Pruebas de Hipotesis

Pruebas de Hiptesis Pruebas de Hiptesis
Introduccin Introduccin
UMSNH UMSNH -- FIE FIE
La experiencia sobre el comportamiento de algn ndice de un proceso, La experiencia sobre el comportamiento de algn ndice de un proceso,
o la exigencia del cumplimiento de alguna norma nos lleva a realizar o la exigencia del cumplimiento de alguna norma nos lleva a realizar
proposiciones sobre el valor de algn parmetro estadstico proposiciones sobre el valor de algn parmetro estadstico. .
Estas proposiciones se deben contrastar con la realidad (mediante el Estas proposiciones se deben contrastar con la realidad (mediante el
muestreo de datos) para tomar una decisin entre aceptar o rechazar muestreo de datos) para tomar una decisin entre aceptar o rechazar
la proposicin la proposicin
Estas proposiciones se denominan Estas proposiciones se denominan Hiptesis Hiptesis y el procedimiento para y el procedimiento para
decidir si se aceptan o se rechazan se denomina decidir si se aceptan o se rechazan se denomina Prueba de Hiptesis Prueba de Hiptesis
Una prueba de hiptesis es una herramienta de anlisis de datos que Una prueba de hiptesis es una herramienta de anlisis de datos que
puede en general formar parte de un puede en general formar parte de un experimento comparativo experimento comparativo ms ms
completo completo
Una Una hiptesis Estadstica hiptesis Estadstica es un proposicin sobre los parmetros de una es un proposicin sobre los parmetros de una
poblacin o sobre la distribucin de probabilidad de una variable poblacin o sobre la distribucin de probabilidad de una variable
aleatoria aleatoria
Ejemplo Ejemplo: Se tiene inters en la rapidez de combustin de un agente propulsor para los : Se tiene inters en la rapidez de combustin de un agente propulsor para los
sistemas de salida de emergencia en aeronaves. (esta rapidez es una variable sistemas de salida de emergencia en aeronaves. (esta rapidez es una variable
aleatoria con alguna distribucin de probabilidad). Especialmente interesa la rapidez aleatoria con alguna distribucin de probabilidad). Especialmente interesa la rapidez
de combustin promedio (que es un parmetro ( de combustin promedio (que es un parmetro ( ) de dicha distribucin). De manera ) de dicha distribucin). De manera
ms especfica, interesa decidir si esta rapidez promedio es o no 50 cm/seg. ms especfica, interesa decidir si esta rapidez promedio es o no 50 cm/seg.
El planteamiento formal de la situacin se realiza en trminos de una El planteamiento formal de la situacin se realiza en trminos de una Hiptesis Nula Hiptesis Nula
(que es la proposicin que se quiere poner a prueba) y una (que es la proposicin que se quiere poner a prueba) y una Hiptesis Alternativa Hiptesis Alternativa, la , la
cual se aceptar si se rechaza la hiptesis nula: cual se aceptar si se rechaza la hiptesis nula:
Hiptesis Nula: Hiptesis Nula: HH
0 0
: : = 50 cm/seg = 50 cm/seg
Hiptesis Alternativa: Hiptesis Alternativa: HH
1 1
: : == 50 cm/seg 50 cm/seg
En el ejemplo se tiene una En el ejemplo se tiene una Hiptesis Alternativa Bilateral Hiptesis Alternativa Bilateral, ya que se verifica para , ya que se verifica para
valores de valores de a ambos lados de 50 cm/seg. a ambos lados de 50 cm/seg.
En ocasiones interesa una En ocasiones interesa una Hiptesis Alternativa Unilateral Hiptesis Alternativa Unilateral, Por ejemplo: , Por ejemplo:
HH
0 0
: : = 50 cm/seg = 50 cm/seg HH
0 0
: : = 50 cm/seg = 50 cm/seg
HH
1 1
: : < 50 cm/seg < 50 cm/seg HH
1 1
: : > 50 cm/seg > 50 cm/seg
De donde puede surgir una Hiptesis Nula sobre un parmetro? De donde puede surgir una Hiptesis Nula sobre un parmetro?
Cul sera el inters dependiendo del origen de la hiptesis? Cul sera el inters dependiendo del origen de la hiptesis?
1) 1) Origen Origen: Experiencia, pruebas pasadas o conocimiento del proceso. : Experiencia, pruebas pasadas o conocimiento del proceso. Inters Inters: :
averiguar si ha cambiado el parmetro averiguar si ha cambiado el parmetro
2) 2) Origen Origen: Alguna teora o modelo sobre el funcionamiento del proceso. : Alguna teora o modelo sobre el funcionamiento del proceso. Inters Inters: :
Verificar la valids de dicha teora Verificar la valids de dicha teora
3) 3) Origen: Origen: Especificaciones de diseo, obligaciones contractuales, normas a cumplir Especificaciones de diseo, obligaciones contractuales, normas a cumplir
o solicitudes del cliente. o solicitudes del cliente. Inters: Inters: probar el cumplimiento o incumplimiento de las probar el cumplimiento o incumplimiento de las
especificaciones. especificaciones.
La verdad o falsedad de la hiptesis NO puede conocerse con total La verdad o falsedad de la hiptesis NO puede conocerse con total
seguridad a menos que pueda examinarse toda la poblacin seguridad a menos que pueda examinarse toda la poblacin

Procedimiento General para la prueba de una hiptesis Procedimiento General para la prueba de una hiptesis
Tomar un Tomar un muestra muestra aleatoria aleatoria
Calcular un Calcular un estadstico estadstico basado en la muestra basado en la muestra
Usar el estadstico y sus propiedades para tomar una Usar el estadstico y sus propiedades para tomar una decisin decisin sobre la sobre la
Hiptesis Nula Hiptesis Nula
Ejemplo Ejemplo: Consideremos el ejemplo anterior de la rapidez de combustin. : Consideremos el ejemplo anterior de la rapidez de combustin.
Aqu se tena: Aqu se tena: HH
0 0
: : = 50 cm/seg = 50 cm/seg
HH
1 1
: : == 50 cm/seg 50 cm/seg
Aceptacin de H Aceptacin de H
0 0
. .-- Un valor de la media muestral Un valor de la media muestral x x muy cercano a 50 muy cercano a 50
cm/seg es una evidencia que apoya a la hiptesis nula, sin embargo cm/seg es una evidencia que apoya a la hiptesis nula, sin embargo es es
necesario introducir un criterio necesario introducir un criterio para decidir que tanto es muy cercano, para decidir que tanto es muy cercano,
para el ejemplo este criterio pudiera ser: para el ejemplo este criterio pudiera ser: 48.5 48.5 x x 51.5, 51.5, si esto ocurre si esto ocurre
se acepta H se acepta H
0 0
De lo contrario, es decir, si De lo contrario, es decir, si x < x < 48.5 o x >51.5, 48.5 o x >51.5, se acepta H se acepta H
1 1
__
__
__ __
48.5 48.5 50 50 51.5 51.5
Regin Crtica Regin Crtica Regin de aceptacin Regin de aceptacin Regin Crtica Regin Crtica
Se acepta H Se acepta H
1 1
0 0
1 1
== 50 50 = 50 = 50 == 50 50
Valores Crticos Valores Crticos
Errores Tipo I y Tipo II Errores Tipo I y Tipo II
El procedimiento anterior puede llevarnos a una de dos conclusiones El procedimiento anterior puede llevarnos a una de dos conclusiones
errneas: errneas:
Error Tipo I Error Tipo I. .-- Se rechaza H Se rechaza H
0 0
cuando sta es verdadera cuando sta es verdadera
En el ejemplo En el ejemplo se cometer un error de tipo I cuando se cometer un error de tipo I cuando =50 =50, pero , pero x x para para
la muestra considerada cae en la regin crtica la muestra considerada cae en la regin crtica
Y se cometer un error de tipo II cuando Y se cometer un error de tipo II cuando == 50 50 pero pero x x para la muestra para la muestra
considerada cae en la regin de aceptacin considerada cae en la regin de aceptacin
Error Tipo II Error Tipo II. .-- Se acepta H Se acepta H
0 0
cuando sta es falsa cuando sta es falsa
__
__
Condicin real Condicin real
Decisin Decisin
H H
0 0
verdadera verdadera H H
0 0
falsa falsa
Rechazar H Rechazar H
0 0
Error Tipo I Error Tipo I ok ok
Aceptar H Aceptar H
0 0
ok ok Error Tipo II Error Tipo II
Error Tipo I Error Tipo I
A la probabilidad de cometer un error de Tipo I se denota por A la probabilidad de cometer un error de Tipo I se denota por EE, y se le , y se le
llama el nivel o llama el nivel o tamao de significancia tamao de significancia de la prueba es decir de la prueba es decir
EE = P(error Tipo I)= P(rechazar H = P(error Tipo I)= P(rechazar H
0 0
| H | H
0 0
es verdadera) es verdadera)
Ejemplo Ejemplo: Calcular : Calcular EE para el ejemplo de la rapidez de combustin para una muestra de para el ejemplo de la rapidez de combustin para una muestra de
N=10 datos, suponiendo que la desviacin estndar de la rapidez de combustin es N=10 datos, suponiendo que la desviacin estndar de la rapidez de combustin es
W W=2.5 cm/seg. =2.5 cm/seg.
__
EE = normcdf(48.5,50,0.79) + (1 = normcdf(48.5,50,0.79) + (1- -normcdf(51.5,50,0.79)) normcdf(51.5,50,0.79))
= 0.288+ 0.288 = = 0.288+ 0.288 = 0.0576 0.0576
Esto significa que el 5.76% de las muestras de tamao 10 conducirn al rechazo de Esto significa que el 5.76% de las muestras de tamao 10 conducirn al rechazo de
la Hiptesis H la Hiptesis H
0 0
: : =50 cm/seg, cuando sta es verdadera =50 cm/seg, cuando sta es verdadera. .
Solucin Solucin: en este caso : en este caso EE = P( x caiga en la regin crtica | = P( x caiga en la regin crtica | =50), es decir: =50), es decir:
EE = P( x < 48.5) + P( x > 51.5) = P( x < 48.5) + P( x > 51.5)
Recordando Recordando que La distribucin de x es Normal con media que La distribucin de x es Normal con media =0 =0 y desviacin y desviacin
estndar estndar W W/ /N =0.79, por lo tanto, usando Matlab: N =0.79, por lo tanto, usando Matlab:
__ __
__
Error Tipo I Error Tipo I
Es claro que Es claro que EE se puede reducir de dos maneras: se puede reducir de dos maneras:
-- Aumentando la regin de aceptacin Aumentando la regin de aceptacin
-- Aumentando el tamao de la muestra Aumentando el tamao de la muestra
Ejemplo Ejemplo: recalcular : recalcular EE del ejemplo anterior para a) los nuevos lmites de la regin de del ejemplo anterior para a) los nuevos lmites de la regin de
aceptacin 48 y 52. b) Para N=16 con los lmites originales c) con ambas aceptacin 48 y 52. b) Para N=16 con los lmites originales c) con ambas
modificaciones modificaciones
Solucin Solucin: :
a) a) EE = normcdf(48,50,0.79) + (1 = normcdf(48,50,0.79) + (1- -normcdf(52,50,0.79)) normcdf(52,50,0.79)) = = 0.0114 0.0114
b) b) EE = normcdf(48.5,50,0.625)+(1 = normcdf(48.5,50,0.625)+(1- -normcdf(51.5,50,0.625)) normcdf(51.5,50,0.625)) = = 0.0164 0.0164
c) c) EE = normcdf(48,50,0.625)+(1 = normcdf(48,50,0.625)+(1- -normcdf(52,50,0.625)) normcdf(52,50,0.625)) = = 0.0014 0.0014
Error tipo II Error tipo II
Para evaluar un experimento de prueba de hiptesis tambin se requiere Para evaluar un experimento de prueba de hiptesis tambin se requiere
calcular la probabilidad del error de Tipo II, denotada por calcular la probabilidad del error de Tipo II, denotada por FF, es decir , es decir
FF = P(error Tipo II) = P(aceptar H = P(error Tipo II) = P(aceptar H
0 0
| H | H
0 0
es falsa) es falsa)
Sin embargo, no es posible calcular Sin embargo, no es posible calcular FF si no se tiene una hiptesis si no se tiene una hiptesis
alternativa especfica, es decir, un valor particular del parmetro bajo alternativa especfica, es decir, un valor particular del parmetro bajo
prueba en lugar de un rango de valores prueba en lugar de un rango de valores
Por ejemplo Por ejemplo, supongamos que es importante rechazar H , supongamos que es importante rechazar H
0 0
si la rapidez si la rapidez
promedio de combustin promedio de combustin es mayor que 52 cm/seg o menor que 48 es mayor que 52 cm/seg o menor que 48
cm/seg. Dada la simetra slo se requiere evaluar la probabilidad de cm/seg. Dada la simetra slo se requiere evaluar la probabilidad de
aceptar H aceptar H
0 0
: : =50 cuando el valor verdadero es =50 cuando el valor verdadero es =52. =52.
45 46 47 48 49 50 51 52 53 54 55
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
H0: H0: =50 =50 H1: H1: =52 =52
Usando Matlab: Usando Matlab:
FF = normcdf(51.5,52,0.79) = normcdf(51.5,52,0.79) -- normcdf(48.5,52,0.79) = normcdf(48.5,52,0.79) = 0.2643 0.2643
De acuerdo a la figura: De acuerdo a la figura: FF = P(48.5 = P(48.5 x x 51.5 | 51.5 | =52) =52)
_ _
Usando Matlab: Usando Matlab:
FF = normcdf(51.5,50.5,0.79) = normcdf(51.5,50.5,0.79) -- normcdf(48.5,50.5,0.79) = normcdf(48.5,50.5,0.79) = 0.8923 0.8923
La probabilidad de obtener un error de tipo II aumenta muy rpido a La probabilidad de obtener un error de tipo II aumenta muy rpido a
medida que el valor verdadero medida que el valor verdadero tiende al valor hipottico, por ejemplo, tiende al valor hipottico, por ejemplo,
si suponemos que si suponemos que =50.5, y recalculamos =50.5, y recalculamos FF, obtenemos , obtenemos
FF tambin depende del tamao de la muestra, por ejemplo, si N=16 tambin depende del tamao de la muestra, por ejemplo, si N=16
obtenemos en el ejemplo cuando obtenemos en el ejemplo cuando =52: =52: W W=0.625, por lo tanto =0.625, por lo tanto
FF = normcdf(51.5,52,0.625) = normcdf(51.5,52,0.625) -- normcdf(48.5,52,0.625) = normcdf(48.5,52,0.625) = 0.2119 0.2119
Es decir, Es decir, FF disminuye cuando N aumenta, excepto si el valor real de disminuye cuando N aumenta, excepto si el valor real de
est muy cerca del hipottico est muy cerca del hipottico
Conclusiones Fuerte y Dbil Conclusiones Fuerte y Dbil
Es por eso que Es por eso que el rechazo de H el rechazo de H
0 0
siempre se considera como una siempre se considera como una
Conclusin Fuerte Conclusin Fuerte. (los datos aportan fuerte evidencia de que H . (los datos aportan fuerte evidencia de que H
0 0
es es
falsa) falsa)
Como uno puede elegir los valores crticos del intervalo de aceptacin Como uno puede elegir los valores crticos del intervalo de aceptacin
uno controla el valor de uno controla el valor de EE. Uno puede entonces controlar la . Uno puede entonces controlar la
probabilidad de rechazar de manera errnea H probabilidad de rechazar de manera errnea H
0 0
. .
La decisin de La decisin de aceptar H aceptar H
0 0
se considera una se considera una Conclusin Dbil Conclusin Dbil, a menos , a menos
que se sepa que que se sepa que FF es considerablemente pequeo. es considerablemente pequeo.
Por esto en lugar de decir Por esto en lugar de decir se acepta H se acepta H
0 0
se prefiere decir se prefiere decir incapaz de incapaz de
rechazar H rechazar H
0 0
, es decir, no se ha encontrado evidencia suficiente para , es decir, no se ha encontrado evidencia suficiente para
0 0
. O sea, . O sea, no quiere decir que exista gran evidencia de que H no quiere decir que exista gran evidencia de que H
0 0
sea cierta sino que no hay gran evidencia de que sea falsa sea cierta sino que no hay gran evidencia de que sea falsa. .
Hiptesis Unilaterales Hiptesis Unilaterales
HH
0 0
: : =50 cm/seg =50 cm/seg
HH
1 1
: : <50 cm/seg <50 cm/seg
En el ejemplo supongamos que si la rapidez media de combustin es En el ejemplo supongamos que si la rapidez media de combustin es
menor que 50 cm/seg se desea demostrar esto con una conslusin menor que 50 cm/seg se desea demostrar esto con una conslusin
fuerte. cmo deben plantearse las hiptesis? fuerte. cmo deben plantearse las hiptesis?
Ntese que aunque H Ntese que aunque H
0 0
est planteada como una igualdad, se sobre est planteada como una igualdad, se sobre--
entiende que incluye cualquier valor de entiende que incluye cualquier valor de no especificado por H no especificado por H
1 1
, es , es
decir, decir, la incapacidad de rechazar H la incapacidad de rechazar H
0 0
no significa que no significa que =50, sino que no =50, sino que no
se tiene evidencia fuerte que apoye a H se tiene evidencia fuerte que apoye a H
1 1
, , es decir es decir, pudiera ser que , pudiera ser que
=50 =50 o que o que >50 >50
Ejemplo Ejemplo: Un embotellador de refresco desea estar seguro de que las : Un embotellador de refresco desea estar seguro de que las
botellas que usa tienen en promedio un valor que supera el mnimo de botellas que usa tienen en promedio un valor que supera el mnimo de
prsin de estallamiento de 200 psi. El embotellador puede formular prsin de estallamiento de 200 psi. El embotellador puede formular
una prueba de hiptesis de dos maneras: una prueba de hiptesis de dos maneras:
Con el planteamiento (1) Como el rechazo de H Con el planteamiento (1) Como el rechazo de H
0 0
es una conclusin es una conclusin
fuerte, esto obliga al fabricante a demostrar (aportar evidencia) de que fuerte, esto obliga al fabricante a demostrar (aportar evidencia) de que
las botellas soportan mayor presin que 200 psi las botellas soportan mayor presin que 200 psi
HH
0 0
: : =200 psi =200 psi HH
0 0
: : =200 psi =200 psi
HH
1 1
: : >200 psi >200 psi HH
1 1
: : <200 psi <200 psi
(1) (1) (2) (2)
Con el planteamiento (2) si se rechaza H Con el planteamiento (2) si se rechaza H
0 0
se concluye que las botellas se concluye que las botellas
no soportan los 200 psi, es decir, se concluye que las botellas son no soportan los 200 psi, es decir, se concluye que las botellas son
satisfactorias a menos que halla evidencia fuerte en sentido contrario satisfactorias a menos que halla evidencia fuerte en sentido contrario
cul planteamiento es el correcto? cul planteamiento es el correcto?
Es decir, en la Hiptesis alternativa se debe poner la Es decir, en la Hiptesis alternativa se debe poner la
proposicin sobre la cual es importante llegar a una proposicin sobre la cual es importante llegar a una
conclusin fuerte: conclusin fuerte:
HH
0 0
: : =200 psi =200 psi HH
0 0
: : =200 psi =200 psi
HH
1 1
: : >200 psi >200 psi HH
1 1
: : <200 psi <200 psi
(1) (1) (2) (2)
Procedimiento general para la prueba de Procedimiento general para la prueba de
Hiptesis Hiptesis
Antes de Examinar los datos muestrales: Antes de Examinar los datos muestrales:
1. 1. Identificar el parmetro de inters Identificar el parmetro de inters
2. 2. Establecer la Hiptesis Nula H Establecer la Hiptesis Nula H
0 0
3. 3. Especificar una Hiptesis alternativa adecuada H Especificar una Hiptesis alternativa adecuada H
1 1
4. 4. Seleccionar un nivel de significancia Seleccionar un nivel de significancia EE
Usando los datos muestrales: Usando los datos muestrales:
5. 5. Establecer un estadstico de prueba adecuado Establecer un estadstico de prueba adecuado
6. 6. Establecer una regin de rechazo Establecer una regin de rechazo
7. 7. Calcular todas las cantidades muestrales necesarias para el Calcular todas las cantidades muestrales necesarias para el
estadstico estadstico
8. 8. Decidir si debe o no rechazarse H Decidir si debe o no rechazarse H
0 0
Prueba de hiptesis sobre la media, varianza Prueba de hiptesis sobre la media, varianza
conocida conocida
Si se desea probar la Hiptesis: Si se desea probar la Hiptesis:
HH
0 0
: : = =
0 0
HH
1 1
: :
0 0
Se puede usar el estadstico de prueba Z siguiente Se puede usar el estadstico de prueba Z siguiente
El cual tiene una distribucin Normal con media cero y varianza 1 (si se El cual tiene una distribucin Normal con media cero y varianza 1 (si se
cumplen las suposiciones del teorema del lmite central) cumplen las suposiciones del teorema del lmite central)
N /
X
Z
0
__
=
conocida conocida
Entonces, para una Entonces, para una EE dada podemos establecer las siguientes regiones dada podemos establecer las siguientes regiones
de aceptacin y crtica: de aceptacin y crtica:
- -zz
EE/2 /2
zz
EE/2 /2
ZZ
EE/2 /2 EE/2 /2
Regin de aceptacin Regin de aceptacin regin crtica regin crtica regin crtica regin crtica
Conclusiones Conclusiones: :
Rechazar H Rechazar H
0 0
si: si: z < z < --z z
EE/2 /2
o z > z o z > z
EE/2 /2
No rechazar H No rechazar H
0 0
si: si: -- z z
EE/2 /2
z z z z
EE/2 /2
conocida conocida
Ejemplo Ejemplo: Se ilustrarn los 8 pasos del procedimiento general para el : Se ilustrarn los 8 pasos del procedimiento general para el
ejemplo del combustible slido para sistemas de escape de aeronaves. ejemplo del combustible slido para sistemas de escape de aeronaves.
En este caso se conoce En este caso se conoce W W=2 cm/seg, se desea probar si la media =2 cm/seg, se desea probar si la media es es
de 50 cm/seg. Se selecciona una muestra aleatoria de tamao N=25, de 50 cm/seg. Se selecciona una muestra aleatoria de tamao N=25,
obteniendo x=51.3 cm/seg. obteniendo x=51.3 cm/seg. Se especifica un nivel de sginificancia Se especifica un nivel de sginificancia
EE=0.05 =0.05 A qu conclusiones se debe llegar? A qu conclusiones se debe llegar?
1) 1) El parmetro de inters es El parmetro de inters es (rapidez promedio de combustin) (rapidez promedio de combustin)
2) 2) HH
0 0
: : = 50 cm/seg = 50 cm/seg
3) 3) HH
1 1
: : == 50 cm/seg 50 cm/seg
4) 4) EE = 0.05 = 0.05
_ _
conocida conocida
5) La estadstica de prueba es 5) La estadstica de prueba es
6) Rechazar H 6) Rechazar H
0 0
si z>1.96 o si z< si z>1.96 o si z<--1.96 1.96 (consecuencia del paso 4) (consecuencia del paso 4)
7) clculos 7) clculos
8) Conclusin como z = 3.25 > 1.96, 8) Conclusin como z = 3.25 > 1.96, se rechaza H se rechaza H
0 0
: : = 50 cm/seg con = 50 cm/seg con
un nivel de significancia un nivel de significancia EE = 0.05 = 0.05
8) Es decir, 8) Es decir, Se concluye que en base a una muestra de 25 mediciones la Se concluye que en base a una muestra de 25 mediciones la
rapidez promedio de combustin es diferente de 50 cm/seg rapidez promedio de combustin es diferente de 50 cm/seg, de , de
hecho, existe evidencia fuerte de que sta es mayor. hecho, existe evidencia fuerte de que sta es mayor.
N /
X
Z
0
__
=
25 . 3
25 2/
50 3 . 51
Z =
=
Valores P Valores P
Una manera de notificar los resultados de una prueba de hiptesis es Una manera de notificar los resultados de una prueba de hiptesis es
establecer si la hiptesis nula fue o no rechazada con un establecer si la hiptesis nula fue o no rechazada con un nivel nivel
especificado especificado EE de significancia de significancia
Una alternativa es especificar Una alternativa es especificar el nivel de significancia el nivel de significancia EE ms pequeo ms pequeo
que conduce al rechazo de la hiptesis nula que conduce al rechazo de la hiptesis nula. A este se le llama el . A este se le llama el Valor P Valor P
Este valor P slo depende de la muestra tomada, es decir, para una Este valor P slo depende de la muestra tomada, es decir, para una
muestra y un estadstico calculado se puede obtener su valor P y muestra y un estadstico calculado se puede obtener su valor P y
comparar con un comparar con un EE especificado. Entonces, especificado. Entonces, si P< si P<EE, H , H
0 0
se rechaza se rechaza. .
Valores P Valores P
En el caso de la distribucin normal para la pureba sobre la media es En el caso de la distribucin normal para la pureba sobre la media es
fcil calcular el valor P. Si z fcil calcular el valor P. Si z
0 0
fue el valor calculado del estadstico de fue el valor calculado del estadstico de
prueba, entonces: prueba, entonces:
Donde Donde * *(z) = P(Z (z) = P(Zz) (Funcin de distribucin normal N(0,1)) z) (Funcin de distribucin normal N(0,1))
Para el ejemplo z Para el ejemplo z
0 0
= 3.25, entonces P=2(1 = 3.25, entonces P=2(1--* *(3.25))=0.0012. Es decir, H (3.25))=0.0012. Es decir, H
0 0
ser rechazada con cualquier nivel de significancia ser rechazada con cualquier nivel de significancia EE uu 0.0012 0.0012
P = P =
2 [ 1 2 [ 1-- * *(|z (|z
0 0
|) ] |) ] Prueba de dos colas: H Prueba de dos colas: H
0 0
: : = =
0 0
, H , H
1 1
: : ==
0 0
1 1-- * *(z (z
0 0
)) Prueba de cola superior: H Prueba de cola superior: H
0 0
: : = =
0 0
, H , H
1 1
: : > >
0 0
* *(z (z
0 0
)) Prueba de cola inferior: H Prueba de cola inferior: H
0 0
: : = =
0 0
, H , H
1 1
: : < <
0 0
Si se usa el enfoque del valor P el paso 6 del procedimiento general de Si se usa el enfoque del valor P el paso 6 del procedimiento general de
prueba de hiptesis ya no es necesario. prueba de hiptesis ya no es necesario.
Error Tipo II y tamao de la muestra Error Tipo II y tamao de la muestra
Consideremos la hiptesis bilateral Consideremos la hiptesis bilateral HH
0 0
: : = =
0 0
, H , H
1 1
: : ==
0. 0.
Si H Si H
0 0
es falsa y la media verdadera es es falsa y la media verdadera es = =
0 0
+ + o o (con (con o o>0 >0)). . El El
estadstico de prueba estadstico de prueba
se puede escribir como se puede escribir como
Es decir, Si H Es decir, Si H
1 1
es verdadera Z tiene distribucin Normal con media es verdadera Z tiene distribucin Normal con media
y varianza 1. y varianza 1.
Por lo tanto, el error Tipo 1 ( Por lo tanto, el error Tipo 1 (FF) se puede calcular como ) se puede calcular como
N /
X
Z
0
__
N
N /
) (
X
Z
0
__
+
+
=
'
+
'
+ <
N
z
/2
Y si definimos Y si definimos FF = = * *((--z z

FF
), obtenemos ), obtenemos
) z (z
N
/2
+
<
Error Tipo II y tamao de la muestra Error Tipo II y tamao de la muestra
Para el ejemplo del combustible slido. Si al analista le interesa disear Para el ejemplo del combustible slido. Si al analista le interesa disear
la prueba de hiptesis de manera que si el valor verdadero de la prueba de hiptesis de manera que si el valor verdadero de es 51 es 51
cm/seg se rechace H cm/seg se rechace H
0 0
con una probabilidad alta (por ejemplo 90%) y con con una probabilidad alta (por ejemplo 90%) y con
el mismo valor anterior de el mismo valor anterior de EE=0.05 =0.05
En este caso En este caso o o=1, =1, W W=2, =2, EE=0.05 por lo tanto, mediante Matlab: =0.05 por lo tanto, mediante Matlab:
N= 4*(norminv(0.025) + norminv(0.1))^2 N= 4*(norminv(0.025) + norminv(0.1))^2 << 42 42
Observacin Observacin: Debe tenerse cuidado cuando se interpretan los resultados : Debe tenerse cuidado cuando se interpretan los resultados
basados en una basados en una muestra muy grande muestra muy grande, ya que es muy probable que se , ya que es muy probable que se
detecte cualquier alejamiento (muy pequeo) respecto al valor hipottico detecte cualquier alejamiento (muy pequeo) respecto al valor hipottico

o o
. . Esta diferencia podra no tener ninguna importancia prctica pero Esta diferencia podra no tener ninguna importancia prctica pero
conducir al rechazo de H conducir al rechazo de H
0 0
Prueba de hiptesis sobre la igualdad de dos Prueba de hiptesis sobre la igualdad de dos
medias (varianzas conocidas) medias (varianzas conocidas)
Se tienen Se tienen dos poblaciones dos poblaciones de inters. La primera con media de inters. La primera con media
1 1
y y
varianza varianza W W
1 1
2 2
conocidas y la segunda con media conocidas y la segunda con media
2 2
y varianza y varianza W W
2 2
2 2
conocidas. Interesa saber si las dos medias son iguales. Se plantean las conocidas. Interesa saber si las dos medias son iguales. Se plantean las
hiptesis hiptesis HH
0 0
: :
ll
= =
2 2
HH
1 1
: :
ll
==
2 2
Por lo tanto el siguiente estadstico de prueba Por lo tanto el siguiente estadstico de prueba
Es N(0,1) si H Es N(0,1) si H
0 0
es verdadera. es verdadera.
Por lo tanto Por lo tanto se rechazar H se rechazar H
0 0
si z si z
0 0
>z >z
EE/2 /2
o z<z o z<z
--EE/2 /2
Suposiciones Suposiciones: Las dos poblaciones son normales o se cumplen las : Las dos poblaciones son normales o se cumplen las
condiciones del teorema del lmite central. condiciones del teorema del lmite central. Entonces Entonces el estadstico X el estadstico X
1 1
--XX
2 2
es una variable Normal con media es una variable Normal con media
1 1
--
2 2
y varianza y varianza W W
1 1
2 2
/N /N
1 1
+ + W W
2 2
2/ 2/
/N /N
2 2
_ _ _ _
2
2
2
1
2
1
2
___
1
___
N
X X
Z
+
=
Ejemplo Ejemplo: Un diseador quiere reducir el tiempo de secado de una : Un diseador quiere reducir el tiempo de secado de una
pintura. Se prueban dos frmulas de pintura. La frmula 1 es la normal y pintura. Se prueban dos frmulas de pintura. La frmula 1 es la normal y
la frmula 2 posee un ingrediente secante que se espera reduzca el la frmula 2 posee un ingrediente secante que se espera reduzca el
tiempo de secado. Se sabe que el tiempo de secado tiene una tiempo de secado. Se sabe que el tiempo de secado tiene una
desviacin estndar de 8 min y que sta no se afecta con la adicin del desviacin estndar de 8 min y que sta no se afecta con la adicin del
nuevo ingrediente. Se pintan 10 especmenes con la frmula 1, y 10 con nuevo ingrediente. Se pintan 10 especmenes con la frmula 1, y 10 con
la frmula 2, obtenindose tiempos promedio de secado de x la frmula 2, obtenindose tiempos promedio de secado de x
1 1
=121 min, =121 min,
y x y x
2 2
=112 min. respectivamente. A qu conclusin se llega sobre la =112 min. respectivamente. A qu conclusin se llega sobre la
eficacia del nuevo ingrediente utilizando eficacia del nuevo ingrediente utilizando EE=0.05.? =0.05.?
1) 1) Cantidad de inters: Cantidad de inters:
1 1
--
2 2
2) 2) HH
0 0
: :
ll
= =
2 2
3) 3) HH
1 1
: :
ll
> >
2 2
(se busca evidencia fuerte que indique que el tiempo de (se busca evidencia fuerte que indique que el tiempo de
secado promedio de la muestra 2 es menor) secado promedio de la muestra 2 es menor)
_ _
_ _
4) 4) EE=0.05 =0.05
5) 5) El estadstico de prueba es El estadstico de prueba es
6) 6) HH
0 0
se rechazar si z>z se rechazar si z>z
0.05 0.05
= 1.645 = 1.645
7) 7) Sustituyendo los datos, obtenemos z=(121 Sustituyendo los datos, obtenemos z=(121--112)/(12.8) 112)/(12.8)
1/2 1/2
=2.52 =2.52
8) 8) Conclusin: Puesto que z = 2.52 > 1.645 se rechaza H Conclusin: Puesto que z = 2.52 > 1.645 se rechaza H
0 0
con un nivel con un nivel
de significancia de significancia EE=0.05 concluyndose el nuevo ingrediente s =0.05 concluyndose el nuevo ingrediente s
disminuye el tiempo de secado. disminuye el tiempo de secado.
Alternativamente puede calcularse un valor P =1 Alternativamente puede calcularse un valor P =1--* *(2.52) = 0.0059, (2.52) = 0.0059,
es decir, se rechazar H es decir, se rechazar H
0 0
para cualquier nivel de significancia para cualquier nivel de significancia
EEuu0.0059 0.0059
2
2
2
1
2
1
2
___
1
___
N
/ )
X X
( Z + =
Identificacin Causa Identificacin Causa - - Efecto Efecto
En el ejemplo anterior se supone que fueron asignados En el ejemplo anterior se supone que fueron asignados de manera de manera
aleatoria aleatoria 10 especmenes a una frmula ( 10 especmenes a una frmula (tratamiento tratamiento) y 10 especmenes ) y 10 especmenes
a la otra luego se aplic la pintura en un a la otra luego se aplic la pintura en un orden aleatorio orden aleatorio a cada a cada
especmen hasta pintar los 20. Este es un especmen hasta pintar los 20. Este es un Experimento Completamente Experimento Completamente
Aleatorizado Aleatorizado. .
En un estudio estadstico sobre la incidencia del cncer pulmonar entre En un estudio estadstico sobre la incidencia del cncer pulmonar entre
personas que fuman normalmente se hace un seguimiento en el tiempo personas que fuman normalmente se hace un seguimiento en el tiempo
de los individuos a prueba. Este es un de los individuos a prueba. Este es un Experimento Observacional Experimento Observacional
En este caso no se puede asignar de manera aleatoria un tratamiento u En este caso no se puede asignar de manera aleatoria un tratamiento u
otro (fumar o no fumar) a una porcin de los individuos. Por otro lado, el otro (fumar o no fumar) a una porcin de los individuos. Por otro lado, el
hbito de fumar no es el nico factor que influye en el desarrollo de hbito de fumar no es el nico factor que influye en el desarrollo de
cncer pulmonar. cncer pulmonar.
Prueba de Hiptesis sobre la media, Prueba de Hiptesis sobre la media, varianza varianza
desconocida desconocida
Si la poblacin tiene una distribucin Normal con media Si la poblacin tiene una distribucin Normal con media y varianza y varianza W W
2 2
desconocidas pudiera utilizarse el estadstico S desconocidas pudiera utilizarse el estadstico S
2 2
y el procedimiento y el procedimiento
descrito anteriormente para varianza conocida (esto es vlido para N descrito anteriormente para varianza conocida (esto es vlido para N
grande), pero si la muestra es pequea, tendremos que usar el grande), pero si la muestra es pequea, tendremos que usar el
estadstico siguiente, estadstico siguiente,
el cual tiene una distribucin t con N el cual tiene una distribucin t con N--1 grados de libertad, 1 grados de libertad,
As, para la prueba de Hiptesis bilateral As, para la prueba de Hiptesis bilateral
HH
0 0
: : = =
0 0
HH
1 1
: : ==
0 0
Se rechazar H Se rechazar H
0 0
si t>t si t>t
EE/2,N /2,N--1 1
o si t<t o si t<t
--EE/2,N /2,N--1 1
N S/
X
T
0
__
=
Prueba de Hiptesis sobre la media, Prueba de Hiptesis sobre la media, varianza varianza
desconocida desconocida
Ejercicio Ejercicio: Los siguientes son datos de pruebas de resistencia a la : Los siguientes son datos de pruebas de resistencia a la
adhesin, los siguientes datos presentan la carga (en Mpa) a la cual 22 adhesin, los siguientes datos presentan la carga (en Mpa) a la cual 22
especmenes fallaron especmenes fallaron
Sugieren los datos que la carga promedio de falla es mayor que Sugieren los datos que la carga promedio de falla es mayor que
10Mpa? Supngase que la carga de falla tiene una distribucin Normal y 10Mpa? Supngase que la carga de falla tiene una distribucin Normal y
utilice utilice EE=0.05. Desarrolle los 8 pasos del procedimiento general y =0.05. Desarrolle los 8 pasos del procedimiento general y
encuentre un valor P para la prueba. encuentre un valor P para la prueba.
19.8 18.5 17.6 16.7 15.8 15.4
14.1 13.6 11.9 11.4 11.4 8.8
7.5 15.4 15.4 19.5 14.9 12.7
11.9 11.4 10.1 7.9
Valor P de una prueba t Valor P de una prueba t
El valor P es el ms pequeo nivel de significancia para el que H El valor P es el ms pequeo nivel de significancia para el que H
0 0
debe debe
rechazarse, esto es rechazarse, esto es el rea de la cola el rea de la cola (de la curva de densidad de (de la curva de densidad de
probabilidad) que est ms all del valor del estadstico (en este caso t). probabilidad) que est ms all del valor del estadstico (en este caso t).
o el doble de esta rea en pruebas bilaterales. o el doble de esta rea en pruebas bilaterales.
Seleccin del Tamao de la Muestra Seleccin del Tamao de la Muestra
En todas las pruebas de hiptesis estadsticas se puede calcular el En todas las pruebas de hiptesis estadsticas se puede calcular el
tamao de la muestra (N) adecuada en funcin de la magnitud del error tamao de la muestra (N) adecuada en funcin de la magnitud del error
de tipo I que se permite. En cada tipo de prueba se encuentran frmulas de tipo I que se permite. En cada tipo de prueba se encuentran frmulas
diferentes para N. diferentes para N.
Otras pruebas de Hiptesis Otras pruebas de Hiptesis
En forma similar a como se describi el caso de la media y la diferencia En forma similar a como se describi el caso de la media y la diferencia
de medias, se pueden realizar diferentes pruebas de hiptesis para de medias, se pueden realizar diferentes pruebas de hiptesis para
estos mismos u otros parmetros, lo nico que cambia en cada caso es: estos mismos u otros parmetros, lo nico que cambia en cada caso es:
-- Las suposiciones sobre la distribucin de la poblacin Las suposiciones sobre la distribucin de la poblacin
-- El estadstico elegido y por consiguiente El estadstico elegido y por consiguiente
-- La distribucin del estadstico. La distribucin del estadstico.
En la siguiente tabla se resumen algunas de las pruebas de hiptesis En la siguiente tabla se resumen algunas de las pruebas de hiptesis
ms utilizadas ms utilizadas
Otras pruebas paramtricas de Hiptesis Otras pruebas paramtricas de Hiptesis
Prueba sobre Prueba sobre Hiptesis Nula Hiptesis Nula Suposiciones Suposiciones
Estadstico Estadstico
de Prueba de Prueba
La media La media
= =
0 0
W W
2 2
conocida conocida Normal Normal
= =
0 0
W W
2 2
desconocida desconocida TT
Igualdad de Igualdad de
medias medias

ll
= =
2 2
W W
ll
2 2
= = W W
2 2
conocidas conocidas Normal Normal

ll
= =
2 2
W W
ll
2 2
= = W W
2 2
desconocidas desconocidas TT

ll
= =
2 2
W W
ll
2 2
== W W
2 2
conocidas conocidas TT
La varianza La varianza
W W
2 2
= = W W
00
2 2
dist. Normal, N pequea dist. Normal, N pequea Ji Ji
2 2
W W
2 2
= = W W
00
2 2
N grande N grande Normal Normal
Igualdad de dos Igualdad de dos
varianzas varianzas
W W
ll
2 2
= = W W
2 2
FF
Una proporcin Una proporcin p = p p = p
0 0
Normal Normal
Igualdad de dos Igualdad de dos
proporciones proporciones
p p
1 1
= p = p
2 2
Normal Normal
Pruebas de Hiptesis No Paramtricas Pruebas de Hiptesis No Paramtricas
Las pruebas de hiptesis anteriores se llaman Las pruebas de hiptesis anteriores se llaman paramtricas paramtricas porque porque
suponen conocida la distribucin de la poblacin y la hiptesis es acerca suponen conocida la distribucin de la poblacin y la hiptesis es acerca
de los parmetros de dicha distribucin. de los parmetros de dicha distribucin.
Otra clase de hiptesis es: No se sabe cual es la distribucin de la Otra clase de hiptesis es: No se sabe cual es la distribucin de la
poblacin y poblacin y se desea probar la hiptesis de que cierta distribucin en se desea probar la hiptesis de que cierta distribucin en
particular ser un modelo satisfactorio particular ser un modelo satisfactorio. Por ejemplo, tal vez se requiera . Por ejemplo, tal vez se requiera
probar si la distribucin es Normal probar si la distribucin es Normal
Prueba Ji Prueba Ji
2 2
de la Bondad del Ajuste de la Bondad del Ajuste
Se parte de una Se parte de una muestra aleatoria muestra aleatoria de tamao N, proveniente de una de tamao N, proveniente de una
poblacin cuya distribucin de probabilidad es desconocida. poblacin cuya distribucin de probabilidad es desconocida.
Las N observaciones se acomodan en un Las N observaciones se acomodan en un Histograma Histograma de frecuencia de frecuencia
con k intervalos de clase. Sea con k intervalos de clase. Sea O O
i i
la i la i--sima frecuencia de clase sima frecuencia de clase
De la distribucin de probabilidad propuesta se calcula la De la distribucin de probabilidad propuesta se calcula la frecuencia frecuencia
esperada E esperada E
i i
en el i en el i--simo intervalo de clase simo intervalo de clase
El El estadstico de prueba estadstico de prueba es es
El cual tiene una El cual tiene una distribucin Ji distribucin Ji
2 2
con k con k--p p--1 grados de libertad 1 grados de libertad si la si la
poblacin sigue la distribucin propuesta. (donde p es el nmero de poblacin sigue la distribucin propuesta. (donde p es el nmero de
parmetros de la poblacin) parmetros de la poblacin)
=
k
1 i
i
2
i i
2
E
) E (O

Prueba Ji Prueba Ji
2 2
La aproximacin mejora a medida que N es ms grande La aproximacin mejora a medida que N es ms grande
La hiptesis debe rechazarse si el valor del estadstico de prueba es La hiptesis debe rechazarse si el valor del estadstico de prueba es
GG
2 2
> > GG
2 2
1 1--EE,k ,k--p p--1 1
Precaucin Precaucin: Si las frecuencias esperadas son muy pequeas el : Si las frecuencias esperadas son muy pequeas el
estadstico estadstico GG
2 2
no reflejar el alejamiento entre lo observado y lo no reflejar el alejamiento entre lo observado y lo
esperado. (Se considera que valores menores de 5 son pequeos) esperado. (Se considera que valores menores de 5 son pequeos)
Si en una prueba resultan frecuencias esperadas pequeas, se Si en una prueba resultan frecuencias esperadas pequeas, se
pueden pueden combinar intervalos de clase adyascentes combinar intervalos de clase adyascentes para aumentar estos para aumentar estos
valores, ya que no es necesario que los anchos de clase sean del valores, ya que no es necesario que los anchos de clase sean del
mismo tamao mismo tamao
Prueba Ji Prueba Ji
2 2
Ejemplo 1 Ejemplo 1. .-- Un algoritmo para generar enteros pseudoealeatorios de 0 a Un algoritmo para generar enteros pseudoealeatorios de 0 a
9 9 se prueba para determinar si tiene una distribucin uniforme, para ello se prueba para determinar si tiene una distribucin uniforme, para ello
se generan 1000 nmeros, obteniendo la siguiente tabla de frecuencia. se generan 1000 nmeros, obteniendo la siguiente tabla de frecuencia.
Existe evidencia de que el generador funciona de manera correcta?. Existe evidencia de que el generador funciona de manera correcta?.
Utilice Utilice EE=0.05 =0.05
Como E Como E
i i
se puede calcular sin estimar ningn parmetro a partir de la se puede calcular sin estimar ningn parmetro a partir de la
muestra, entonces p=0 y el estadstico ser ji muestra, entonces p=0 y el estadstico ser ji
2 2
con k con k--p p--1=10 1=10--0 0--1=9 1=9
grados de libertad. grados de libertad.
0 1 2 3 4 5 6 7 8 9
O
i
94 93 112 101 104 95 100 99 108 94
E
i
100 100 100 100 100 100 100 100 100 100
Prueba Ji Prueba Ji
2 2
1) 1) Variable de inters: distribucin de los nmeros pseudoaleatorios Variable de inters: distribucin de los nmeros pseudoaleatorios
2) 2) HH
0 0
: La distribucin es uniforme en el intervalo de 0 a 9 : La distribucin es uniforme en el intervalo de 0 a 9
3) 3) H1: La distribucin No es uniforme en ese intervalo H1: La distribucin No es uniforme en ese intervalo
4) 4) EE = 0.05 = 0.05
6) 6) Se rechazar H Se rechazar H
0 0
si si GG
2 2
> > GG
2 2
0.05,9 0.05,9
=16.92 =16.92
7) 7) Clculos Clculos
GG
2 2
= 0.01*( (94 = 0.01*( (94--100) 100)
2 2
+(93 +(93--100) 100)
2 2
+...+(94 +...+(94--100) 100)
2 2
)=3.72 )=3.72
8) 8) Conclusiones: como 3.72 < 16.92 No es posible rechazar la Conclusiones: como 3.72 < 16.92 No es posible rechazar la
hiptesis. Por lo tanto parece ser que el generador de nmeros hiptesis. Por lo tanto parece ser que el generador de nmeros
aleatorios trabaja bien. aleatorios trabaja bien.
Cual es el valor P de la prueba ? Cual es el valor P de la prueba ?
=
k
1 i i
2
i i
2
E
) E (O

Prueba Ji Prueba Ji
2 2
Ejemplo 2 Ejemplo 2. .-- Se propone que el nmero de defectos en tarjetas de Se propone que el nmero de defectos en tarjetas de
circuito impreso sigue una circuito impreso sigue una distribucin de Poisson distribucin de Poisson. Se obtiene una . Se obtiene una
muestra de 60 tarjetas y se observa el nmero de defectos, con los muestra de 60 tarjetas y se observa el nmero de defectos, con los
siguientes resultados: siguientes resultados:
defectos defectos 0 0 1 1 2 2 3 3 4 o ms 4 o ms
O O
i i
32 32 15 15 9 9 4 4 0 0
Distribucin de Poisson Distribucin de Poisson. Es una distribucin discreta cuya funcin de . Es una distribucin discreta cuya funcin de
probabilidad es probabilidad es
Definida para x=0,1,2,3,... Definida para x=0,1,2,3,...gg. Donde . Donde es la media de X es la media de X
x!
e
f(x)
x -
=
Prueba Ji Prueba Ji
2 2
Clculo de las frecuencias Esperadas E Clculo de las frecuencias Esperadas E
i i
: :
Un estimador para la media Un estimador para la media de la distribucin de Poisson es la media de la distribucin de Poisson es la media
muestral, es decir, (32x0+15x1+9x2+4x3)/60=0.75 fallas/tarjeta. Usando muestral, es decir, (32x0+15x1+9x2+4x3)/60=0.75 fallas/tarjeta. Usando
este valor de m obtenemos la siguiente tabla de frecuencias esperadas: este valor de m obtenemos la siguiente tabla de frecuencias esperadas:
x x 0 0 1 1 2 2 3 3 4 o ms 4 o ms
F(x) F(x) 0.472 0.472 0.354 0.354 0.133 0.133 0.033 0.033 0.0073 0.0073
EE
i i
28.32 28.32 21.24 21.24 7.98 7.98 1.98 1.98 0.44 0.44
Para evitar que las ltimas dos frecuencias esperadas sean menores Para evitar que las ltimas dos frecuencias esperadas sean menores
que 5 combinamos las ltimas tres celdas para obtener: que 5 combinamos las ltimas tres celdas para obtener:
x x 0 0 1 1 2 o ms 2 o ms
EE
i i
28.32 28.32 21.24 21.24 10.44 10.44
O O
i i
32 32 15 15 13 13
Prueba Ji Prueba Ji
2 2
1) 1) Variable de inters: La forma de distribucin de los defectos en Variable de inters: La forma de distribucin de los defectos en
tarjetas de circuito impreso tarjetas de circuito impreso
2) 2) HH
0 0
: La distribucin es de Poisson : La distribucin es de Poisson
3) 3) H1: La distribucin No es Poisson H1: La distribucin No es Poisson
4) 4) EE = 0.05 = 0.05
5) 5) El estadstico de prueba es , el cual tiene una El estadstico de prueba es , el cual tiene una
distribucin distribucin GG
2 2
con k con k--p p--1=3 1=3--1 1--1=1 grado de libertad 1=1 grado de libertad
6) 6) Se rechazar H Se rechazar H
0 0
si si GG
2 2
> > GG
2 2
0.05,1 0.05,1
=3.84 =3.84
7) 7) Clculos Clculos
GG
2 2
= (94 = (94--100) 100)
2 2
/28.32+(93 /28.32+(93--100) 100)
2 2
/21.24+(94 /21.24+(94--100) 100)
2 2
/10.44 = 2.94 /10.44 = 2.94
8) 8) Conclusiones: como 2.94 < 3.84. No es posible rechazar la Conclusiones: como 2.94 < 3.84. No es posible rechazar la
hiptesis. Por lo tanto parece ser que la distribucin de defectos en hiptesis. Por lo tanto parece ser que la distribucin de defectos en
las placas de circuito impreso es Poisson las placas de circuito impreso es Poisson
El valor P de la prueba es P=0.9861 El valor P de la prueba es P=0.9861
=
k
1 i i
2
i i
2
E
) E (O

Prueba Ji Prueba Ji
2 2
Ejemplo 3 Ejemplo 3. .-- Se desea determinar con Se desea determinar con EE=0.05 si el voltaje de salida de =0.05 si el voltaje de salida de
una fuente de alimentacin est descrito por una distribucin Normal. Se una fuente de alimentacin est descrito por una distribucin Normal. Se
toma una muestra aleatoria de N=100 fuentes, determinndose los toma una muestra aleatoria de N=100 fuentes, determinndose los
siguientes valores muestrales x = 5.04, s = 0.08. siguientes valores muestrales x = 5.04, s = 0.08.
Para evitar valores de frecuencias esperadas muy pequeos, de Para evitar valores de frecuencias esperadas muy pequeos, de
antemano se elige el ancho de los intervalos de clase de manera que la antemano se elige el ancho de los intervalos de clase de manera que la
frecuencia esperada sea constante frecuencia esperada sea constante FF
i i
= N / k = N / k. .
As, si k=8 clases, se buscarn 8 intervalos de clase que dividan la curva As, si k=8 clases, se buscarn 8 intervalos de clase que dividan la curva
de densidad normal en 8 reas iguales, como se muestra en la siguiente de densidad normal en 8 reas iguales, como se muestra en la siguiente
figura para media 0 y varianza 1. figura para media 0 y varianza 1.
Prueba Ji Prueba Ji
2 2
Para la distribucin N(0,1) los lmites de los 8 intervalos son Para la distribucin N(0,1) los lmites de los 8 intervalos son
gg, , --1.15, 1.15, --0.675, 0.675, --0.32, 0, 0.32, 0.675, 1.15,+ 0.32, 0, 0.32, 0.675, 1.15,+gg, ,
por lo tanto para el ejemplo, los lmites son por lo tanto para el ejemplo, los lmites son
gg, 4.948, 4.986, 5.014, 5.040, 5.066, 5.094, 5.132,+ , 4.948, 4.986, 5.014, 5.040, 5.066, 5.094, 5.132,+gg
Con esta eleccin se obtiene la siguiente tabla de frecuencias para la Con esta eleccin se obtiene la siguiente tabla de frecuencias para la
muestra muestra
-4 -3 -2 -1 0 1 2 3 4
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
Prueba Ji Prueba Ji
2 2
Intervalo de Clase Intervalo de Clase O O
i i
EE
i i
De De gg a 4.948 a 4.948
De 4.948 a 4.986 De 4.948 a 4.986
De 4.986 a 5.014 De 4.986 a 5.014
De 5.014 a 5.040 De 5.014 a 5.040
De 5.040 a 5.066 De 5.040 a 5.066
De 5.066 a 5.094 De 5.066 a 5.094
De 5.094 a 5.132 De 5.094 a 5.132
De 5.132 a + De 5.132 a + gg
12 12
14 14
12 12
13 13
12 12
11 11
12 12
14 14
12.5 12.5
12.5 12.5
12.5 12.5
12.5 12.5
12.5 12.5
12.5 12.5
12.5 12.5
12.5 12.5
Suma: Suma: 100 100 100 100
Prueba Ji Prueba Ji
2 2
1) 1) La variable de inters es el tipo de distribucin del voltaje dado por La variable de inters es el tipo de distribucin del voltaje dado por
una fuente de alimentacin una fuente de alimentacin
2) 2) HH
0 0
: El tipo de distribucin es Normal : El tipo de distribucin es Normal
3) 3) HH
1 1
: El tipo de distribucin no es Normal : El tipo de distribucin no es Normal
4) 4) EE = 0.05 = 0.05
6) 6) Para determinar los intervalos de clase se requiri estimar Para determinar los intervalos de clase se requiri estimar y y W W, por , por
lo tanto los grados de libertad son k lo tanto los grados de libertad son k--p p--1=8 1=8--2 2--1=5, por lo tanto se 1=5, por lo tanto se
0 0
si si GG
2 2
> > GG
2 2
0.05,5 0.05,5
= 11.07 = 11.07
7) 7) Clculos: Clculos:
GG
2 2
= ( = (
1 1
/ /
12.5 12.5
)[(12 )[(12--12.5) 12.5)
2 2
+(14 +(14--12.5) 12.5)
2 2
+...+(14 +...+(14--12.5) 12.5)
2 2
] = 0.64 ] = 0.64
8) 8) Conclusiones: como 0.64<11.07, no es posible rechazar H0, por lo Conclusiones: como 0.64<11.07, no es posible rechazar H0, por lo
tanto no hay evidencia fuerte de que la distribucin no sea Normal. tanto no hay evidencia fuerte de que la distribucin no sea Normal.
El valor P de la prueba (para El valor P de la prueba (para GG
2 2
= 0.64) es P=0.9861. = 0.64) es P=0.9861.
=
k
1 i i
2
i i
2
E
) E (O

Grfica de Probabilidad Grfica de Probabilidad
La grfica de probabilidad es un La grfica de probabilidad es un mtodo grfico mtodo grfico que permite determinar que permite determinar
si una muestra de datos se ajusta a una distribucin propuesta en base si una muestra de datos se ajusta a una distribucin propuesta en base
a una anlisis visual subjetivo. a una anlisis visual subjetivo.
Originalmente esta grfica se realizaba sobre un papel especial llamado Originalmente esta grfica se realizaba sobre un papel especial llamado
papel de probabilidad papel de probabilidad diseado con las escalas adecuadas para las diseado con las escalas adecuadas para las
diferentes distribuciones. diferentes distribuciones.
Procedimiento Procedimiento: :
Se ordena la muestra de menor a mayor: x Se ordena la muestra de menor a mayor: x
1 1
,x ,x
2 2
,....,x ,....,x
NN
Se grafica sobre el papel de probabilidad la frecuencia acumulada Se grafica sobre el papel de probabilidad la frecuencia acumulada
observada (i observada (i--0.5)/N contra el valor de los datos ordenados 0.5)/N contra el valor de los datos ordenados
Si los puntos obtenidos se devan sifgnificativamente de una lnea Si los puntos obtenidos se devan sifgnificativamente de una lnea
recta, el modelo propuesto no ser el apropiado. recta, el modelo propuesto no ser el apropiado.
Ejemplo Ejemplo: Las siguientes son diez observaciones sobre la duracin en : Las siguientes son diez observaciones sobre la duracin en
minutos de las bateras de computadoras porttiles: minutos de las bateras de computadoras porttiles:
176, 183, 185, 190, 191, 192, 201, 205, 214, 220 176, 183, 185, 190, 191, 192, 201, 205, 214, 220
Utilizar la grfica de probabilidad para determinar si la muestra Utilizar la grfica de probabilidad para determinar si la muestra
corresponde a una distribucin Normal. corresponde a una distribucin Normal.
i 1 2 3 4 5 6 7 8 9 10
x
i
176 183 185 190 191 192 201 205 214 220
(i-0.5)/10 0.05 0.15 0.25 0.35 0.45 0.55 0.65 0.75 0.85 0.95
Procedimiento Procedimiento: Formamos la tabla de los datos ordenados y las : Formamos la tabla de los datos ordenados y las
frecuencias acumuladas (i frecuencias acumuladas (i--0.5)/N siguiente: 0.5)/N siguiente:
175 180 185 190 195 200 205 210 215 220
0.05 0.05
0.10 0.10
0.25 0.25
0.50 0.50
0.75 0.75
0.90 0.90
0.95 0.95
Datos (X Datos (X
i i
))
F
r
e
c
u
e
n
c
i
a

a
c
u
m
u
l
a
d
a

(
i
F
r
e
c
u
e
n
c
i
a

a
c
u
m
u
l
a
d
a

(
i
--
0
.
5
)
/
N
0
.
5
)
/
N
Grfica de Probabilidad Normal Grfica de Probabilidad Normal
0 0.0 .0
1.0 1.0
<195
0. 0.84 84
W<16
Observaciones Observaciones: :
Al analizar la grfica debe recordarse que el eje vertical est Al analizar la grfica debe recordarse que el eje vertical est
graduado en graduado en percentiles percentiles, por ello la media se encuentra en el , por ello la media se encuentra en el
percentil 50. percentil 50.
Los puntos ms confiables son los que estn entre el percentil 25 y Los puntos ms confiables son los que estn entre el percentil 25 y
el 75, de hecho, la linea trazada debe unir estos percentiles el 75, de hecho, la linea trazada debe unir estos percentiles
Se puede obtener una Se puede obtener una grfica sobre papel normal grfica sobre papel normal ajustando la ajustando la
escala vertical de acuerdo a z escala vertical de acuerdo a z
i i
, donde , donde * *(z (z
i i
) = (i ) = (i--0.5)/N, para el 0.5)/N, para el
ejemplo: ejemplo:
i 1 2 3 4 5 6 7 8 9 10
(i-0.5)/10 0.05 0.15 0.25 0.35 0.45 0.55 0.65 0.75 0.85 0.95
z
i
-1.64 -1.04 -0.67 -0.39 -0.13 0.13 0.39 0.67 1.04 1.64
4) 4) En Matlab se puede usar la funcin En Matlab se puede usar la funcin normplot normplot
Tablas de Contingencia Tablas de Contingencia
Una Una tabla de contingencia tabla de contingencia es una herramienta que nos permite poner a es una herramienta que nos permite poner a
prueba si prueba si dos criterios de clasificacin de una misma muestra dos criterios de clasificacin de una misma muestra son son
independientes o no, por ejemplo: independientes o no, por ejemplo:
Poblacin Criterio 1 Criterio 2
Ingenieros recin egresados Salario inicial Institucin de origen
Estudiantes Nivel Socioeconmico Promedio acadmico
Nmero de fallas en un
proceso
Maquinaria utilizada Turno
Estudiantes Calif. en Materia 1 Calif. en Materia 2
Fallas en un transformador Tipo de falla Ubicacin
Etc...
Procedimiento Procedimiento::
Se forma una tabla de frecuencias observadas Oij, donde: Se forma una tabla de frecuencias observadas Oij, donde:
i=No. de rengln= nivel de clasificacin i del criterio 1 (i=1,2,,3,...,r) i=No. de rengln= nivel de clasificacin i del criterio 1 (i=1,2,,3,...,r)
j=No. de columna= nivel de clasificacin j del Criterio 2 (j=1,2,3,...,c) j=No. de columna= nivel de clasificacin j del Criterio 2 (j=1,2,3,...,c)
Criterio2
Criterio1
Nivel 1 Nivel 2 ... Nivel c
Nivel 1
O
11
O
12
O
1c
Nivel 2
O
21
O
22
O
2c
...
...
Nivel r
O
r1
O
r1
... O
rc
Consideraciones Consideraciones: : Si los criterios son independientes (Hiptesis Si los criterios son independientes (Hiptesis
Nula) Nula): La probabilidad de que un elemento elegido al azar caiga : La probabilidad de que un elemento elegido al azar caiga
en la ij en la ij- -sima celda es sima celda es pp
ij ij
=u =u
ii
vv
jj
,,
donde donde uu
ii
= probabilidad de que caiga en el rengln i = probabilidad de que caiga en el rengln i
uu
jj
= probabilidad de que caiga en la columna j = probabilidad de que caiga en la columna j
Son estimadores para Son estimadores para uu
ii
, , vv
jj
: :
Por lo tanto, la frecuencia esperada en cada celda es Por lo tanto, la frecuencia esperada en cada celda es EE
ij ij
= Np = Np
ij ij
= =
Nu Nu
ii
vv
jj
, es decir , es decir
=
=
c
1 j
ij N
1
i
O u

=
=
r
1 i
ij N
1
j
O v

= =
=
r
1 i
ij
c
1 j
ij N
1
ij
O O E
Para N grande el siguiente estadstico Para N grande el siguiente estadstico
Tiene una distribucin Ji Tiene una distribucin Ji
22
con (r con (r- -1)(c 1)(c- -1) grados de libertad 1) grados de libertad
siempre que la Hiptesis nula sea verdadera. siempre que la Hiptesis nula sea verdadera.
Por lo tanto, la Hiptesis de independencia se deber rechazar si el Por lo tanto, la Hiptesis de independencia se deber rechazar si el
estadstico estadstico GG
22
> > GG
22
EE,(r ,(r- -1)(c 1)(c- -1) 1)
. .

= =
=
r
1 i
ij
2
ij ij
c
1 j
2
E
) E (O

Ejemplo Ejemplo: Los empleados de una compaa eligen uno de tres : Los empleados de una compaa eligen uno de tres
posibles planes de pensin. La gerencia desea saber con posibles planes de pensin. La gerencia desea saber con EE=0.05 si =0.05 si
la preferencia en la eleccin es independiente de la clasificacin la preferencia en la eleccin es independiente de la clasificacin
del contrato (asalariados y por horas). De una muestra aleatoria de del contrato (asalariados y por horas). De una muestra aleatoria de
500 empleados se obtiene la siguiente tabla de contingencia 500 empleados se obtiene la siguiente tabla de contingencia
Tipo de contrato Tipo de contrato Plan 1 Plan 1 Plan 2 Plan 2 Plan 3 Plan 3 Total Total
Asalariados Asalariados 160 160 140 140 40 40 340 340
Por Horas Por Horas 40 40 60 60 60 60 160 160
Total Total 200 200 200 200 100 100 500 500
Solucin Solucin: Necesitaremos las frecuencias esperadas, para ello : Necesitaremos las frecuencias esperadas, para ello
calculamos estimados de u calculamos estimados de u
ii
, v , v
jj
para i=1,2, j=1,2,3: para i=1,2, j=1,2,3:
uu
11
=0.68, =0.68, uu
22
=0.32, =0.32,
vv
11
=0.4, =0.4, vv
22
=0.4, =0.4, vv
33
=0.2 =0.2
Tipo de contrato Tipo de contrato Plan 1 Plan 1 Plan 2 Plan 2 Plan 3 Plan 3 Total Total
Asalariados Asalariados 136 136 136 136 68 68 340 340
Por Horas Por Horas 64 64 64 64 32 32 160 160
Total Total 200 200 200 200 100 100 500 500
Con esto calculamos las frecuencias esperadas, por ejemplo Con esto calculamos las frecuencias esperadas, por ejemplo
EE
11 11
= Nu = Nu
11
vv
11
=500(0.68)(0.4)=136 =500(0.68)(0.4)=136
El resto se muestran en la siguiente tabla El resto se muestran en la siguiente tabla
1) 1) La variable de inters es la preferencia de los empleados por La variable de inters es la preferencia de los empleados por
los planes de pensin los planes de pensin
2) 2) H H
00
: La preferencia es independiente del tipo de contrato : La preferencia es independiente del tipo de contrato
3) 3) H H
11
: La preferencia no es independiente del tipo de contrato : La preferencia no es independiente del tipo de contrato
4) 4) EE=0.05 =0.05
6) 6) Como r=2, c=1, Como r=2, c=1, GG
22
tiene 2 grados de libertad, por lo tanto H0 tiene 2 grados de libertad, por lo tanto H0
debe rechazarse si debe rechazarse si GG
22
> > GG
22
0.05,2 0.05,2
=5.99 =5.99
7) 7) Clculos: Clculos: GG
2 2
= 49.63 = 49.63
8) 8) Como 49.63>5.99, Se rechaza la hiptesis de independencia. Como 49.63>5.99, Se rechaza la hiptesis de independencia.
El valor P para El valor P para GG
2 2
= 49.63 es P=1.671x = 49.63 es P=1.671x
10 10- -11 11

= =
=
r
1 i ij
2
ij ij
c
1 j
2
E
) E (O

Pruebas de Hipotesis

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Pruebas de Hipotesis

Cargado por

Copyright:

Formatos disponibles

Pruebas de Hiptesis Pruebas de Hiptesis

Y si definimos Y si definimos FF = = * *((--z z

Pruebas de Hiptesis Pruebas de Hiptesis

Pruebas de Hiptesis Pruebas de Hiptesis

Pruebas de Hiptesis Pruebas de Hiptesis

Pruebas de Hiptesis Pruebas de Hiptesis

Pruebas de Hiptesis Pruebas de Hiptesis

También podría gustarte