 54

2 157 104 53
: : : :

10 146 87 59

H0 : d = 0 Ha : d  0 =0.10
Puntos críticos:  1.833

tc = 22.7 > 1.833

Decisión: Rechazo Ho

Valor P = 2*P(T9>22.7)  0 << 0.1

Decisión: Rechazo Ho
 Ejemplo
Un balneario de aguas curativas anuncia persona ANTES DESPUÉS
un programa de reducción de peso y 1 85.9 77.2
afirma que el participante pierde en 2 91.8 86.4
promedio más de 6 kilos. En la tabla se 3 100 96.8
muestra el resultado en 10 personas.
4 94.1 87.3
Al nivel de significancia del 1%, ¿hay 5 88.2 81.8
evidencia suficiente que apoye la
6 80.4 73.2
afirmación del balneario?
7 87.7 79.0
Estime la reducción de la pérdida de peso
8 91.8 85.0
con un intervalo de confianza del 95%.
9 94.5 84.5
10 105.9 92.7
 Solución persona ANTES DESPUÉS d
H0 : d = 6 Ha : d > 6 (xi) (yi) (xi-yi)
1 85.9 77.2 8.7
2 91.8 86.4 5.4
3 100 96.8 3.2
Estadística de prueba: 4 94.1 87.3 6.8
5 88.2 81.8 6.4
6 80.4 73.2 7.2
7 87.7 79.0 8.7
Punto crítico: 8 91.8 85 6.8
9 94.5 84.5 10.0
Decisión usando punto crítico: 10 105.9 92.7 13.2
Puesto que tc=1.906 < 2.821 no se rechaza Ho.
Decisión usando valor-p.
Puesto que valor-p=0.04448604 > 0.01 no se rechaza Ho.
Conclusión. Al nivel de significancia del 1%, no hay evidencia
suficiente para indicar que la pérdida de peso después
del programa sea superior a 6 kg.
I.C. para dos muestras relacionadas

Estime la reducción de la pérdida de peso con un intervalo de

confianza del 95%.

Con una confianza del 95% se estima que la pérdida de peso

generada por el tratamiento se encuentra entre 5.69 y 9.59 kilos.
Puesto que el intervalo contiene el valor mencionado en la
publicidad del balneario, entonces se puede indicar que la
perdida promedio de peso no es mayor a seis, y en consecuencia
la afirmación no es acertada.
 Script PH
### VARIABLES
### X1: peso(kg) de la persona antes del tratamiento
### X2: peso(kg) de la persona después del tratamiento
### PLANTEAMIENTO DE HIPÓTESIS
#### H0: miu_d = 6
#### Ha: miu_d > 6
alfa=0.01; alfa
### DATOS
# Hipótesis
miu_d = 6
# muestrales
A=c(85.9,91.8,100,94.1,88.2,80.4,87.7,91.8,94.5,105.9)
D=c(77.2,86.4,96.8,87.3,81.8,73.2,79.0,85,84.5,92.7)
d=A-D;d
m=mean(d);m
s=sd(d);s
n=length(d);n
### CALCULO DE LA ESTADISTICA DE PRUEBA
tc=(m-miu_d)/(s/sqrt(n));tc
### PUNTO CRÍTICO (valor tabulado)
tt=qt(alfa,n-1, lower.tail=F);tt
### DECISION USANDO CRITERIO DEL PUNTO CRITICO
if ( tc>tt ) cat("DECISIÓN: RECHAZAR Ho \n") else cat("DECISIÓN: NO RECHAZAR Ho \n")
### DECISION USANDO CRITERIO DEL valor-p
#calculo del valor-p
valorp=pt(tc,n-1,lower.tail=F);valorp #dado que tc>0 se calcula valor-p a cola derecha
if (valorp<alfa) cat("DECISIÓN: RECHAZAR Ho \n") else cat("DECISIÓN: NO RECHAZAR Ho \n")
 Script IC
### INTERVALO DE CONFIANZA PARA EL PROMEDIO DE LA DIFERENCIA DE PESO
# la confianza para el intervalo es en este caso del 95% es decir alfa1=0.05
alfa1=0.05
li=m-qt(alfa1/2,n-1,lower.tail=F)*s/sqrt(n);li
ls=m+qt(alfa1/2,n-1,lower.tail=F)*s/sqrt(n);ls
c(li,ls)
103 gracias........