Econometria

Autores: MSc.
Daisy Espallargas y Jorge DEspaux

INTRODUCCION
El objeto de estudio de esta asignatura es desarrollar mtodos de Inferencia
Estadstica, que servirn al alumno para enfrentarse en su futuro como
profesionales a situaciones que as lo requieran.
Tal es el caso como: estimar parmetros poblacionales; Someter a pruebas
supuestos hiptesis estadsticas; Hacer predicciones sobre el
comportamiento de variables econmicas.
Esta asignatura es eminentemente prctica, al igual que la Estadstica
Matemtica I, sin embargo requiere del alumno conocimientos de la teora
que la sustenta para la correcta aplicacin de los mtodos que la integran.
Los requisitos necesarios para el estudio de esta asignatura estn
contenidos en las asignaturas Anlisis Matemtico I y II, lgebra y Estadstica
Matemtica I fundamentalmente, por lo que deben saber que les harn falta
los conocimientos recibidos de variable aleatoria, valor esperado, las
distribuciones: normal, t'student y Chi-cuadrado; muestreo aleatorio simple,
estimadores, distribuciones muestrales e intervalos de confianza entre otros
de mayor utilizacin.
Objetivos de la Asignatura.
En general los objetivos de la asignatura son los de desarrollar en el alumno
habilidades en la aplicacin de mtodos estadsticos que servirn de
herramientas en su vida profesional, para lograr anlisis, modelacin y
pronsticos de fenmenos econmicos.
Plan Temtico de la Asignatura. Se ha realizado una distribucin en
15 semanas de la materia correspondiente a esta asignatura:
Semana I .... Tema I. Prueba de Hiptesis: Conceptos Bsicos. Error Tipo I
y II. Prueba de Hiptesis de media (), con Varianza (
2)
conocida y
desconocida.
Pgina 4
Semana II...Tamao Error Tipo I y II. Funcin de Potencia y Tamao de
Muestra Pgina 13
Semana III.... Prueba de Hiptesis de varianza (
2
) y de proporciones (P).
Pgina 26
Semana IV...Prueba de Hiptesis de Diferencia de medias y diferencias de
proporciones. Pgina 31
2
Autores: MSc. Daisy Espallargas y Jorge DEspaux
Semana V ....Bondad de Ajuste. Prueba Ji-Cuadrado y Jarque-Bera. Pgina
45
Semana VI...Dcima Ji-Cuadrado para verificar supuesto de independencia .
Tablas de Contingencias. Pgina 59
Semana VII .... Tema II. Anlisis de Varianza. Conceptos bsicos. Modelo
de clasificacin Simple. Supuestos. Anlisis estadstico. Pgina 63
Semana VIII.... Prueba Parcial
Semana IX Dcima de Barttlet. Construccin de la Prueba. Pgina 73
Semana X .... Tema III. Anlisis de Regresin . Modelo de Regresin Lineal
Clsico. Supuestos. Diagrama de Dispersin. Determinacin de la Ecuacin
de Regresin. Pgina 78
Semana XI.... Correlacin Lineal Simple. Prueba de significacin. Coeficiente
de Determinacin. Pgina 89
Semana XII.... Tema IV. Anlisis de Regresin Mltiple. Modelo de
Regresin Lineal Mltiple con 2 variables independientes. Va Matricial.
Pgina 105
Semana XIII ...Intervalo de confianza de Y
k
y
j
. Pgina 113
Semana XIV.... Utilidad de la Ecuacin de Regresin. Pruebas Parciales.
Pgina 121

Semana XV.... Tema V Series Cronolgicas. Componentes de la Serie
Cronolgica. Determinacin de la tendencia. Mtodo de los mnimos
cuadrados y Medias Mviles. Pgina 130
Semana XVI ....Determinacin de la componente Estacional. Determinacin patrn de variacin
esttica. Pgina 143
Bibliografa Bsica de la asignatura.
Estadstica Dra. Caridad Bustillo y otros
Estadstica II Arstides Calero
Anlisis de Regresin y Series Lic. Juana Pupo y otros
Cronolgicas.
Econometra Bsica Damodar N. Gujarati
Laboratorio de Estadstica Dra. Ermida Gonzalez y otros
Matemtica II.
3
Seleccin de tablas estadsticas
Tema I Pruebas de Hiptesis. Conceptos Bsicos. Error tipo I y II.
Prueba de hiptesis de media () con varianza (
2
) conocida y
desconocida.
Bibliografa: Estadstica de Caridad Bustillo y otros. Capitulo 7
pginas 157/175
La prueba de Hiptesis es parte de la toma de decisiones sobre la
distribucin de una poblacin o sobre sus parmetros. Cuando se dice que se
refiere a la distribucin de una poblacin de lo que se trata es de comprobar
si realmente la distribucin que se tiene sigue una distribucin de Poisson,
Normal, Binomial etc. y esto est dentro de las llamadas pruebas de
hiptesis no paramtricas, como tambin se encuentra comprobar si dos
variables analizadas pueden considerarse si son independientes o no. Y la
otra parte que se refiere a la toma de decisiones sobre sus parmetros y es
conocida como Prueba de Hiptesis Paramtrica lo que se refiere es al
estudio de los parmetros de la poblacin como son: ,
2
, , y , entre
otros, y es por donde comenzaremos el estudio de este Tema.
Pruebas de Hiptesis Paramtricas.
Dnde puede ser utilizada y para que?
En la agricultura cuando se quiere conocer si un nuevo fertilizante
aumenta el rendimiento o no.
En la educacin cuando se quiere conocer si un mtodo de enseanza
determinado, aumenta la promocin o no.
En el deporte cuando se quiere conocer si un estilo de juego mejora o no
los resultados.
En medicina cuando se quiere conocer si un medicamento disminuye o no
el tiempo de restablecimiento de un paciente.
En fin esta tcnica puede ser utilizada en cualquier rama de las ciencias.
Cuando se trata de verificar si un conjunto de datos muestrales concuerda
con una hiptesis H, se calcular el estadstico
que mejor estime el

parmetro y por medio de la distribucin en el muestreo del estimador, se
determinar entonces un valor crtico a partir del cul la hiptesis H ser
rechazada.
4
El procedimiento para determinar este valor crtico, el cul genera una
regin de rechazo que denotaremos por W se explicar posteriormente.
Conceptos Bsicos
En el proceso de someter a prueba una hiptesis siempre se plantearn dos
hiptesis: Una hiptesis nula (H
o
) y otra alternativa (H
1
)
Hiptesis nula (H
o
) es una hiptesis de diferencias nulas. En otras palabras
es la hiptesis que contiene la igualdad, esto es:
H
o
: =
o
si fuera una dcima sobre la media poblacional, sera H
o
:
o

La prueba se construir de forma tal que permitir directamente aceptar o
rechazar H
o
.
Hiptesis alternativa (H
1
) es la hiptesis que deber ser aceptada si H
o
es
rechazada y puede tomar cualesquiera de estas 3 formas:
H
1
: >
o
H
1
: <
o
H
1:

o
Por lo general la hiptesis alternativa, representa la hiptesis de
investigacin, la que se va a contrastar; y la hiptesis nula la situacin
actual, la que existe, por lo tanto es donde siempre est la igualdad, nunca
se puede presentar la igualdad en la hiptesis alternativa.
De todo lo visto anteriormente se puede plantear que H
o
se formula con la
intencin expresa de ser rechazada, ya que si H
o
se rechaza, ello implica que
H
1
se acepta.
Regin Crtica Regin de Rechazo (W).
Se llama regin de rechazo al conjunto de valores del estadstico de prueba
a partir de los cuales se rechaza la hiptesis nula.
La distribucin del estadstico de prueba se divide en dos partes la regin de
rechazo y la regin de no rechazo, estando separadas estas por un valor
crtico (C), y su determinacin depender del tamao de la regin de
rechazo y sta a su vez de la probabilidad de cometer el error tipo I
Ubicacin de la Regin crtica.
La ubicacin en el grfico depende de H
1,
Y las mismas pueden ser unilateral
(a la derecha o a la izquierda) o bilateral (a ambos lados).
1 2 3
Si H
1
: >
o
Si H
1
: <
o
Si H
1
:
o
///// \\\\\ \\\\ ////
---------------------------- -------------------------- ----------------------------
C C C
1
C
2
Siendo W: para cuando es conocida en las 3 situaciones anteriores
respectivamente.
(Deben fijarse que la Regin Crtica se corresponde con la hiptesis
alternativa.)

5
W = { (X
1
, X
2
, ...X
n
/ x >
o
+ Z
1 -
/ n }

W = { (X
1
, X
2
, ...X
n
/ x <
o
- Z
1 -
/ n }

W = { (X
1
, X
2
, ...X
n
/ x >
o
+ Z
1 - /2
/ n x <
o
- Z
1 - /2
/ n }
Siendo W: para cuando es desconocida en las 3 situaciones anteriores
respectivamente.

W = { (X
1
, X
2
, ...X
n
) /
x
>
o
+ t
1-
(n-1)
S/
n
}

W = { (X
1
, X
2
, ...X
n
) /
x
<
o
- t
1-
(n-1)
S/
n
}

W = { (X
1
, X
2
, ...X
n
) /
x
>
o
+ t
1-/2
(n-1)
S/
n

x
<
o
- t
1-/2
(n-1)
S/
n
}
Errores a cometer
Al tomar una decisin corremos el riesgo de cometer un error, es decir:
Podemos rechazar H
o
, siendo cierta Podemos aceptar H
o
siendo falsa, pues
bien, el 1er error se le denomina Error tipo I y al otro Error tipo II . La
probabilidad de un error de tipo I, se conoce como y la probabilidad de un
error de tipo II, se conoce como .
Luego interesa medir las magnitudes de esos errores y tratar de que estas
sean lo ms pequea posible o sea que la probabilidad de cometerlos sea lo
suficientemente pequea.

( Rechazar H
o
/
o
) (
W /
o
)
( Aceptar H
o
siendo falsa ) (
W /
R
)
Suponga que: H
o
: 10 Y Suponga que: H
o
: 10
H
1
: > 10 H
1
: < 10 _
si
R
= 9 y W =[ X < 8 ]

= 10 = 0.05 8 9 10
6

Se plante que era inters reducir la magnitud de los errores, pero reducir la
magnitud de ambos errores es imposible pues una disminucin en uno de
ellos, provoca en general un aumento del otro. Observando la figura anterior
se podr dar cuenta de lo planteado.
La solucin est dada en fijar la probabilidad de cometer uno de ellos,
preferiblemente la probabilidad de cometer el error de connotacin ms
grave a un nivel aceptablemente bajo y tratar de hacer mnimo el otro.
Generalmente se conoce como error ms grave, al error de tipo I. Se debe
sealar que a estos dos tipos de errores se les llaman riesgo de los
Productores () y de los consumidores (). El riesgo de rechazar una
hiptesis verdadera, se le llaman riesgo de los productores, puesto que si la
hiptesis se rechaza, los artculos no se venden y el productor tiene una
perdida injustificada. Y la probabilidad de que artculos de mala calidad sean
aceptados para la venta, es una probabilidad de perdida para el consumidor
El error tipo I se fija con un valor suficientemente pequeo,(de forma tal que
si el estimador cae en esa zona, es porque realmente se debe rechazar H
0
;
0.05, 0.01) aceptable para el investigador. A este error se le llama en la
prueba de hiptesis, Nivel de significacin y el cual se prefija antes de
construir la prueba. Y se le denomina as, nivel de significacin al valor
mximo de la probabilidad de cometer el error tipo I cuando
o
, el cual
se prefija antes de construir la prueba.
El trmino de significacin se utiliza dado que conociendo el valor de , se
podr determinar cul es el valor del estadstico de prueba a partir del cul
la diferencia entre este y el parmetro se considera significativa.
Regla de decisin: Es la regla en que se formula, lo que se va a hacer
partiendo del valor crtico (C) calculado. Esto es:
para el primer caso de H
1
Se rechaza H
o
, para todo valor del estadstico de
prueba que sea mayor que C y se acepta H
o
, para todo valor del estadstico
de prueba que sea menor o igual que C.
En el segundo caso de H
1
Se rechaza H
o
, para todo valor del estadstico de
prueba que sea menor que C y se acepta H
o
, para todo valor del estadstico
de prueba que sea mayor o igual que C.
En el tercer caso de H
1
(Bilateral, dos colas) Se rechaza H
o
, para todo valor
del estadstico de prueba que sea menor que C
1
mayor que C
2
y se acepta
H
o
para todo valor del estadstico de prueba que est comprendido entre C
1
y C
2
.
Debemos sealar que en el caso que se acepte H
o,
no se debe plantear
categricamente que se acepta H
o
sino no hay elementos para rechazar H
o

ya que es ms aconsejable, si el estadstico de prueba cae en la regin de no
rechazo (regin de aceptacin) plantear que no hay elementos para rechazar
H
o
, debido a que es mas factible refutar hiptesis que aceptarlas
Recuerde que tal como se formulan las hiptesis y se realiza la prueba, se
hace con la condicin expresa de rechazar H
o.
7
Toma de Decisin
La decisin se toma utilizando el estadstico de prueba que nos facilit la
muestra y si el mismo cae en la R.C. se rechaza H
o
y por tanto se acepta H
1
;
si cae en la Regin de no rechazo (de aceptacin) no existen elementos para
rechazar H
o
.
Pasos a seguir en la construccin de una prueba de hiptesis
Formulacin de la hiptesis nula y alternativa
Eleccin del nivel de significacin ()
Seleccin del estadstico de prueba (segn parmetro a realizar la
prueba)
Determinacin del Valor Crtico (C)
Formulacin de la regla de decisin
Toma de decisin
Veamos un ejemplo: (Ejercicio 50 pgina 44 del Laboratorio)
En una fbrica se producen cuerdas cuya resistencia promedio es de 500
kgs. Con una desviacin tpica de 40kgs. El jefe de produccin plantea que
con otra materia prima, la resistencia promedio puede aumentarse. Para
probar su planteamiento, se utiliz de forma experimental la nueva materia
prima, tomndose una muestra de las cuerdas producidas, siendo el ama{o
de la misma igual a 64, obtenindose kgs x 510 . Se pide realizar la prueba
de hiptesis correspondiente para un 5% de significacin.
Al enfrentarnos a un problema de este tipo, lo primero que hacemos es analizar a que
parmetro le vamos a hacer la prueba, y esto est en dependencia de lo que se va a
investigar. En este caso se plantea que con una nueva materia prima, la resistencia
promedio PUEDE AUMENTARSE, es evidente que se trata de una prueba de hiptesis de
media ( ) pero... es con conocida o desconocida? Para ello lo segundo que hacemos es
sacar la informacin que nos brinda el problema.
= 500 = 40 n= 64
x
= 510 = 0.05
A partir de la informacin,
2
es conocida, por tanto de acuerdo a un
Teorema, visto en la Estadstica Matemtica I que dice si x N ( ; )
entonces

x
N ( ; /
n
). Luego sabemos que las frmulas para el clculo de la
R.C. que utilizaremos sern las de la normal.
Ya podemos comenzar con el 1er paso: Formulacin de las hiptesis nula y
alternativa.
Recordar que en H
0
se plantea la situacin actual, la que existe, que es que
la resistencia media es de 500 kgs.
Y que en la H
1
se plantea la situacin que se va a investigar que en este caso
es que, con un cambio en la materia prima la resistencia promedio puede
aumentar.
H
0
: = 500 esta hiptesis nos indica que la resistencia ser 500 kgs
aunque se pone la igualdad implica menor o igual
8
H
1
: > 500 nos dice que con la nueva materia prima la resistencia pro-
medio aumenta.
Nivel de significacin: = 0.05 nos lo dice el problema, si no nos lo dan,
nosotros lo ponemos, los que ms se utilizan son o 0.01 0.05.

Estadstico de prueba:
x
= 510 y sabemos que
x
N(500, 40/
64
)
(que solo se utilizar para tomar la decisin)
Regin crtica
W = { (X
1
, X
2
, ...X
n
/ x >
o
+ Z
1 -
/ n }
x
= 500 + 1.64 (40 /
64
)
= 500 + 1.64 (5)
= 500 + 8.20
= 508.2 por lo tanto W = {
x
> 508.2 }
Se recomienda hacer el grfico y ubicar la R.C.
Queremos sealar que el valor de Z, lo pueden buscar en la tabla que est
en la pagina 17 de la seleccin de tablas estadsticas, donde aparecen dos
distribuciones normales, una para R.C. unilaterales (tiene sombreada solo
una cola) y la otra para R.C. bilaterales (tiene sombreada dos colas).
Se busca el nivel de significacin y tiene en la misma lnea el valor de Z que
le corresponde. No se debe tomar el signo que tiene la tabla, ya que la
frmula tiene el signo, slo se toma el valor que le corresponde a Z.
Regla de decisin
Se formula de acuerdo al resultado de la R.C.
Se rechaza H
o
x > 508.2
Se acepta H
1
x 508.2
Toma de la decisin
Como
x
= 510 que es > 508.2 cae en la R.C. por tanto Rechazo H
o
lo que nos
indica que aceptamos H
1
y por tanto llegamos a la conclusin que con la
nueva materia prima la resistencia promedio puede aumentarse a un nivel
de significacin del 5%.
Al tomar esta decisin podemos cometer el error tipo I, rechazar algo que
puede ser cierto.
Es bueno significar que la R.C., no slo se pueden expresar basndose en el
estadstico de prueba, sino tambin en funcin de la variable estandarizada
Z (en este caso por supuesto, ya que la media sigue una distribucin normal)
y as es como est desarrollada en la Bibliografa bsica de esta asignatura.
Es conveniente que el alumno sea capaz de realizar estas pruebas por
cualquiera de las dos vas.
Para tomar la decisin en funcin del estadstico Z, hay una pequea
variacin a partir del 4to paso.
Regin crtica
Se determina buscando el valor de Z que corresponde segn tabla
W = { .../Z > Z
1
} W ={ .../Z > 1.64}
9
Regla de decisin
Se formula a partir del Valor Crtico determinado, y por tanto de Z
Rechazo H
o
Z > 1.64
Acepto H
o
Z 1.64
Decisin
Para tomar la decisin se calcula el valor del estadstico Z utilizando el
valor
de
x
obtenido en la muestra.
Z
o
= ( 510 - 500 ) / (40 /
64
) = 10 / 5 = 2
As el valor de Z
o
= 2 es > 1.64 por tanto caemos en la R.C. y se rechaza
Ho, por lo que se acepta H
1
a un nivel de significacin del 5% y se llega a
las mismas conclusiones: que el cambio de materia prima puede aumentar
la resistencia promedio de las cuerdas.
Vamos a ver otro ejercicio, el que estudiamos anteriormente ilustra la
situacin cuando la varianza de la poblacin es conocida, veamos un
ejercicio que ilustra cuando la es desconocida.
Debemos recordar de los Teoremas vistos en la Estadstica Matemtica I
que cuando:
X N( , ?) si n > 30 x N( , S/ n ) , en este caso se estima a travs
de, ya que la muestra es grande.
X N( , ?) si n < 30 x t'student con (n-1) g.l.
Ejemplo #2
La produccin promedio de leche diaria por vaca en la provincia en los
meses de verano ha sido en los aos anteriores de 10.1 litro. Este ao en
una muestra simple aleatoria de 16 das de los meses de verano se obtuvo
una produccin media diaria por vaca de 9.8 litros con una varianza muestral
de 1.21. Hay razn para afirmar que ha variado la produccin de leche
diaria promedio por vaca?. Considere distribucin normal y = 0.05
Esta es una prueba paramtrica sobre media, ya que de lo que se trata es de verificar si ha
tenido variacin la produccin diaria promedio de leche por vaca.
La informacin que nos brinda el problema es la siguiente:
= 10.1 = ? n = 16
x
= 9.8 S
2
= 1.21 S = 1.1
Estamos en el caso en que se desconoce la varianza poblacional (
2
) y n <
30, luego tenemos que trabajar con la distribucin t'student, para el clculo
de la R.C.
1.- Formulacin de las hiptesis
H
o
: = 10.1
H
1
: 10.1
Aqu H
o
nos expresa que la produccin promedio de leche es de 10.1 y H
1
que la produccin promedio de leche vari, es decir puede ser mayor
menor.
2.- Nivel de significacin
10
= 0,05
3.- Estadstico de prueba.

x
= 9.8, ya que es el mejor estimador de , la
distribucin con la que vamos a trabajar es t'student, segn vimos
anteriormente.
4.- Determinacin del Valor Crtico de la Regin Crtica
Recuerde que la misma est en correspondencia con la hiptesis alternativa.
W = { (X
1
, X
2
, ...X
n
) /
x
>
o
+ t
1-/2
(n-1)
S/
n

x
<
o
- t
1-/2
(n-1)
S/
n
}
Para buscar el valor de t, en la tabla primero tenemos que buscar
( 1 - /2) esto es: si = 0.05 entonces /2 = 0.025 lo que implica que
( 1 - /2) = 1 - 0.025 = 0.975 por lo tanto tenemos que buscar una t en:
- t
/2
(n-1)
= t
1-/2
(n-1)
= t
0.975
15

= 2.13 (-t
0.025
15
= -2.13)
El manejo de la tabla est explicado en la Estadstica Matemtica I
As :
x
= 10.1 + 2.13 (1.1/
16
)
= 10.1 + 2.13 (0.275)
= 10.1 t 0.5858
x = 10.6858; x = 9.5142 por lo tanto W=(9.5142 > x > 10.6858 )
5.- Regla de decisin
Rechazo H
o
x < 9.5142 y > 10.6858
No Rechazo H
o
(9.5142 x 10.6858 )
6.- Decisin

x
= 9.8 > 9.51 y < 10.68 lo que hace que caiga en la regin de
no rechazo (regin de aceptacin), por lo tanto concluyo que no tengo
elementos para rechazar H
o
a un = 0,05, lo que implica que no ha variado
la produccin de leche diaria promedio por vaca.
El error que se pudo haber cometido es error tipo II
Utilizando el estadstico t'student., cambia a partir del paso 4.
4.- Regin Crtica
W = { t > 2.13 t < -2.13 }
5.- Regla de Decisin
Rechazar H
o
t >2.13 t < -2.13
No Rechazo H
o
- 2.13 t 2.13
6.- Decisin
Calculamos el estadstico t, a partir de los datos muestrales

t
o
= ( x - ) /(S/ n ) t
o
= (9.8 - 10.1)/(1.1/ 16 ) = - 0.3/0.275 = - 1.09
t
o
= - 1.09 > -2.13 y < 2.13 luego cae en la regin de no rechazo (regin
de aceptacin), por tanto podemos concluir que no hay elementos para
rechazar H
o
a un nivel de significacin del 5% lo que implica que no ha
variado la produccin de leche diaria promedio por vaca.
11
Observe que por los dos mtodos el resultado es el mismo. Los autores de
esta Gua prefieren el primer mtodo.

Hasta aqu la materia planteada, pueden estudiar en el libro de texto,
(Estadstica) los ejercicios resueltos en l capitulo 7, ejercicios 7.4, 7.5, 7.6,
7.8 y 7.11 en las paginas desde 164 /173. Tambin pueden hacer los
ejercicios 19, 20, y 22
Del Laboratorio de Estadstica Matemtica II, pueden hacer los ejercicios:
47(b), 49, 50, 51(a, b, c), 52(a, b, c, d), Desde la pgina 39 a 45, ejercicios
de media con varianza conocida y el 71(a), 72(a), 73(a), 74 y 75(a) desde la
pgina 58 a la 61, ejercicios de media con varianza desconocida.
A continuacin plantearemos un autoexamen de esta materia.
AUTOEXAMEN
1.- Explique, con sus palabras que significan los trminos hiptesis nula e
hiptesis alternativa.
2.- Explique que nos indica el error tipo I y el error tipo II
3.- Cul es la relacin de con el error de tipo I?
4.- Cul es la relacin de con el error de tipo II?
5.- Supngase que se conocen los resultados de una prueba de aptitud para
la admisin a estudios de grado en Administracin de Empresas, los cuales
tienen una distribucin normal con media de 500 y una desviacin tpica de
100. Si una muestra aleatoria de 12 solicitantes del Stephan College tiene
una media muestral de 537 existe evidencia de que su resultado medio sea
diferente de la media esperada de todos los solicitantes? Use = 0.01
6.- La compaa Acero Valle Verde fabrica barras de acero. Entrega barras de
acero con una longitud promedio de por lo menos 2.8 pies cuando el proceso
funciona correctamente. De la lnea de produccin se selecciona una
muestra de 25 barras. La muestra seala una longitud promedio de 2,43 pies
y una desviacin tpica de 0.20 pies. La compaa desea determinar si se
necesita ajustar el equipo de produccin. Utilice un = 0.05 y diga que
error pudo estar cometiendo con la decisin tomada.
7.- La divisin de inspeccin del departamento de pesas y medias de la
provincia Habana est interesada en confirmar la cantidad real de refrescos
que se envasa en botellas de 2 litros, se conoce que = 2.02. La planta
embotelladora ha informado a la divisin de inspeccin que se desconoce la
desviacin tpica de la poblacin, y que al tomar una muestra aleatoria de
100 botellas, mostr un promedio de 1.99 litros y una desviacin tpica de
0.05 litros. Es posible concluir que la cantidad promedio en las botellas
fuera menos de 2 litros? Utilice un = 0.01
8.- Una gran cadena nacional de electrodomsticos tiene una venta
especial por fin de temporada de podadoras de csped. A continuacin se
presenta el nmero de podadoras vendidas durante esta venta en una
muestra de 10 tiendas:
8 11 0 4 7 8 10 5 8 3
12
A un = 0.05 Se puede llegar a la conclusin que se haya vendido un
promedio de ms de 5 podadoras por tienda durante esta venta?
Que suposiciones se requiere para realizar esta prueba?
Que error se pudiera estar cometiendo con la decisin tomada?
Tema I Pruebas de Hiptesis. Tamao del error tipo I y tipo II.
Tamao de la muestra. Funcin de potencia.
Bibliografa: Estadstica II de Arstides Calero paginas 6 a la 30.
Introduccin al Anlisis Estadstico. Dixon y Massey. Paginas desde
87 a 98 y de 240 a 250.
Y en Teora y Problemas de Estadstica de M. R. Spiegel captulo 10
Paginas 168 a 171.
Errores Tipo I y II, Funcin de Potencia.
Error Tipo I Error Tipo I
Tradicionalmente el estadstico de prueba controla al Error Tipo I,
estableciendo el nivel de riesgo que est dispuesto a tolerar en trminos de
rechazar una hiptesis nula verdadera.
Una vez especificado el valor para , se conoce el tamao de la
Regin Crtica o de Rechazo, puesto que es la probabilidad de
rechazo de acuerdo a la hiptesis nula.
Para el clculo del Error Tipo I, tenemos que partir de los valores de la regin
de rechazo, es decir, el valor crtico, que es el que nos indica el inicio de esta
regin de rechazo; y tambin el valor hipottico de la media poblacional. A
partir de la siguiente frmula:
(
)
o
W x
Para ver una aplicacin y el clculo de los Errores Tipo I y II, partiremos de
una situacin determinada.
El gerente de Distribucin de determinada fbrica, sabe que la oficina local
de proteccin a los consumidores hace inspecciones peridicas para conocer
si los pesos de los paquetes de cereal, producidos por su fbrica tienen el
peso adecuado(el que establece los parmetros). El sabe que el empaque
del proceso de llenado de los paquetes de cereales, est ajustado de forma
tal que la cantidad de cereal por paquete sigue una distribucin normal con
13
media de 368 gramos y la desviacin tpica de la poblacin es de 15 gramos.
Para hacer los anlisis pertinentes, se seleccion una muestra aleatoria
tamao 25, calculndose el peso promedio el que result igual a 367.6 (
x
).
a) Haga la prueba correspondiente a un = 0.05, si se desea conocer si
ha disminuido el peso promedio de los paquetes. Y diga que error pudo
haber cometido y cul es su tamao.
b) El gerente plantea que le interesa conocer de antemano, cual sera el
riesgo que se podra cometer al rechazar H
o
si se considera que el
valor de
c x
< 367, debido a que l est interesado en detectar si
existen cambios en la media hipottica y as parar el proceso si el peso
promedio es menor que 367.
Vamos a darle solucin al problema, para ver que situacin es la que existe:
Informacin que nos proporciona el problema:
= 368 n = 25 = 15 x = 367.6 = 0.05

1.- H
o
: = 368
H
1
: < 368
2.- = 0.05
__
3.-
x
= 367.6 que como x N( ; ) entonces
x
N(( ;/ n )
__
4.- W:{x
1
, x
2
, ... x
n
/ x <
0
-
1 -
/ n}
____

x
= 368 1.64 (15/ 25 )
=368 1.64(3)

x
= 368 4.92
= 363.08
Por lo tanto la regin de rechazo ser: W:{ x < 363.08}
5.- R:D:/ Rechazo H
o
x < 363.08
Acepto H
o
x 363.08
6.- D/
x
= 367.6 >363.08 Que no tengo elementos para Rechazar H
o
, lo que
nos indica que los paquetes de cereales tienen un peso promedio de 368
gramos a un = 0.05.
En este caso, a partir de sta decisin, Qu error pudiera estar cometiendo?
Por supuesto que el error tipo II. Y que tamao tendra este error?
Calculmoslo:
( x R.C./
R
)
14
Este error se calcula a partir del valor Real que debiera tener y que es
desconocido, por lo tanto se pudiera tomar como el valor del promedio real
cualquier valor que este contenido en la hiptesis alternativa es decir se
pudiera considerar:
R
= 320
R
= 367, esto es uno muy alejado de
0
y
otro muy cerca de esta.
Veamos:
( x R.C./
R
) si consideramos
R
= 320, entonces
( x > 363.08) = 1 P( x < 363.8)
= 1 P(Z )
3
320 08 . 363
= 1 - P )
3
08 . 43
( Z
= 1 P( Z < 14.36)
= 1 F
Z
(14.36)
= 1 1
= 0
Lo que nos indica que existe una probabilidad muy pequea de considerar
que el peso promedio no ha cambiado, cuando en realidad est cambiado.
Y si consideramos una media real igual a Y si consideramos una media real igual a
R R = 367 = 367
( x > 363.08) = 1 - P( x < 363.08)
= 1 - P
,
_
3
367 08 . 363
Z
= 1 - P
,
_
3
92 . 3
Z
= 1 P( Z < - 1.306)
= 1 F
Z
(-1.31)
= 1 0.0951
= 0.9049
Este error nos est indicando que existe una probabilidad alta de considerar
que el peso promedio no vara, cuando en realidad est variando.
Lo que nos indica que cuando el valor real est muy prximo al valor
hipottico, el tamao del error tipo II, va a ser muy grande y en
consecuencia el error tipo I es bajo y eso es lo que al gerente le interesa que
ocurra, ya que tomar la decisin de hacer un cambio en la lnea de llenado,
debe hacerse cuando realmente se est seguro que ese cambio nos va a
proporcionar beneficios, por lo costosa que pudiera ser esta decisin, y slo
se estar seguro de ello cuando el tamao del error tipo I es pequeo.

b) Ahora vamos a ver cual ser el riesgo que cometeramos si pensamos
qu podra haber un cambio en la media hipottica.. Consideraremos para
ello que nuestra R. C. es para valores menores que 367.
15
Cmo se calcula el Error Tipo I ()? Cul sera el tamao de ? Si el punto
crtico W: {x < 367}que es el que suministr el Gerente de Produccin,
partiendo del conocimiento que tiene de su planta, tendramos:
( x R.C./
o
) = P( x < 367/ 368)
= P(Z <
)
3
368 367

= P(Z < - 1/3)
= F
z
(-0.33) = 0.3707
= 0.3707
En este caso se obtiene una probabilidad alta del error tipo I, y el quisiera
que esto ocurra cuando lo ms importante para el Gerente fuera estar
seguro de detectar los cambios que se podran producir en la media
hipottica, que de hecho traera por consecuencia que disminuye el error
tipo II, que mide que la media hipottica no ha cambiado, cuando en realidad
si lo ha hecho.
En muchas aplicaciones estadsticas el segundo tipo de error (error
tipo II), no est controlado, pero aun entonces el que realiza el
experimento debe estar enterado de la existencia de este error y
tener una idea de lo grande que puede ser, ya que como dijimos, la
probabilidad de que artculos de mala clase sean aceptados para la
venta, es una probabilidad de perdida para el consumidor.
Este error se puede graficar y se obtiene la Curva Caracterstica de
Operacin (curvas OC, corresponde a las iniciales de Operation
Characteristic) de gran utilidad en tcnicas estadsticas.
Este error es ms difcil de determinar su probabilidad, ya que la media de la
poblacin puede tomar muchos valores, tantos como los que contenga
la hiptesis alternativa, para lograr la curva caracterstica deben
elegirse varios valores representativos, y la curva dar la posibilidad de
evaluar los riesgos que se derivan de no rechazar una hiptesis nula
falsa, es decir muestra la probabilidad de no rechazar una hiptesis
nula falsa para cada valor posible del parmetro poblacional verdadero.
Algunas consideraciones sobre los Errores Tipo I y II
Para un determinado tamao de muestra, quien deba tomar la decisin tiene
que equilibrar los dos tipos de errores.
Ya sabemos que si se disminuye aumenta , esto grficamente es muy
fcil de ver.

367 368
16
363.08
Los valores para y dependen de la importancia de cada riesgo en un
problema en particular. El riesgo de un error tipo I, en el problema de
llenado de los paquetes de cereales implica llegar a la conclusin que la
cantidad promedio ha cambiado cuando en realidad no es as.
El riesgo de un error tipo II implica llegar a la conclusin de que la
cantidad promedio de llenado no ha cambiado, cuando en realidad
si ha cambiado.
As la seleccin de los niveles que deben tener y depende de los costos
inherentes a cada tipo de error.
Por ejemplo si fuera muy costoso hacer cambiar la lnea de llenado, entonces
se querra estar muy seguro de que un cambio resultara beneficioso por lo
que un error tipo I, pudiera ser lo ms importante y se mantendra muy
bajo.
Por otra parte si se quiere estar seguro de detectar los cambios de una
media hipottica, el riesgo de un error tipo II, sera lo ms importante y se
seleccionara un nivel ms alto de .
Claro que al aumentar el tamao de la muestra se podran controlar tanto
como , pero siempre hay lmites en los recursos disponibles, de ah la
necesidad de tomar en cuenta los pro y contra de cometer errores de tipo I
y II.
A estos dos tipos de errores se les llaman riesgos de los productores al error
tipo I (y se considera el ms grave) y riesgos de los consumidores al error
tipo II.
Sin embargo considero que hoy por hoy dado el desarrollo de la Ciencia y la
Tcnica ambos errores deben, con ms razn controlarse, y la nica forman
de controlar los dos errores, es a travs del tamao de la muestra.
Sin embargo decidir el tamao del error tipo I, no es muy difcil, teniendo en
cuenta que la prueba de hiptesis se hace utilizando este error como
significacin de la prueba, y que habamos dicho que generalmente se
plantea que los valores que se le debe asignar son 0.05 y 0.01. Pero cmo
elegir el tamao que debe tener el error tipo II?
Esto sin embargo estar en funcin de la Potencia que queramos que tenga
nuestra prueba y que de hecho siempre ser que la potencia de la prueba
sea lo ms grande que se pueda ( que tambin se mide en
probabilidad); y que veremos ms adelante
17
Es por ello que vamos a determinar que tamao debe tener la muestra para
dos valores fijos de errores a cometer.
Determinacin del tamao de la muestra basada en los errores y
Al estudiar la Estimacin, concretamente en el caso de intervalos de
confianza vimos como era posible determinar el tamao de la muestra
deseada para un nivel de confianza y error de muestreo especificado.
Sin embargo en la toma de decisiones como por ejemplo la prueba de
hiptesis, suponiendo una prueba de una cola, se puede determinar en la
forma siguiente el tamao necesario de la muestra: para un nivel de
significacin deseado (0.05 0.01) pero cul ser el valor que se le debe
dar a , eso estar en dependencia de la Potencia de la Prueba que
deseamos y que como ya se ha sealado debe ser lo ms grande posible,
digamos que queremos que sea del 80%; y como la Potencia de la Prueba es
igual a (1 - ), entonces esto nos estara marcando el valor que debe tener ,
que en este caso sera de 0.20.
Por lo tanto consideraremos un = 0.05, un = 0.20, porque la potencia de
la prueba sera la Probabilidad de rechazar H
o
, cuando la media poblacional
realmente es igual a 360 (es falsa).
x
= 15
0
= 368 y
1
= 360

( )
( )
2
1
2
2

o
x
Z Z
n
Donde
2
x
= varianza de la poblacin
Z
= A la Z para un determinado nivel de significacin

Z

= A la Z que le corresponde a un determinado nivel de
o
= valor de la media poblacional bajo la hiptesis nula
1
= valor de la media poblacional bajo la hiptesis alternativa(
R
)

( )
( ) ( )
22 622 . 21
64
84 . 1383
8
1504 . 6 225
8
48 . 2 225
360 368
) 84 . 0 64 . 1 ( 225
2 2
2
2
2

n
18
Esto es se requiere de una muestra de 22 paquetes, si el gerente est
dispuesto a correr un riesgo de 0.05 de cometer el error Tipo I y una
probabilidad del 80% de rechazar la Hiptesis nula de 368 gramos y detectar
que la media verdadera se ha desplazado, realmente a 360 gramos.

360 363.08 368
x

- 1.64 para Z

ya que est en la cola izquierda de = 368
+ 0.84 para Z

ya que esta es la cola derecha de = 360
Nota:
Esta frmula planteada para la determinacin del tamao de la muestra para
controlar los dos tipos de errores se utiliza solamente para cuando se est
trabajando, la determinacin del tamao de la muestra en pruebas de una
cola a la izquierda. Y es necesario graficar los dos errores para conocer el
signo que tendra la Z de ambos errores.
Para no hacer esto se pudieran utilizar las siguientes formulas, que en su
formulacin conllevaran el signo que le corresponde a la Z de cada error y
son las siguientes:
Para una cola a la derecha: H
1
: >
( )
2
1
2
0
2
) (

Z Z n
R
Para una cola a la izquierda: H
1
: <
( )
2
1 1
2
0
2
) (

Z Z n
R
Para dos colas: H
1
:
( )
2
2 / 1 1
2
0
2
) (

Z Z n
R
Potencia de una Prueba.
El complemento del error tipo II() se conoce como Potencia de una Prueba
Estadstica.
En el ejemplo del llenado de las cajas de cereales, la potencia de la prueba
es la probabilidad de llegar a la conclusin de que el promedio de llenado no
19
es 368, cuando en realidad no es 368. Esto es rechazar H
o
cuando H
o
es
falsa.
Se debe sealar que declarar una Hiptesis falsa, implicara que se tiene
alguna idea de que situaciones alternativas pueden existir, en este caso que
planteamos H
o
= 368, las posibles alternativas pudieran ser 360, 365, 367,
esto es pueden incluir cualquier nmero excepto el 368 y generalmente son
aquellos valores que estn contenidos en la hiptesis alternativa, y habr
una probabilidad para cada uno de ellos, y a esta probabilidad es lo que se
denomina Potencia de la Prueba.
La Potencia de la Prueba, depende de que alternativa es realmente
verdadera, y como en la prctica no sabemos esto, entonces determinamos
la Potencia de la Prueba para varias posibles alternativas.
Si la hiptesis no es verdadera, nos gustara que la probabilidad de
rechazarla fuera tan grande como fuera posible, y por eso desearamos que
la Potencia fuera grande.
Como se aprecia, la potencia de la prueba, seala la sensibilidad del
procedimiento estadstico para detectar cambios que han ocurrido mediante
la medicin de probabilidad de rechazar la hiptesis nula, cuando es falsa y
se debe rechazar.
La Potencia de la Prueba depende de que tan diferente es en realidad la
media verdadera del valor hipottico de en H
o
.
Si hay una gran diferencia entre la media real y la hipottica, la Potencia de
la prueba ser mucho mayor que si la diferencia entre la media de la
poblacin y la hipottica fueran pequea.
Cmo calcularamos la Potencia de la Prueba ?
En el ejemplo que venamos desarrollando, donde n = 25
x c
= 363.08 y =
368
= 0.05
363.08 368
Plantendose en la R.D. que si
x
< 363.08 se rechaza H
o
y el representante
concluira que el proceso no est funcionando bien.
Si de hecho este es el caso: La Potencia de la Prueba mide la probabilidad
de concluir que el proceso no est funcionando correctamente para valores
diferentes a la media real de la poblacin.
Hagamos el clculo de la Potencia de la Prueba para si
R
= 360 (un valor
alejado del promedio considerado 368)
P
= P( x W/
R
) = P( x < 363.08/ = 360)
= P
,
_
3
360 08 . 363
Z
20
= P
,
_
3
08 . 3
Z
= P(Z <1.026)
= F
Z
(1.026)
P

= 0.8485 1

= 0.1515

360 363.08 368
Potencia 0.8485 0.1515
Como se observa la potencia de la Prueba es alta, ya que se obtuvo una
probabilidad de 0.8485
Antes de continuar haremos algunas consideraciones; cuando
determinamos el tamao de la muestra utilizamos una Potencia de la prueba
del 80% para una
R
= 360. Sin embargo ahora utilizamos ese mismo valor
de
R,
y cuando determinamos la Potencia de la Prueba sin embargo no nos
dio 0.80 sino 0.8485, por qu?
Pues esto est dado por que todos los dems factores son los mismos es
decir y , pero no el tamao de la muestra, en el primer caso era 22 y en el
segundo 25, por lo que podemos concluir que cuando aumenta el tamao de
la muestra, aumenta la Potencia de la Prueba, siempre que el resto de los
factores se mantengan constantes.
Ahora vamos a calcular para cuando
R
= 352, que est ms alejado an del
valor de = 358
P
= ( x W/ = 352) = ( x < 363.68/ = 352)

= P
,
_
3
325 08 . 363
Z
= P
,
_
3
08 . 11
Z
= P(Z < 3.69) = F
Z
(3.69) = 0.9998
Observamos que la potencia de la prueba aument, la probabilidad de
0.8485 cuando = 360, a 0.9998 para un = 352, al alejarse ms el valor
de .
21
Por lo tanto = 1 0.9998 = 0.0002
Pero Qu pasara si el valor de la media real, estuviera bien cerca del valor
de la media hipottica?, veamos para un
R
= 367
P
= P( x < 363.08 / =367) = P

,
_
3
367 08 . 363
Z

= P
,
_
3
92 . 3
Z
= P(Z < - 1.306)
= F
Z
(- 1.31)
P
= 0.0951 09049
Este resultado, donde la funcin de Potencia es tan pequea est dado,
porque entre
R
y el
H
existe una diferencia muy pequea, y la prueba no
puede detectar con efectividad esta diferencia.

363.8 368
P

= 0.0951 367 = 0.9049
Si la media de la poblacin fuera en realidad 368, entonces la potencia de la
prueba sera igual a , ya que la hiptesis nula sera en realidad cierta.
Se debe significar que la prueba de una cola es ms potente que la de dos
colas, para una media poblacional especfica, debido a que la prueba de una
cola, coloca a la Regin de Rechazo por completo a un lado de la
distribucin, mientras que la de dos colas la tiene que distribuir a los dos
lados de la distribucin. As el valor crtico en la prueba de una cola estar
ms cerca de 368, esto es (
x C
= 363.8) y ser ms probable el rechazar H
o
,
que si se realizara una prueba de dos colas que se tendran como zonas de
Rechazo
x c1
= 362.12 y
x c2
= 373.88.
Tambin la reduccin de digamos de 0.05 a 0.01 produce una reduccin
importante en la Potencia de la Prueba de 0.8461 a 0.6331. Y si todos los
22
dems factores y
x
permanecen iguales un aumento de n, aumenta
marcadamente la Potencia de la Prueba.
Para H
1
< la potencia de la prueba tendra esta forma:
352 353 354 .... 368
R
P
352 0.9998
353 0.9996
354 0.9987
355 0.9964
356 0.9909
357 0.9783
358 0.9545
359 0.9131
360 0.8461
361 0.7549
362 0.6406

Para H
1
> la potencia de la prueba tendra esta forma:
23
Para H
1
la potencia de la prueba tendra esta forma:
363 0.5080
364 03783
365 0.2578
366 0.1635
367 0.0951
368 0.0500 = Para H
0

La curva de potencia muestra la probabilidad de rechazar una hiptesis nula
que es falsa para cada valor posible del parmetro poblacional verdadero.
Esta potencia para detectar una hiptesis nula falsa con frecuencia nos
indica como mantener una alta calidad, en otras aplicaciones.
Pueden hacer los siguientes ejercicios del Laboratorio de Estadstica
Matemtica II: 47 a, 48, 51 d, 52 e,f; desde el 53 al 62; que estn desde la
pgina 39 a la 54 y los ejercicios desde 65 al 68 que estn en la pagina 56 a
58 y los ejercicios, 70, 71 a,b, y c; 72 b y c, 73 b, y 75 b, que estn desde la
pagina 58 a la 61.
Aqu hay ejercicios que se hicieron algunos de los incisos en las conferencias
anteriores.
24
Autoexamen
1.-Para probar que una moneda no est trucada, se adopta la siguiente regla
de decisin: Acepte la hiptesis si el nmero de caras en una muestra simple
de 10 lanzamientos est entre 40 y 60 inclusive de lo contrario rechace la
hiptesis. Cul es la probabilidad de aceptar la hiptesis de que la moneda
no est trucada cuando la probabilidad real de obtener cara es P = 0.7?
2.- Una empresa fabrica cordel cuya carga de rotura tiene una media de 300
lbs y una desviacin estndar de 24 lbs. Se cree que mediante un nuevo
proceso de fabricacin la carga media de rotura puede ser aumentada.
a) Disee una regla de decisin para rechazar el proceso antiguo a un
nivel de significacin de 0.01 si se est de acuerdo en probar 64
cordeles
b) Bajo la regla de decisin adoptada en el inciso (a) cul es la
probabilidad de aceptar el proceso antiguo, cuando en realidad el
nuevo proceso ha aumentado la carga media de rotura a 310 lbs.?
Suponga que la desviacin estndar sigue siendo 24 lbs.
3.- Si la probabilidad de cometer un error tipo I disminuye, cmo afecta esto
a la probabilidad de cometer un error tipo II?
4..- Si la probabilidad de cometer un error tipo II disminuye, afecta esto a la
probabilidad de cometer un error tipo I?
5.- Que es ms importante controlar un error tipo I o el error tipo II?
6.- Explique la diferencia entre una curva caracterstica de operacin y una
curva de potencia.
7.- Cada semana, la polica del Estado de La Florida intercepta un promedio
de $56 millones en drogas que se transportan hacia el norte por una
carretera interestatal. Durante 36 semanas elegidas al azar en 1992, la
polica intercept un promedio de $60 millones en drogas por semana, con
una desviacin estndar de $20 millones. Indica esta evidencia muestral un
aumento en el movimiento de drogas a travs de La Florida? Realice una
prueba con un nivel de significacin de 0.05. Calcule la probabilidad de que
ocurra un error tipo II si la media poblacional es en realidad $59 millones.
8.- El gerente General de un Hotel, piensa que la cuenta del cliente promedio
es de por lo menos $400. La poblacin sigue una distribucin normal con
desviacin estndar de $60. En el ejercicio 26 se le pidi que estableciera la
regla de decisin para un nivel de significacin del 0.15 usando una muestra
de 49 cuentas. Tambin se le pregunt cul sera la conclusin del Gerente
25
si la media muestral fuera de $375. Cul es la probabilidad de un error tipo
II si el promedio poblacional es en realidad de $375?
9.- Es posible controlar las probabilidades de error tipo I y tipo II en una
prueba de hiptesis particular? Si es as, cmo se logra?
La firma Gnesis fabrica cojinetes. La experiencia indica que en el proceso
de fabricacin se producen cojinetes con un dimetro promedio de 4
pulgadas, sino que ha disminuido a 3.8 pulgadas. Gnesis quiere slo una
probabilidad del 5% de aceptar la nocin falsa de que la media poblacional
sigue siendo 4. Qu tamao de muestra debe seleccionar Gnesis?
Tema I Prueba de hiptesis. Pruebas de hiptesis de Proporciones y
de la varianza
Bibliografa: Estadstica. Caridad Bustillo y otros. Capitulo 7.
Epgrafe 7.5 pginas 175/185.
Prueba de Hiptesis de Proporciones.
En la Estadstica I se estudiaron poblaciones dicotmicas, es decir
poblaciones en las cuales una proporcin p de los elementos tiene una cierta
caracterstica denominada xito y una proporcin de los elementos (1 - p),
no la tiene, denominada fracaso.
Para muestras grandes, hacemos inferencias en el supuesto de que la
distribucin muestral de la proporcin:
p
= x/n definida como la proporcin
de la muestra que posee dicha caracterstica, es normal. Donde x =nmero
de xitos en la prueba y n tamao de la muestra. Recuerden que se vio que
el nmero de xito sigue una distribucin binomial y que si el tamao de la
muestra es grande (n > 30) la proporcin de xito se poda aproximar por la
normal con buenos resultados
Es decir si np nq son bastante grandes es decir 5
el estadstico
p
N(P, pq n / )
Y por tanto para realizar una prueba de hiptesis sobre el parmetro P,
damos los mismos pasos planteados para la prueba de hiptesis de la media,
nicamente cambia el estadstico de prueba, con su correspondiente
distribucin de probabilidad a partir de las cuales se calculan los Valores
Crticos.
Estadstico de Prueba:
p
, que como sabemos para muestras grandes, tiene
una distribucin normal por tanto:
26
Z = (
p
- P)/ pq n /
Regiones Crticas:
1 2 3
H
1
: P > P
o
H
1
: P < P
o
H
1
: P P
o

1 W = { x
1
, x
2
, ...x
n
/
p
> P
o
+ Z
1 -
p q n o o / }

2 W = { x
1
, x
2
, ...x
n
/
p
< P
o
- Z
1-
p q n o o / }

3 W = { x
1
, x
2
, ...x
n
/
p
> P
o
+ Z
1 - /2
p q n o o /
p
< P
o
- Z
1- /2
p q n o o / }
Veamos un ejemplo:
Se afirma que un lote de piezas contiene menos del 30% de piezas
defectuosas. Para comprobarlo se revisan 50 piezas seleccionadas al azar
del lote, entre las cuales se detectan 10 defectuosas. Hay razn para
mantener la afirmacin a un = 0.05?
De que es esta prueba? Evidentemente es de proporciones, ya que lo que
se est investigando es sobre la proporcin de piezas defectuosas.
Cul es la informacin que nos proporciona el problema?
El lote contiene menos del 30% de piezas defectuosas < de 0.30
n = 50 piezas x= 10 piezas defectuosas = 0.05 por lo tanto

p
= x/n = 10/50 = 0.2 y P
o
= 0.30
Se considera una muestra grande siempre que n > 30
1.- H
o
: P 0.30
H
1
: P < 0.30
2.- = 0.05

3.-
p
= 0.2 N(P, p q n o o / )

4.- W = { x
1
, x
2
, ...x
n
/
p
< P
o
- Z
1-
p q n o o / }
p
= 0.30 - 1.64 [ . ( . )] / 0 30 0 70 50
= 0.30 - 1.64
0 0042 .
= 0.30 - 1.64(0.064)
= 0.30 - 0.10496
= 0.19504
W = { ..../
p
< 0.19504} Se les recomienda hacer el grfico para
ver mejor la regin crtica y de aceptacin no rechazo.

5.- R.D. Rechazar H
o

p
< 0.19504
Acepto H
0

p
0.19504

27
6.- D/ como
p
= 0.2 > 0.19504 (se acepta H
o
) No hay elemento para
rechazar H
o
que no se puede afirmar que el lote contiene menos del 30%
de piezas defectuosas a un = 0.05 (contiene al menos 30% de piezas
defectuosas)
Utilizando el estadstico Z
Tendramos que Z
0.95
= 1.64 (Recordar usar la tabla de la pagina 17 para
una sola cola)
W = { .../ Z < -1.64} Siempre que sea < el valor de Z lleva signo negativo
si fuera > el valor de Z lleva el signo + .
R.D./ Rechazar H
o
Z < - 1.64
Aceptar H
o
Z - 1. 64

D/ Z = (
p
- P )/ p q n o o / = (0.20 - 0.30)/0.064 = -0.10/0.064 = -1.5625
Z = - 1.5625 > -1.64 por tanto (acepto H
o
) no se tienen elementos para
rechazar H
o
que la afirmacin no es cierta, el lote contiene al menos un
30% de piezas defectuosas a un = 0.05
Dcima para la varianza (
2
) de una poblacin con distribucin
normal, y media desconocida.
Ya estudiamos dcima o prueba de hiptesis de la media y la proporcin
poblacional, ahora se va a estudiar la dcima de la varianza, ya que tambin
es de inters determinar si la variabilidad del valor de una magnitud medida
con determinado mtodo no supera ciertos lmites o si la varianza de esas
medidas difieren o no de cierto valor dado, con lo que el problema se reduce
a realizar una prueba de hiptesis de la varianza poblacional.
Esta prueba se har bajo el supuesto de que se tiene una muestra aleatoria
de tamao n procedente de una distribucin normal donde como vimos en la
Estadstica I que (n - 1)S
2
/
2
tiene una distribucin
2 (n - 1)
.
Por tanto y siguiendo el mismo anlisis anterior tendremos que:
Estadstico de Prueba. En este caso ser S
2
por ser el mejor estimador de
2
y a travs de la distribucin
2 (n - 1)
.
Regiones crticas. De la misma forma se corresponde con las hiptesis
alternativas:
1 2 3
H
1
:
2
>
2
0
H
1
:
2
<

2
0
H
1
:
2

2
0
1 W = { x
1
, x
2
, ... x
n
/ S
2
> (
2
o

2 (n - 1)
1-
)/n - 1}
28
2 W = { x
1
, x
2
, ... x
n
/ S
2
< (
2
o

2 (n - 1)

)/n - 1}
3W = { x
1
, x
2
, ... x
n
/ S
2
> (
2
o
2 (n - 1)
1- /2
)/n - 1 S
2
< (
2
o

2 (n - 1)
/2
)/n - 1}
Veamos un ejemplo:
El precio en el mercado mundial de cierto producto A, durante el quinquenio
70-75 exhibi una variabilidad expresada en = 0.4 dlares. Una muestra
aleatoria de 30 das correspondiente al quinquenio 75-80 recientemente
publicada, mostr una desviacin tpica S = 0.5 dlares. Hay razn
suficiente para creer que el precio de dicho producto fue menos estable
durante el quinquenio 75-80 que durante el quinquenio 70-75?. Considere un
= 0.05.
Sobre que parmetro se va a realizar la prueba?
La prueba se refiere a la varianza de la poblacin, ya que lo que se quiere
investigar es la estabilidad del precio, es decir la variabilidad que ste
present.
Es bueno significar tambin que si es menos estable mayor varianza
ms estable menor varianza
informacin que nos da el problema:
= 0.4 S = 0.5 n = 30 = 0.05.

1.- H
o
:
2
= 0.16
H
1 :
2
> 0.16

H
o
nos indica que el precio del quinquenio 70-75 se mantiene en el 75-80 y
H
1
nos indica que el precio del quinquenio 75-80 fue menos estable que el
del quinquenio 70-75.
2.- = 0.05.
3.- S
2
utilizando para ello la distribucin
2 (n - 1)
4.- W = { x
1,
x
2
, ... x
n
/ S
2
>(
2
1-
2
0
)/(n-1)}

Si = 0.05. entonces 1- = 0.95 por tanto tendr que buscar un
2
0.95
(29)
=
42.6 luego
S
2
= [42.6(0.16)]/29
= 6.816/29
= 0.235 por tanto W = { .../ S
2
> 0.235}
Se recomienda graficar la curva y marcar las regiones de rechazo y no
rechazo a partir del valor crtico determinado.
29
5.- R.D.
Rechazo H
o
S
2
> 0.235
Acepto H
o
S
2
0.235
6.- S
2
= 0.25 > 0.235 por tanto rechazo H
o
a un = 0.05. Lo que implica
que acepto H
1
esto es, el precio de Producto A es menos estable en el
quinquenio 75-80 que en el quinquenio 70-75.
O tambin, utilizando el estadstico
2 (n - 1)
4.- W ={ .../
2

>
2
0.95
(29)
} W = {
2

> 42.6}
5.- R.D. Rechazo H
o

2
>42.6
Acepto H
o

2
42.6
6.-
2
= [(n-1)S
2
]/
2
= [29(0.25)]/0.16
= 7.25/0.16
= 45.3 > 42.6 por tanto se rechaza H
o,
igual que por el
desarrollo anterior, llegndose a las mismas conclusiones
Pueden hacer del laboratorio los sgtes ejercicios:
79/81, 83/87 a,b 89/90 desde la pgina 63 a 68 correspondiente a dcima
de proporciones; y 96a/99, 101 a,b /104 a ,105 y 116 a,b,c,y d; qu estn a
partir de la pagina 68 y hasta la pagina 79 correspondiente a dcima de
varianza.
Autoexmen
1.- A que es igual la proporcin muestral?
2.- En muestra menor que 30 se puede considerar que la proporcin
muestral sigue una distribucin normal?
3.- Se conoce que en una ciudad, la proporcin de hombres es de 0.40. Se
supone que despus de la construccin de una gran industria, la proporcin
de hombres aument. Para verificar este supuesto, se extrajo una muestra
aleatoria de tamao 100, resultando que la misma est integrada por 45
hombres y 55 mujeres. Se pide hacer la prueba para un = 0.05
4.- La cadena de tiendas Gaviota, recibe de una firma un embarque de cierta
marca de bolgrafos baratos. El gerente comercial de la cadena desea
estimar la proporcin de bolgrafos defectuosos; se toma una muestra
aleatoria de 300 bolgrafos y se encuentran que 30 estn defectuosas. Se
puede devolver el embarque si ms del 5% estn defectuosas. Sera
30
probable que la proporcin de plumas defectuosas fuera superior a 0.05, y
que pudiera devolverse el embarque?. Utilice un = 0.05
5.- Un fabricante de aparatos de televisin ha afirmado en su garanta que
en el pasado solo el 10% de sus aparatos necesitaron alguna reparacin
durante sus dos primeros aos de funcionamiento. Para comprobar la validez
de esta afirmacin, el Dpto. de Control de la calidad del Ministerio de la
Industria Ligera selecciona una muestra de 100 aparatos y encuentra que 14
de ellos requirieron alguna reparacin durante sus primeros dos aos de
funcionamiento. Utilizando un = 0.01. Es vlida la afirmacin del
fabricante o es probable que no lo sea?
Tema I Prueba de Hiptesis. Prueba de hiptesis de diferencia de
media con varianza conocida o no.
Bibliografa: Estadstica. Caridad Bustillo y otros. Capitulo 7
epgrafe 7.7 y 7.8 pagina desde la 186 a 191. y Teora y Problemas
de Estadstica de M.R. Spiegel desde la pagina 171 a 172
Prueba de hiptesis de diferencia de media con varianza conocida.
Hasta ahora hemos venido desarrollando pruebas de hiptesis con relacin a
si una media, una proporcin o una varianza eran iguales o no a un valor
especfico, y los mismos se hacen a partir de una muestra de una poblacin
y se comparan con el estadstico calculado correspondiente, sin embargo, no
siempre estos procedimientos pueden resolver todos los problemas que se
pueden presentar como por ejemplo si nos interesara:
Conocer si existen algunas diferencias en la cantidad promedio de dos
tipos de envases.
Si quisiramos saber si existe diferencia en el consumo de gasolina
promedio de dos clases de automviles
O si querremos decidir sobre la base de muestras si los hombres
pueden realizar cierta tarea con mayor rapidez que las mujeres.
Si la dieta promedio de una pas es ms nutritiva que la de otro
O si queremos decidir si una diferencia observada entre dos medias
muestrales se puede atribuir al azar
Supngase que se tienen dos poblaciones independientes cada una de ellas
con una media y una desviacin tpica esto es:
31
Poblacin A:
A A

Poblacin B:
B B
y por tanto la media y la desviacin estndar tpica,
en la comparacin de dos medias vendr dada por:
B A x x =
A
-
B
B A x x =
B
B
A
A
n n
2 2

+
donde
A,

B,
A
y
B
son las medias y las
desviaciones estndares tpicas de las dos poblaciones de las que se
efecta el muestreo, a la desviacin tpica de esta distribucin muestral se
acostumbra a denominrsele como el error estndar de la diferencia
entre dos medias.
La prueba tambin puede ser de dos colas o de una cola, en dependencia de
lo que si se est probando es que las dos medias de las poblaciones son
diferentes o si una media es mayor, menor que la otra. As las hiptesis
sern:
H
0
:
A
=
B

A
-
B
=

0
H
1
:
A
>
B

A
-
B
> 0

H
0
:
A

B

A
-
B

0

H
1
:
A
<
B

A
-
B
< 0
H
0
:
A

B

A
-
B
0
H
1
:
A

B

A
-
B
0
As podemos decir que cuando se realiza una prueba sobre la igualdad de las
medias de dos poblaciones, en la hiptesis nula lo que se hace es afirmar
que las medias de las dos poblaciones son iguales, y el propsito que
persigue la prueba es reunir suficientes evidencias para descartar esta
afirmacin y rechazar la hiptesis con una probabilidad pequea de error, de
ah que la hiptesis alternativa tome las formas tal como se han planteado
en dependencia de lo que se va a investigar sobre las poblaciones.
Constituir el estadstico de prueba la diferencia entre las medias de las dos
poblaciones calculadas, como sabemos para determinar si esta diferencia es
grande o pequea se calcula la distribucin muestral para este estadstico y
as tomar la decisin.
La distribucin muestral para la diferencia de las medias para muestras
grandes, n
A
y n
B
mayor o igual que 30, corresponde a la distribucin
Normal, bajo los supuestos:
1.- Las observaciones de las dos muestras son independientes
2.- Los tamaos de las muestras son ambas 30 o mayor.
32
Las regiones crticas estarn en correspondencia con las hiptesis
alternativas planteadas es decir:
W: { .../
B
B
A
A
B A
n n
Z x x
2 2
1
) (

}
W: { .../
B
B
A
A
B A
n n
Z x x
2 2
1
) (

}
W: { .../
( )
B
B
A
A
B A
B
B
A
A
B A
n n
Z x x
n n
Z x x
2 2
2 / 1
2 2
2 / 1
) (

+ +

}
El estadstico usado para determinar la diferencia entre las medias de la
poblacin est basado en la diferencia entre las medias de las muestras (
B A x x ) . Siendo el estadstico:
B
B
A
A
B A
n n
x x
Z
2 2

+
En la mayora de las situaciones prcticas en que se desconocen, ( )

2 2
B A
y ,
se debe hacer la estimacin, sustituyndolas por las varianzas muestrales
( )
2 2
B A
S y S .
Queremos sealar que la desviacin tpica de la diferencia de medias:
( )
B
B
A
A
x x
n n
B A
2 2

+
es conocida como error estndar

Veamos algunos ejemplos:
1. En un estudio se quiere probar si existe alguna diferencia entre las alturas
promedio de las mujeres adultas nacidas en dos pases distintos, muestras
aleatorias dieron los resultados siguientes:

62 . 2 8 . 61 150
50 . 2 7 . 62 120

B
B
B
A
A
A
S x n
S x n
Donde las medidas se dan en pulgadas. Use un nivel de significacin del 5%
para probar la hiptesis nula de que las medias de la poblacin
correspondientes son iguales contra las hiptesis alternativas de que no son
iguales.
1. H
0
:
A
=
B
H
1
:
A

B

2. = 0.05
3. ( B A x x ) = 62.7 - 61.8 = 0.9 Como las muestras son grandes, se considera
que ambas poblaciones son normales y se estiman las varianzas de las
33
poblaciones a travs de las varianzas muestrales. Adems consideramos
que las muestras son independientes
4. W:{..../ ( B A x x ) > Z
1-/2
B
B
A
A
n
S
n
S
2 2
+
( B A x x ) < - Z
1-/2
B
B
A
A
n
S
n
S
2 2
+
Z
1-/2
= 1.96 para un = 0.05 para 2 colas segn tabla de la pagina 17
3138 . 0 0985 . 0 0457 . 0 0528 . 0
150
86 . 6
120
25 . 6
+ + por tanto
Z
1-/2
B
B
A
A
n
S
n
S
2 2
+
= 1.96(0.3138)= 0.6150 y - Z
1-/2
B
B
A
A
n
S
n
S
2 2
+
= - 0.6150
W:{ ( B A x x ) > 0.6150 ( B A x x ) < - 0.6150 }
5. Rechazo H
0
para todo valor de ( B A x x ) > 0.6150 < - 0.6150
6. Decisin como ( B A x x )= 0.9 > 0.6150 se rechaza H
0
que aceptamos H
1
es
decir que las medias de las poblaciones son diferentes a un = 0.05. Por
lo que la estatura de las mujeres adultas, nacidas en dos ciudades son
diferentes.
Tambin podramos aprender a hallar la probabilidad para tomar la
decisin a partir de las probabilidades, para ello retomemos el clculo de Z
88 . 2
150
62 . 2
120
5 . 2
8 . 61 7 . 62
2 2 2 2
B A
A
B a
B A
n
S
n
S
x x
Z
B

As el rea bajo la curva normal a la derecha de z = 2.88 es decir
P(z > 2.88) = 1 - 0.9980 = 0.0020 y a la izquierda z = -2.88 sera
P(z < 2.88) = 0.0020 de modo que el valor de la probabilidad es 0.0040 por
lo que se puede decir que como P < 0.05, entonces se rechaza la hiptesis
nula, es decir que las medias de las poblaciones son diferentes.
2.- Se le ha indicado al Gerente de personal de ACOREC, por el Ministerio del
Trabajo que determine si existe discriminacin salarial entre los hombres y
mujeres que trabajan en las firmas extranjeras. Para ello el Gerente de
personal decide probar una muestra aleatoria de los salarios por horas de los
empleados de las firmas por sexo, obteniendo los siguientes resultados:
Mujeres Hombres
75 75
10 . 1 $ 95 . 0 $
90 . 8 $ 10 . 8 $

B A
B A
B A
n n
S S
x x
34
Para determinar si las mujeres tienen salarios menores que los hombres y
llegar a una conclusin sobre si existe discriminacin salarial con las mujeres
utilice un nivel de significacin del 5%.
1.- H
0
:
A
=
B
H
1:

A
<
B
2.- = 0.05
3.- ( ) ( ) 80 . 0 90 . 8 10 . 8 B A x x
4.- W: { .../
B
B
A
A
B A
n n
Z x x
2 2
1
) (

}

( )
( )
2749 . 0
1676 . 0 64 . 1
0281 . 0
64 . 1
75
10 . 1
75
95 . 0
64 . 1
2 2

+ B A x x
Por tanto W: {( ) 2749 . 0 B A x x }
5.- R.D./ Rechazo H
0
( ) 2749 . 0 B A x x
No rechazo H
0
( ) 2749 . 0 B A x x
6.- D./ ( ) 2749 . 0 80 . 0 B A x x por tanto Rechazo H
0
lo que implica que
acepto H
1
, luego existe discriminacin salarial con las mujeres a un nivel de
significacin del 5%.
Prueba de Hiptesis de diferencia de media con varianza
desconocida. Muestras Pequeas:
Si las muestras son pequeas (n
A
< 30 y n
B
< 30) y nos interesa probar las
diferencias entre las medias de dos poblaciones tambin se podra hacer.
Generalmente, la situacin que se nos presenta en la vida real, no es la que
acabamos de ver sino es otra, es decir, que no se conoce la desviacin
estndar de ninguna de las dos poblaciones (
A
,
B
), casi siempre de lo que
se dispone o lo que se puede obtener, son las medias y desviaciones
estndar muestrales (
B A
B A S S x x , ; ,
) y en este caso para realizar la prueba de
hiptesis la debemos hacer bajo los siguientes supuestos:
1.-Las observaciones de las dos poblaciones son independientes.
2.- Las dos poblaciones son al menos aproximadamente normal
35
3.- Que las varianzas de las dos poblaciones son iguales( )
2 2
B A
, aunque
desconocidas.
Al igual que vimos en la prueba de hiptesis de media, cuando n es pequea
y se desconoce la varianza de la poblacin, la distribucin de probabilidad
que se utiliza es la tstudent con (n
A
+ n
B
- 2) grados de libertad.
Partimos de que el error estndar de la diferencia entre las medias de 2
poblaciones es igual a:
( )
B
B
A
A
x x
n n
B A
2 2

+
Que podra escribirse tambin como:

( )
B A
x x
n n
B A
1 1
+

(1)
si no se conoce se pueden usar las 2 varianzas muestrales para calcular
una estimacin combinada(S
0
) de la desviacin estndar de la poblacin:
S
0
=
( ) ( )
2 2
2 2
sup
1
1 1
B A
B A
B B A A
combinada
que de uesto el bajo
n n
S n S n
S
+
+
si esta
expresin buscada, es decir S
0
(Desviacin estndar combinada) la
sustituimos por en la expresin (1), tendramos entonces que:
( )
B A
x x
n n
S S
B A
1 1

Que ser el error estndar estimado para la diferencia de

medias en muestras pequeas.
As entonces
( ) ( )
( ) B A x x
B A
B A
S
x x
t

Las regiones crticas estarn dadas por:
W:
( )
( )
'
+
+
+

+
B A B A
B B A A n n
B A
n n n n
S n S n
t x x
B A
1 1
2
1 ) 1 (
) /( ....
2 2
2
1
W:
( )
( )
'
+
+
+

+
B A B A
B B A A n n
B A
n n n n
S n S n
t x x
B A
1 1
2
1 ) 1 (
) /( ....
2 2
2
1
W:
( ) ( )
'
+ +
+
B A
n n
B A
B A
n n
B A
n n
S t x x
n n
S t x x
B A B A
1 1
) (
1 1
) /( ....
0
2
2 / 1 0
2
2 / 1
Donde
( ) ( )
2
1 1
2 2
0
+
+
B A
B B A A
n n
S n S n
S
Donde t ser igual a:
36
( ) ( )
B A B A
B B A A
B A
n n n n
S n S n
x
t
1 1
2
1 1
) x (
2 2
+
+
+
tngase en cuenta que los

grados de libertad para t son n
A
+ n
B
- 2 ya que como trabajamos con 2
poblaciones se tendr (n
A
- 1) + (n
B
- 1), que sumndolos obtenemos los
grados de libertad planteados anteriormente, cabe sealar que se pierden 2
grados de libertad debido a que se usan dos estadsticos muestrales(las
varianzas) como estimadores de los parmetros de la poblacin en los
clculos de la desviacin tpica combinada.
Queremos significar que hay autores que plantean que este tipo de prueba
se utiliza fundamentalmente cuando el muestreo destruye los elementos,
cuando resulta muy costoso cuando slo se pueden obtener unos cuantos
valores histricos.
Veamos un ejemplo, para este caso:
La fbrica de bicicletas Pipian de Ciudad de la Habana, ha desarrollado un
nuevo proceso de manufactura para fabricar los tubos que se usan en los
cuadros de la bicicletas de alta calidad. Se har una prueba de tensin y los
puntos defectuosos se compararn con los de los cuadros convencionales,
tambin producidos en dicha fbrica. Dado lo costoso de los materiales y la
mano de obra se decide someter a la prueba de tensin, 8 cuadros nuevos y
7 cuadros antiguos. La fbrica va a usar para ello una mquina que ofrece
una lectura de tensin combinada al aumentar la fuerza de carga, los
resultados son los sgtes:
Cuadros nuevos Cuadros antiguos

9 . 2 4 . 3
7 8
7 . 23 8 . 27

B A
B A
B A
S S
n n
x x
Solucin:
Evidentemente se trata de dos muestras pequeas, que son menores que
30, se desconocen las varianzas de las poblaciones por lo tanto si parto de
los siguientes SUPUESTOS: Que las muestras son independientes, que
proceden de dos poblaciones normalmente distribuidas y que las
varianzas son iguales( )
2 2
B A
aunque desconocidas, entonces puede
utilizar la distribucin t de student para resolver este problema.
1.- .- H
0
:
A
=
B
H
1:

A
>
B
2.- = 0.05
3.- ( ) ( ) 1 . 4 7 . 23 8 . 27 B A x x
37
4.- W:
( )
( )
'
+
+
+

+
B A B A
B B A A n n
B A
n n n n
S n S n
t x x
B A
1 1
2
1 ) 1 (
) /( ....
2 2
2
1
Calculemos primero
( ) ( )
2
1 1
2 2
0
+
+
B A
B B A A
n n
S n S n
S
( ) ( )
13
9 . 2 6 4 . 3 7
2 2
+

( ) ( )
179 . 3 1062 . 10
13
41 . 8 6 56 . 11 7
0

+
S
debemos buscar 77 . 1
13
95 . 0
t
y
5175 . 0 2679 . 0
56
15 1 1

+
+
B A
B A
B A
n n
n n
n n
, teniendo todos los elementos
que conforman la Regin Crtica, se puede entrar a calcular el punto crtico:
( ) ( )( )
{ } 9119 . 2 :
9119 . 2
5175 . 0 179 . 3 77 . 1

B A
B A
x x W
x x
5.- R.D./ ./ Rechazo H
0
( ) 9119 . 2 B A x x
No rechazo H
0
( ) 9119 . 2 B A x x
6.- D./ ( ) 9119 . 2 1 . 4 B A x x por tanto Rechazo H
0
lo que implica que acepto
H
1
luego se puede concluir que los cuadros fabricados con el nuevo proceso,
soportan una fuerza de carga mayor que los antiguos a un nivel de
significacin del 5%-
Veamos otro ejemplo:
2. Las siguientes muestras aleatorias son las lecturas de la capacidad de
generacin de calor(en millones de caloras por toneladas) de especimenes
de carbn de dos minas:
Mina 1: 8,400 8,230 8,380 7,860 7,930
Mina 2: 7,510 7,690 7,720 8,070 7,660
Utilice un nivel de significacin del 5 % para probar si existe diferencia entre
las dos minas
Solucin:
Aqu tambin se trata de dos muestras pequeas, que son menores que 30,
y se desconocen las varianzas de las poblaciones por lo tanto si parto de los
siguientes SUPUESTOS: Que las muestras son independientes, que
proceden de dos poblaciones normalmente distribuidas y que las
38
varianzas son iguales( )
2 2
B A
aunque desconocidas, entonces tambin
puede utilizar la distribucin t de student para resolver este problema.
1. H
0
:
A
=
B
H
1
:
A

B

2. = 0.05
3. ( B A x x ) = .430 se utilizar la distribucin t con n
A
+ n
B
- 2 grados de
libertad. Obtenidos a partir de la siguiente tabla:
X
A
X
A
2
X
B
X
B
2
8,400 70560,000 7,510 56400,100
8,230 67732,900 7,690 59136,100
8,380 70224,400 7,720 59598,400
7,860 61779,600 8,070 65124,900
7,930 62884,900 7,660 58675,600
40,80
0
333181,80
0
38,65
0
298935,10
0
650 , 42
4
170600
4
) 7730 ( 5 298935100
730 , 7
5
38650
450 , 63
4
253800
4
) 8160 ( 5 333181800
1
160 , 8
5
40800
2
2
2
2
2
2

B
B
i
A
i
A
S x
n
x n X
S
n
X
x
W:{.../(
B A x x
)>t
1-/2
B A
n n
S
1 1
0
+
(
B A x x
) < -t
1-/2
B A
n n
S
1 1
0
+
t
1-/2
( ) ( )
2
1 1
2 2
+
+
B A
B B A A
n n
S n S n
B A
n n
1 1
+
=
( ) ( )
( ) ( ) 5234 . 336 6325 . 0 3259 . 230 31 . 2
4 . 0 53050 31 . 2 4 . 0
8
424400
31 . 2 4 . 0
8
600 , 170 800 , 253
31 . 2
5
1
5
1
8
650 , 42 4 450 , 63 4
31 . 2

+
+
+
Este mismo valor se obtiene para una t = -2.31; resultando -336.5234
Por lo tanto la regin crtica ser:
W:{ ( B A x x )> 336.5234 ( B A x x ) < -336.5234} por tanto la Regla de decisin
ser:
Rechazo H
0
( B A x x ) > 336.5234 o ( B A x x ) < -336.5234
39
No rechazo H
0
-336.5234 < ( B A x x )< 336.5234
Decisin: como ( B A x x ) = 430 > 336.5234 rechazo H
0
que acepto H
1
por
tanto se puede concluir que existen diferencias entre las dos minas = 0.05
Ejercicios que pueden hacer: del Laboratorio de Estadstica Matemtica II
del 119 al 122 y del 124 al 126 que estn en las paginas desde la 80 a la 83.
Autoexamen
1.- En un estudio para probar si existe alguna diferencia entre las alturas
promedio de las mujeres adultas nacidas en dos pases distintos, muestras
aleatorias dieron los resultados siguientes:
n
A
= 120 5 . 2 7 . 62
A
A S x
n
B
=150 62 . 2 8 . 61
B
B S x
donde las medias se dan en pulgadas. Use el nivel 0.05 para probar la
hiptesis nula de que las medias de la poblacin correspondientes son
iguales contra la hiptesis alternativa de que no son iguales.
2.- En una investigacin de los tiempos de reparacin de dos clases de
equipo de fotocopiado obtuvieron estos valores de los datos:
Tipo de equipo Nmero de trabajos
de reparacin
Tiempos de reparacin
Media Desviacin estndard
1 60 84.2 19.4
2 60 91.6 18.8
Todos los tiempos se dan en minutos. Pruebe en el nivel 0.01 de significacin
si la diferencia entre estas dos medias muestrales es significativa.
3.- Las siguientes son las calificaciones en el examen estatal de ciencias
sociales para muestras aleatorias independientes de adolescentes de dos
preparatorias.
Escuela A: 78 84 81 78 76 83 79 75 85 81
Escuela B: 85 75 83 87 80 79 88 94 87 82
Use el nivel de significacin igual a 0.05 para probar la aseveracin de que
los estudiantes de la escuela A tienen un mejor promedio que los de la
escuela B.
4.- Para aprobar la aseveracin de que la resistencia de un cable elctrico se
puede reducir a lo sumo 0.050 ohms mediante la aleacin., 35 valores
obtenidos para un cable estndar dieron ohms S y ohms x 004 . 0 135 . 0
1
1 y
40
35 valores obtenidos para un cable aleado dieron
ohms S y ohms x 005 . 0 082 . 0
2
2
Qu podemos concluir acerca de la aseveracin, si la probabilidad de un
error tipo I debe ser como mximo 0.01?
5.- En la comparacin de dos clases de pintura, un servicio de pruebas de
consumo encontr que cuatro latas de un galn de una marca cubrieron en
promedio 514 pies cuadrados con una desviacin estndar de 32 pies
cuadrados, mientras que cuatro latas de un galn de otra marca cubrieron
en promedio 487 pies cuadrados con una desviacin estndar de 27 pies
cuadrados. Use el nivel 0.05 de significacin para probar si la diferencia
entre las dos medias muestrales es significativas.
Tema I Prueba de Hiptesis. Prueba de hiptesis de comparacin
de proporciones.
Bibliografa: Estadstica II de Arstides Calero pagina 81 a
86.Teora y Problemas de Estadstica de M.R. Spiegel
pagina 172
Al igual que vimos en las medias, hay ocasiones que nos interesa conocer si
una diferencia observada entre dos proporciones muestrales se puede
atribuir al azar o si es que nos est indicando que las proporciones de las
poblaciones correspondientes no son iguales. Supongamos que nos interesa
decidir, con base a datos muestrales, si existe alguna diferencia entre las
personas vacunadas o no contra la Hepatitis B, de las que contraen esta
enfermedad.
Para ello partiremos de tomar las muestras(esta prueba es vlida para
muestras grandes) de dos poblaciones de la siguiente forma: suponga que x
A
y x
B
son los nmeros de xitos obtenidos en n
A
intentos de una clase y n
B
de
otra clase, todos los intentos son independientes y las probabilidades
correspondientes son respectivamente p
A
y p
B
entonces la distribucin del
muestreo de ( )
B A
p p tiene la media P
A
- P
B
y la desviacin estndar igual a:

( )
( )
,
_
B A
p p
n n
P P
B A
1 1
1

donde P es la proporcin
combinada de la muestra, y que es igual a:
B A
B A
B A
B B A A
n n
x x
n n
p n p n
P
+
+
+
+

41
Generalmente a esta expresin se le conoce como el error estndar de la
diferencia entre dos proporciones.
La prueba puede ser tambin de dos colas de una cola, en dependencia de
lo que se est probando si las dos proporciones de las poblaciones son
diferentes o si una proporcin es mayor que la otra o viceversa.
Esto es:
H
0
: P
A
= P
B
H
1
: P
A
> P
B
H
0
: P
A
= P
B
H
1
: P
A
< P
B
H
0
: P
A
= P
B
H
1
: P
A
P
B

Las regiones crticas estarn en correspondencia con la hiptesis alternativa
planteadas:
W:
( )
'
,
_
B A
B A
n n
P P Z p p
1 1
1 /
1
W:
( )
'
,
_
B A
B A
n n
P P Z p p
1 1
1 /
1
W:
( ) ( )
'
,
_
+ +

B A
B A
B A
B A
n n
P P Z p p
n n
P P Z p p
1 1
1
1 1
1 /
2 / 1 2 / 1
Siendo P:
B A
B A
B A
B B A A
n n
x x
n n
p n p n
P
+
+
+
+

El estadstico de prueba para la diferencia de las proporciones de dos
poblaciones est basado en la diferencia entre las proporciones de las
muestras ( )
B A
p p y su determinacin es a partir de:
B
B
B
A
A
A
n
x
p y
n
x
p
42
Y el estadstico Z vendr dado por la siguiente expresin:

( )
B A
B A
n n
P P
p p
Z
1 1
1

+
Por lo general no es til comparar dos proporciones poblacionales, usando

muestras pequeas, ya que esta prueba no es lo suficientemente sensible
como para detectar una diferencia cuando se usan muestras pequeas.
Ahora veamos un ejemplo:
Para probar la efectividad de un nuevo analgsico, se administr a 80
pacientes de una clnica una pldora que contena el analgsico y a otros 80
se les dio una tableta que slo contena azcar. Si 56 de los pacientes del
primer grupo y 38 del segundo grupo sintieron un efecto benfico, qu
podemos concluir, a un nivel de significacin de 0.01, acerca de la
efectividad del nuevo medicamento?
Solucin:
Pudiera considerarse el primer grupo como A y el segundo grupo como B
De acuerdo a las caractersticas del problema se denota que es una prueba
de diferencia de proporciones, por lo tanto el parmetro que se va a someter
a prueba es el de diferencia de proporciones.
1.- H
0
: P
A
= P
B

H
1
: P
A
> P
B
Planteamos mayor porque consideramos que la efectividad
debe encontrarse en el Grupo A que son los tratados con
el nuevo medicamento, ya que los del segundo grupo
fueron tratados con pldoras de azcar.
1. = 0.01
2. ( )
B A
p p

= 225 . 0
80
18
80
38
80
56
sigue una distribucin normal
4. W:
( )
'
,
_
B A
B A
n n
P P Z p p
1 1
1 /
1
Determinemos P:
475 . 0
80
38
7 . 0
80
56

B
B
B
A
A
A
n
x
p y
n
x
p
5875 . 0
160
94
160
38 56

+
+
+
+
+
B A
B A
B A
B B A A
n n
x x
n n
p n p n
P
( ) ( )
025 . 0
6400
160
80 80
80 80 1 1

+
,
_
+
B A
B A
B A
n n
n n
n n
43
El valor de Z, segn la tabla de la pagina 17, para una cola es: Z = 2.33
Ya estamos en condiciones de sustituir los valores en la frmula de la Regin
crtica para determinar el valor crtico.
( )
B A
p p ( ) ( )
( ) 1812 . 0 778 . 0 33 . 2 0060 . 0 33 . 2
025 . 0 ) 41 . 0 59 . 0 33 . 2

w:{ ( )
B A
p p

> 0.1812}
5.- RD/ Rechazo H
0
( )
B A
p p

> 0.1812
No rechazo H
0
( )
B A
p p

0.1812
6.-D/ ( )
B A
p p

= 0.225 >0.1812 Rechazar H
0
lo que que aceptamos H
1
por lo que podemos concluir que las tabletas que contienen el analgsico es
ms efectiva que las que contienen el azcar a un nivel de significacin del
1%.
Pueden hacer los siguientes ejercicios del Laboratorio: desde el ejercicio 132
al 135, 137 y 138. que estn en las paginas desde la 86 a la 89
Autoexmen
1.- Un mtodo de generacin de nubes tuvo xito en 57 de 150 intentos,
mientras que otro mtodo tuvo xitos en 33 de 100 intentos.
Podemos concluir, en el nivel de significacin 0.05, que el primer
mtodo es mejor que el segundo?
2.- En una muestra aleatoria de 250 personas que no tomaron desayuno,
102 reportaron que experimentaron fatiga a media maana y en una
muestra aleatoria de 250 personas que desayunaron, 73 informaron que
experimentaron fatiga a media maana. Use un nivel de significacin de
0.01 para probar la hiptesis de que no hay ninguna diferencia entre las
proporciones de la poblacin correspondiente contra la hiptesis alternativa
de que la fatiga a media maana es ms comn entre personas que no
desayunan.
3.- Un estudio demostr que 74 de 200 personas que vieron un desodorante
anunciado durante la transmisin de un partido de bisbol y 86 de otras 200
personas que lo vieron anunciado en un programa de variedades recordaban
el nombre del desodorante dos horas ms tarde. Use el nivel 0.05 de
44
significacin para probar si la diferencia entre las dos proporciones de
muestra, 43 . 0
200
86
37 . 0
200
74
y , es significativa.
4.- A una muestra aleatoria de 100 estudiantes de preparatoria se le
pregunt si recurrira a sus padres en busca de ayuda para hacer una tarea
de matemticas y a otra muestra aleatoria de 100 estudiantes de
preparatoria se les hizo la misma pregunta en relacin con una tarea de
ingls. Si 62 estudiantes de la primera muestra y 44 estudiantes de la
segunda recurriesen a sus padres en busca de ayuda, pruebe en el nivel de
significacin 0.05 si se puede atribuir al azar la diferencia entre las dos
proporciones muestrales.
5.-El propietario de un taller de reparaciones automotrices debe decidir cul
de dos mquinas vendedoras de refrescos debe instalar en su sala de espera
para clientes. Se prob cada mquina 200 y la primera fall(no sirvi el
refresco ni devolvi el dinero) 11 veces, mientras que la segunda mquina
fall 6 veces. Pruebe en el nivel de significacin 0.05 si la diferencia entre las
proporciones de la muestra correspondientes es significativa.

6.- Entre 500 solicitantes de matrimonio, seleccionadas al azar hace doce
aos, 48 de las mujeres eran por lo menos un ao mayores que los
hombres y entre 500 solicitudes de matrimonio seleccionadas
despus, 85 de las mujeres eran por lo menos un ao mayores que
los hombres. Use el nivel de significacin 0.05 para probar si hay un
incremento real en la proporcin de mujeres de las solicitudes de
matrimonios que por lo menos tenan un ao ms de edad que los
hombres.
7.- Un investigador mdico desea estudiar como reaccionan ratas machos y
hembras a la inyeccin de cierta sustancia txica. Si 72 de 200 ratas
machos y 49 de 200 ratas hembras tuvieron una reaccin aguda a la
inyeccin, pruebe aun nivel de significacin de 0.01, si el porcentaje real
perteneciente para las ratas machos excede el de las ratas hembras.
Pruebas no Paramtricas
Tema I Prueba de Hiptesis. Dcima de la Bondad de Ajuste para
verificar supuesto de Normalidad.
Bibliografa: Estadstica de Caridad Bustillo y otros. Capitulo 7
epgrafe 7.10 paginas 201/208.
Dentro del Tema Prueba de Hiptesis, la prueba que se explicar a
continuacin, es la nica no paramtrica.
Existen muchos problemas donde el inters del investigador se centra en
contrastar hiptesis sobre como se distribuye el nmero de sucesos que
45
pertenecen a ciertas categoras. Tiene gran importancia el poder conocer si
un grupo de datos sigue o no una distribucin normal. La prueba
2
es
adecuada para dar solucin a este tipo de problema, pero no la nica,
existen otros estadsticos, como son Kolmogorov-Smirnov y el Jarque y Bera
entre otros.
Vamos a comenzar por estudiar la prueba
2
Por ejemplo, considrese que existen k categoras y que se plantea la
hiptesis de que en cada categora, los sucesos se presentan con una
determinada frecuencia e
i
con una determinada probabilidad P
i
para i =
1,2, ...k .
Para probar esta hiptesis, se toma una muestra aleatoria de tamao "n" y
en dicha muestra se obtiene para cada categora, las frecuencias observadas
O
i
.
La prueba persigue el contraste entre las frecuencias esperadas (e
i
)
planteadas en la hiptesis nula y las observadas en la muestra (O
i
). Si la
hiptesis nula es cierta entonces se debe esperar que no existe diferencias
significativas entre e
i
y O
i
.
Suponiendo que existen k categoras y que se obtenga una muestra
aleatoria de tamao n, tal que, cada observacin pertenezca a una y solo
una categora, entonces el estadstico de prueba se define cmo:

2
= (Oi - e
i
)
2
/ e
i
el que
2

(k-1)
siempre que O
i
= e
i
= n
La hiptesis nula a verificar:
Ho: P
1
, P
2
, ...P
k
aparecen explcitamente para cada categora las
probabilidades con que se espera aparezca cada resultado

k
e
i
= np
i
y W = { (Oi - e
i
)
2
/ e
i
>
2 (k-1)
1-
}

i=1
De ser cierto H
o
el estadstico de prueba deber estar cercano a cero,
mientras que si H
o
es falsa el estadstico de prueba crecer, alejndose
significativamente de cero.
Una aplicacin muy importante de la prueba Chi-Cuadrado es la de verificar
si en una muestra aleatoria, la variable observada se ajusta a una
distribucin de probabilidad especifica, por ejemplo si la variable se
distribuye segn la ley Normal, de Poisson, Binomial, Exponencial etc. Esta
prueba recibe el nombre de Prueba de Bondad de Ajuste.
Y en la misma la hiptesis nula se planteara:
H
o
: x (, ) etc.
H
1
: x no sigue una distribucin...
El estadstico de prueba sera:
46

2
0
= (Oi - e
i
)
2
/ e
i

2

(k-1-m)
donde m = al nmero de parmetros
que son necesarios estimar para poder calcular las p
i
, En Poisson lo que se
estima es un solo parmetro () y en la normal dos parmetros (, ) .
Las frecuencias observadas (O
i
) se obtienen de la organizacin de los datos
en tablas de frecuencias, O
i
n
i
(frecuencias absolutas simples) mientras
que e
i
= np
i
siendo p
i
la probabilidad de ocurrencias para cada valor posible
de x, bajo el supuesto de que H
o
sea cierta y debindose cumplir que :

k
p
i
= 1

i=1
Condicin necesaria para poder utilizar estas probabilidades. ( k el nmero
posible de valores de x, esto es clases o categoras)
Para realizar esta prueba deben cumplirse las siguientes restricciones:
Si k = 2, ninguna frecuencia esperada (e
i
) debe ser < 5
Si k > 2, solo el 20% de las frecuencias esperadas (e
i
) debe ser < 5
Ninguna frecuencia esperada (e
i
) debe ser < 1
En tales casos, esta situacin se resuelve agrupando categoras adyacentes,
cuando las agrupaciones tienen sentido.
Veamos un ejemplo
A partir de la muestra siguiente, verifique para un nivel de significacin del
5% si la misma procede de una poblacin normal.
10 12 13 14 15 22 28 30 30 29
10 11 15 10 15 26 26 28 27 29
16 16 20 17 18 30 28 27 26 30
19 20 17 18 20 29 26 26 28 29
20 19 19 18 17 27 27 26 26 28
17 16 23 24 23 27 31 32 33 33
21 22 22 21 22 29 33 33 32 31
24 23 24 23 21 35 32 31 38 39
24 23 20 21 21 34 37 41 39 41
24 24 23 21 22 31 38 36 36 40
Ya conocemos de la Estadstica Matemtica I que la distribucin normal
tiene dos parmetros que son y
2
, Por tanto tenemos que estimarlos a
travs de
x
y de S
2
, que son los dos mejores estimadores que tenemos de
esos parmetros poblacionales.
Como los datos estn en su forma primaria, y no podemos definir si son
discretos continuos y no informan que tipo de variables es; pero si son
muchos datos (100), entonces debo formar intervalos de clases para
organizar la informacin y me sea ms fcil realizar cualquier tipo de clculo.
47
Ya sabemos como se forman los intervalos, pero para estos casos, donde se
va a probar normalidad, es aconsejable hacer los intervalos de una forma
especifica.
La distribucin normal tiene propiedades donde para cualquier valor de
y
2
, se cumple que:

----0.6826----
------------0.9544-------------
---------------------0.9998----------------------
_\______\______\_____|_____/______/______/_
-3 -2 - + +2 +3

Esto es que el rea bajo la curva desde -3

hasta +3 ocupa un 99.98%;
que el rea bajo la curva desde -2 hasta +2 ocupa un 95.44% y que el
rea bajo la curva desde - hasta + ocupa un 68.26%.

Por lo que se sugiere, que los intervalos en que se agrupen los datos cuando
se va a probar si los mismos siguen una distribucin normal sean estos
mismos, ya que esto facilitara el clculo de las pi.
Para ello debemos siempre primero estimar y que son los parmetros
que definen esta distribucin
En este ejercicio:
x
i
= 2500; (x
i
- x )
2
= 5420 Y sabemos que x = x
i/
n y S
2
= (x
i
- x )
2
/n-1
por tanto la media y varianza poblacional estimada estar dada por:

x
= 2500/100 = 25 y S
2
= 5420/99 = 54.75 S = 7.4
As entonces tendremos:

______\______\_____|_____/______/______

x
-2s
x
-s
x

x
+s
x
+2s
10.2 17.6 25 32.4 39.8
Z -2 -1 0 1 2 Z
48
Buscando la probabilidad a partir de la funcin de distribucin y a partir de
sus propiedades, que recordamos son:
P (x x
k
) = F(x) P( x > x
k
) = 1 - F(x) P(x
o
< x x
1
) = F(x
1
) - F(x
o
)
tendremos las reas buscadas y que siempre sern las mismas.
P
1
= P{ x 10.2 } = P { z 10.2 - 25/ 7.4} = P { z -2 } = F
z
(-2) =
0.0228
P
2
= P{ 10.2 x 17.6} = P{ -2 z -1} = F
z
(-1) - F
z
(-2)
= 0.1587 - 0.0228
= 0.1359
P
3
= P{ 17.6 x 25 } = P { -1 z 0} = F
z
(0) - F
z
(-1)
= 0.5 - 0.1587
= 0.3413
P
4
= P{ 25 x 32.4} = P{ 0 x 1} = F
z
(1) - F
z
(0)
= 0.8413 - 0.5
= 0.3413
P
5
= P{ 32.4 x 39.8} = P{ 1 z 2} = F
z
(2) - F
z
(1)
= 0.9772 - 0.8413
= 0.1359
P
7
= P{ x > 39.8) = 1 - P{ x 39.8} = 1 - P{ z 2}
= 1 - F
z
(2)
= 1 - 0.9772
= 0.0228
quedando entonces:
0.0228 0.1359 0.3413 0.3413 0.1359 0.0228
______\______\______|______/______/______

x
-2s
x
-s
x

x
+s
x
+2s
Ventajas de este criterio de agrupacin: que para cualquier conjunto de
datos, las p
i
para los 6 intervalos que se definen siempre sern las mismas.
Esto quiere decir que no hay que calcular estas reas, siempre que los
intervalos que hagamos sean la media menos 2 desviaciones tpicas, la
media menos una desviacin tpica, la media, la media mas una desviacin
tpica y la media ms dos desviaciones tpicas.
Queremos recordar adems que en este caso que le hemos dado
tratamiento de variable continua, no importa que se ponga menor menor
igual o mayor mayor igual para el clculo de la funcin de distribucin.
Intervalos O
i
p
i
e
i

x 10.2 3 0.0228 2.28
10.2 17.6 14 0.1359 13.59
17.6 25 34 0.3413 34.13
25 32.4 33 0.3413 34.13
32.4 39.8 14 0.1359 13.59
x > 39.8 2 0.0228 2.28
Ahora debemos comprobar todas las restricciones que deben cumplirse:
p
i
= 1 se cumple
49
0
i
= e
i
en este caso 0
i
= e
i
= 100 tambin se cumple
Ninguna frecuencia esperada debe ser < 1 tambin se cumple
Slo el 20% de las k categoras deben ser < 5; en este caso tenemos 2
categoras que son menores que 5, y estas representan 2/6 = 0.33 por lo
tanto hay que agrupar.
Habamos dicho que siempre se agrupaban categoras adyacentes y donde
esta agrupacin tuviera sentido.
En este caso se pudieran agrupar la 1ra y 2da categora y entonces los
intervalos quedaran de la forma siguiente:
Intervalo O
i
e
i
x 17.6 17 15.87
17.6 25 34 34.13
25 32.4 33 34.13
32.4 39.8 14 13.59
x > 39.8 2 2.28
Despus de agrupar, para hacer cumplir las restricciones tenemos que:
k = 5; m = 2 (nmero de parmetros que se estiman, en el caso de la
distribucin normal siempre hay que estimar la media y la desviacin tpica
poblacional).
Ya estamos en condiciones de calcular
2
0
2
0
= (17 - 15.87)
2
/25.87 + (34 - 34.13)
2
/34.13 + (33 - 34.13)
2
/34.13
+ (14 - 13.59)
2
/13.59 + (2 - 2.28)
2
/2.28
= 0.13743 (est muy prximo a cero)
Planteemos las hiptesis:
H
o
: x N ( , )
H
1
: x no sigue N ( , )
Estadstico de Prueba:
2
0
= 0.13743
La regin crtica quedar:
W = {
2
>
2
1-
(k-1-m)
} = {
2
>
2

0.99
(2)
} = {
2
> 9.21}
La Regla decisin:
Rechazar H
o

2
> 9.21

Aceptar H
o

2
9.21
Decisin:
2
0
= 0.13743 que es <
2
= 9.21 por lo tanto no tengo elementos para
rechazar H
o
lo que implica que los datos analizados siguen una distribucin
normal a un = 0.01 .
Pueden realizar los ejercicios que estn en el laboratorio Desde el 171 al
175, que estn desde la pagina 108 a la 111; y los ejercicios desde el 178 al
180, que estn en las paginas desde la 113 a la 114.
50
Jarque y Bera
Debe sealarse que este estadstico tambin se utiliza para probar la
normalidad de un conjunto de datos, siendo ms potente que el Chi-
Cuadrado que acabamos de ver. Y es el que usa el programa estadstico de
computo EVIEW, soportado en Windows que es uno de los ms utilizado para
este contenido de las Estadsticas.
Las hiptesis se plantean de la siguiente forma:
H
0
: y
i
N
H
1
: y
i
no sigue una normal
Siendo el estadstico de prueba:
J-B =
( )
,
_
2 2
3
4
1
6
K S
k n
Donde: n = # de observaciones
k = 0 para una serie ordinaria
# de regresores cuando se examinan residuos a una ecuacin

S = asimetra K = kurtosis
En una distribucin normal S = 0 y K = 3
(K - 3) representa el exceso de kurtosis.
En muestras grandes y bajo H
0
JB
2
) 2 (
Por tanto la Regin Crtica vendr dada por:

( )
{ }
2 2
1
:
JB W
RD/ Rechazar H
0
JB >
( ) 2 2
1
No Rechazar H
0
JB
( ) 2 2
1
Si el valor de p computado es > no se rechaza H

0
Asimetra(Skeroness)

y y
n
S
n
i
i
,
_
1
3

( )
3
3
1
1
n
i
i
y y
n
S
en esta formula representa el estimador sesgado de la desviacin
estndar poblacional, es decir:

( )
n
y y
S
i
2
51
Se debe sealar que este estadgrafo mide la deformacin de una
distribucin, se plantea que si es igual a cero, es simtrica, tiene una
distribucin normal, pero si da positivo, nos est indicando que tiene una
cola o deformacin a la derecha, y si nos da negativo, entonces la
deformacin o cola est a la izquierda.
Kurtosis

,
_
n
i
i
y y
n
K
1
4

( )
4
4
1
1
n
i
i
y y
n
K
En lo que respecta a este estadgrafo, el mismo mide el apuntamiento de
una distribucin, generalmente se plantea que si K = 3, entonces la
distribucin es apuntada como la normal, y se le puede denominar como
mesocrtica, si K > 3, entonces se dice que es ms apuntada que la normal
o sencillamente apuntada y se le denomina leptocrtica , y si K < 3, entonces
se dice que es menos apuntada que la normal o sencillamente achatada y se
le denomina platicrtica.
Debe sealarse que el Damodar, Texto de Econometra, muy conocido por
los estudiantes, utiliza como frmula del estadstico de prueba la expresin
siguiente:
JB =
( )
1
]
1
+
24
3
6
2 2
K S
n
A continuacin vamos a ver un ejercicio:
A partir de los siguientes datos, utilizando la prueba de Jarque Bera,
determine si los mismos siguen una distribucin Normal
y
( ) y y
i
( )
2
y y
i
( ) / y y
i
( ) [ ]
3
/ y y
i
( ) [ ]
4
/ y y
i
2 -6.1 37.21 -1.1469 -1.5086 1.7302

3 -5.1 26.01 -0.9589 -0.8817 0.8455
3 -5.1 26.01 0.9589 -0.8817 0.8455
4 -4.1 16.81 0.7709 -0.4581 0.3531
6 -2.1 4.41 0.3948 -0.0615 0.0243
8 -0.1 0.01 0.0188 0.0000 0.0000
10 1.9 3.61 0.3572 0.0455 0.0163
12 3.9 15.21 0.7332 0.3942 0.2890
14 5.9 34.81 1.1093 1.3650 1.5142
19 10.9 118.81 2.0493 8.6063 17.6369
81 0 282.90 6.6141 23.2550
Comencemos hacer los clculos necesarios:
52
( )
3188 . 5 29 . 28
10
90 . 282
1 . 8
10
81
.
2

n
y y
S y
n
x
x
i
i
(Estimador
sesgado de )
Ahora determinemos la Asimetra:
( ) 66194 . 0 6194 . 6
10
1
1
1
3

,
_
n
i
i
y y
n
S
, lo que no est indicando que tiene una

ligera deformacin a la derecha, si fuera a utilizar este estadgrafo para
analizar simetra, sin formar parte del estadstico Jarque-Bera de Normalidad.
Determinemos ahora la curtosis o apuntamiento:
( ) 3255 . 2 2550 . 23
10
1
1
1
4

,
_
n
i
i
y y
n
K
lo que nos indica que est ligeramente

ms achatada que la distribucin normal, esto es si lo estuviera
determinando a el slo y no para ser utilizado en Jarque Bera.
Ahora sustituiremos en el Estadstico de Prueba, correspondiente:
JB=
( ) ( ) ( )
,
_
+
,
_
+
,
_
2 2 2 2 2
6745 . 0
4
1
4382 . 0 6667 . 1 3 3255 . 2
4
1
66194 . 0
6
10
3
4
1
6
K S
k n
JB=
( ) ( ) ( ) 55194 . 0 6667 . 1 11374 . 0 4382 . 0 6667 . 1 4550 . 0
4
1
4382 . 0 6667 . 1 +
,
_
+
JB = 0.9199183
H
0
: y
i
N
H
1
: y
i
no sigue una normal
= 0.05
JB = 0.9199183
( )
{ }
2 2
1
:
JB W esto es
2
en 0.95 con 2 grados de libertad = 5.99, por tanto
W: {JB > 5.99}
RA

RC
5.99
RD/ Rechazo H
0
JB > 5.99
No Rechazo H
0
JB 5.99
53
D/ JB = 0.9199183 < 5.99 No tengo elementos para rechazar H
0
que la
variable sigue una distribucin normal a un = 0.05
A continuacin vamos a mostrar este ejercicio resuelto a travs del
programa de cmputo Eview, y comparemos los resultados:
0
1
2
3
4
0.0 2.5 5.0 7.5 10.0 12.5 15.0 17.5 20.0
Series: PRUEBA
Sample 1 10
Observations 10
Mean 8.100000
Median 7.000000
Maximum 19.00000
Minimum 2.000000
Std. Dev. 5.606544
Skewness 0.662006
Kurtosis 2.325505
Jarque-Bera 0.919981
Probability 0.631290
Como ven en el mismo se obtiene los valores de la media, la desviacin
tpica(insesgada), la asimetra, la curtosis, y el estadstico Jarque-Bera, y
todos coinciden con los clculos que acabamos de ver.
Solo debemos agregar, y que ya fue planteado, la decisin tambin se puede
tomar utilizando la Probabilidad, que proporciona el resultado anterior, y se
debe cumplir que:
Si la probabilidad es mayor que el valor de designado, entonces no se
rechaza H
0
, lo que implica que la muestra sigue una distribucin normal.
Veamos algunos ejemplos donde se presentarn las salidas de mquina para
su interpretacin(Ejercicios de este tipo no estn en el Laboratorio).
1. Las cuotas anuales de una muestra de 40 compaas para un seguro
de $25000 para hombres de 35 aos de edad son las siguientes:
82 85 86 87 87 89 89 90 91 91
92 93 94 95 95 95 95 95 97 98
99 99 100 100 101 101 103 103 103 104
105 105 106 107 107 107 109 110 110 111
Pruebe si la variable anterior se distribuye normalmente. Use un = 0.05
2. Los ingresos netos por cosecha para 50 estados de una nacin en
1996, fueron los siguientes:
5952 13647 8681 11771 4963 10207 8043 4626 5119 2892
63855 10630 5332 9378 4543 7627 8972 4845 8621 5405
54
39362 6644 2304 5992 11177 8992 6480 10452 2290 2789
9692 4438 6859 7000 12292 23811 6824 9922 4973 9300
27611 19106 8441 12543 6695 7657 9554 7683 3904 241
Rechazara Ud. al nivel de significacin del 1% que la muestra anterior
proviene de una poblacin normal?
3. Dada la muestra siguiente:
10 12 13 14 15 22 28 30 30 29
10 11 15 10 15 26 26 28 27 29
16 16 20 17 18 30 28 27 26 30
19 20 17 18 20 29 26 26 28 29
20 19 19 18 17 27 27 26 26 28
17 16 23 24 23 27 31 32 33 33
21 22 22 21 22 29 33 33 32 31
25 23 24 23 21 35 32 31 38 39
25 25 20 21 21 34 37 40 39 40
24 24 23 21 22 31 38 36 36 40
Verifique para un 5% si la misma procede de una poblacin normal.
4. Los siguientes datos son los lapsos en minutos, necesarios para que 50
clientes(seleccionados aleatoriamente) de un banco comercial, lleven a
cabo una transaccin bancaria:
2.3 2.4 3.3 1.8 7.8 3.1 2.4 0.4 4.2 6.3
0.2 4.4 9.7 4.7 0.8 3.7 4.6 1.3 1.2 7.6
2.9 5.8 2.5 0.7 0.9 7.2 3.8 1.1 0.5 1.4
0.4 2.8 5.6 6.2 0.4 1.6 1.5 5.5 6.8 0.5
2.8 3.3 9.5 1.2 1.3 1.9 2.7 3.4 5.2 1.4
Pruebe para un = 0.01 si la variable X
i
se distribuye segn la ley normal.
5. La demanda diaria, en unidades de un producto, durante 30 das de
trabajo seleccionados aleatoriamente es:
38 35 76 58 48 59
67 63 33 69 53 51
28 25 36 32 61 57
49 78 48 42 72 52
47 66 58 44 44 56
Al nivel de significacin del 5% Rechazara Ud. el supuesto de normalidad
para la variable X
i
n?
6. Los pesos(en libras) de 40 estudiantes de una Universidad
seleccionados aleatoriamente aparecen a continuacin:
138 164 150 132 144 125 149 157 146 158
140 147 136 148 152 144 168 126 138 176
163 119 154 165 146 173 142 147 135 153
140 135 161 145 135 142 150 156 145 128
55
Aceptara UD. al nivel del 1% que los pesos de los estudiantes de dicha
universidad se distribuyen normalmente?
Salidas del Programa EVIEW para probar normalidad a travs del estadstico
Jarque-Bera.
1.
0
2
4
6
8
80 85 90 95 100 105 110
Series: SEGURO
Sample 1 40
Observations 40
Mean 97.90000
Median 98.50000
Maximum 111.0000
Minimum 82.00000
Std. Dev. 7.811235
Skewness -0.116275
Kurtosis 2.008609
2.
56
0
10
20
30
40
50
0 50000 100000 150000 200000 250000
Series: INGRESOS
Sample 1 50
Observations 50
Mean 14282.74
Median 7670.000
Maximum 238111.0
Minimum 241.0000
Std. Dev. 33811.32
Skewness 6.042449
Kurtosis 40.10034
3.
0
2
4
6
8
10
120 130 140 150 160 170 180
Series: ESTUDIANTES
Sample 1 40
Observations 40
Mean 146.8000
Median 146.0000
Maximum 176.0000
Minimum 119.0000
Std. Dev. 13.05059
Skewness 0.181406
Kurtosis 2.736333
4.
0
2
4
6
8
10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40
Series: Y
Sample 1 100
Observations 100
Mean 25.00000
Median 25.00000
Maximum 40.00000
Minimum 10.00000
Std. Dev. 7.399154
Skewness 0.071274
Kurtosis 2.457714
5.
57
0
2
4
6
8
0 1 2 3 4 5 6 7 8 9 10
Series: CLIENTES
Sample 1 50
Observations 50
Mean 3.260000
Median 2.750000
Maximum 9.700000
Minimum 0.200000
Std. Dev. 2.481935
Skewness 0.863321
Kurtosis 2.935511
6.
0
1
2
3
4
5
6
25 30 35 40 45 50 55 60 65 70 75 80
Series: DEMANDA
Sample 1 30
Observations 30
Mean 51.50000
Median 51.50000
Maximum 78.00000
Minimum 25.00000
Std. Dev. 14.16832
Skewness -0.002849
Kurtosis 2.212712
AUTOEXAMEN
1.- Para que se utiliza la dcima de bondad de ajuste.?
2.- Cuales son las restricciones que se tiene en cuenta para aplicar la
distribucin
2
a esta prueba no paramtrica?
3.- Cmo se plantearan las hiptesis en este tipo de prueba?
4.-Cmo se calculan las frecuencias esperadas?
5.- Es necesario al calcular las p
i
que estas sumen 1? Por que?
6.- Una muestra aleatoria de 500 acumuladores para automviles mostr la
siguiente distribucin: de la duracin en aos de los acumuladores.
Intervalos n
i
0 a 2 12
58
2 a 4 94
4 a 6 170
6 a 8 188
8 a 10 28
10 a 12 8
Pruebe a un = 0.05, si dicha distribucin sigue una distribucin normal.
Utilice la prueba de
2
.
7.- La corporacin SIMEX, tiene varios miles de trabajadores por horas. La
analista de la corporacin, quiere determinar si la distribucin normal se
puede utilizar para describir la escala de salarios por hora de la corporacin.
Selecciona una muestra aleatoria de trabajadores por hora y se registran sus
salarios. La analista encontr que la media y la desviacin tpica muestral
son $8.00 y $0.78 respectivamente. Para un = 0.05, determine si la escala
de salario por horas de la corporacin sigue una distribucin normal, a partir
de la prueba de
2
.
Intervalos n
i
< 5.66 12
5.66 6.44 38
6.44 7.22 104
7.22 8 131
8 8.78 117
8.78 9.56 98
9.56 10.34 47
> 10.34 13
560
8.- No es necesario plantear ejercicio para probar la normalidad por Jarque-
Bera, ya que se presentaron 6 anteriormente.
Dcima Ji-Cuadrado para verificar supuesto de Independencia.
Tablas de Contingencia.
Bibliografa. Estadstica de C. Bustillo. capitulo 7 epgrafe 7.10
pgina 208
Otro problema que requiere de una prueba estadstica, es el de contrastar el
supuesto de independencia estadstica entre dos variables aleatorias (x,y).
Esta prueba puede ser aplicada para variables cualitativas cuantitativas.
Las dos variables sobre las que se plantea la hiptesis de independencia se
clasificarn en categoras o clases.
Se denotar por "k" a la cantidad de categoras en que se clasifica la variable
"Y" y por "r" a la cantidad de categoras de la variable "x"
As en una muestra de "n" observaciones, los datos sern clasificados en "k x
r" grupos, tal como aparece en la tabla que mostramos a continuacin y que
en estadstica se denomina
Tabla de contingencia de r filas y k columnas.
59
FRECUENCIAS OBSERVADAS (O
i j
)
X \ Y Y
1
Y
2
. . . . . . . . . . . . . . Y
k
Totales n
i .
X
1
O
11
O
12
. . . . . . . . . . . . . . O
1k
n
1 .
X
2
O
21
O
22
. . . . . . . . . . . . . . O
2k
n
2 .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
X
r
O
r1
O
r2
. . . . . . . . . . . . . . O
rk
n
r .
Totales n
. j
n.
1
n
. 2
. . . . . . . . . . . . . . n
. k
n
Como se observa, se denota por:
X : tiene "r" categoras (X
1
, X
2
, .....X
r
)
Y : tiene "k" categoras (Y
1
, Y
2
, .....Y
k
)
O
i j :
# de veces que se observa la combinacin X
i
con Y
j
donde :
i : indica las filas ( i = 1, 2 ... r)
j : indica las columnas (j = 1, 2, ... k)
n
i .
: # de veces que se observa X (sin interesar la clasificacin de Y)
n
. j :
# de veces que se observa Y (sin interesar la clasificacin de X)

r k
donde n
i .
= O
i j
y n
.

j
= O
i j

i = 1 j = 1
Debe sealarse, que al igual que en el caso de la Bondad de Ajuste, en este
caso de la verificacin del supuesto de independencia, existe la restriccin
que se debe considerar que nada ms se puede admitir celdas donde las
frecuencias esperadas sean menores que 5, en el orden del 20%, situacin
que se puede resolver uniendo celdas adyacentes, ya que de no cumplirse
esta restriccin este
2
0
no se podra considerar una buena aproximacin del
( )
( ) ( ) 1 1 2
1

k r
Las hiptesis nula y alternativa podran ser:

Ho : X, Y son estadsticamente independientes
H
1
: X, Y estn relacionadas
o tambin:
H
o
: P
i j
= P
i
P
j

H
1 :
P
i j
P
i
P
j
donde P
i j
: representa la probabilidad de que el elemento observado
pertenezca a la clase (i, j)
P
i
: que el elemento observado pertenezca a la clase "i" de la variable X
P
j
: que el elemento observado pertenezca a la clase "j" de la variable Y
Las frecuencias esperadas se calcularn:
60
e
ij
n P
ij
n P
i
P
j
P
i
n
i
n
P
j
n
j
n
e
ij
n
n
i
n
n
j
n
e
ij
n
i
n
j
n

( ) ( )
.
.
(
.
)(
.
)
(
.
)(
.
)
y como
El estadstico de Prueba
) 1 )( 1 ( 2
) 1 (
1
j
2
)
j j
(
1
2

r k
k
j
i
e
i
e
i
o
r
i

Regin Crtica:
W:{ }

o
2
1 -
2 (k - 1)(r - 1)

Veamos un ejemplo: Una muestra aleatoria simple de 300 estudiantes
Universitarios que estudian Estadstica, arroj los siguientes resultados en
las evaluaciones de esta asignatura.
Evaluacin (Y)
X (Sexo)
2 3 4 5 Total
Hembra 27 \30.6 85 \77.4 50 \54 18 \18 180
Varones 24 \20.4 44 \51.6 40 \36 12 \12 120
Total 51 129 90 30 300
Podemos afirmar basndonos en estos datos, que en la poblacin de los
estudiantes universitarios que estudian Estadstica la evaluacin no depende
del sexo? Utilice un nivel de significacin de 0.05.
Solucin:
r = 2 nmero de filas (sexo)
k = 4 nmero de columnas (evaluaciones)
n = 300
Ho: La evaluacin es independiente del sexo
H
1
: La evaluacin depende del sexo
6 . 30
300
) 180 ( 51 . . 1 . .. 1
11
n
n
e
n
j
n
i
n
ij
e
n
61
e
e
e
e
e
e
e
n n
n
n n
n
n n
n
n n
n
n n
n
n n
n
n n
n
21
1
12
2 1
13
3 1
14
4 1
22
2 2
23
3 2
24
4 2
2 51 120
300
20 4
129 180
300
77 4
90 180
300
54
30 180
300
18
129 120
300
516
90 120
300
36
30 120
300
12

.
. .
. .
. .
. .
. .
. .
. ( )
.
( )
.
( )
( )
( )
.
( )
( )
El valor que se encuentra despus de la diagonal es el valor esperado
calculado
Por tanto el valor de
o
ser:

o
2
+
( . )
.
( . )
.
( ) ( ) ( . )
.
( . )
.
( ) ( ) 27 30 6
30 6
85 77 4
77 4
50 54
54
18 18
18
24 20 4
20 4
44 516
516
40 36
36
12 12
12
2 2 2 2 2 2 2 2
2
0
= 3.665
R:C: W:{
2
0
>
2(2-1) (4-1)
0.95
} = {
2
0

> 7.81}
R D./ Rechazar Ho
2
0
> 7.81
Aceptar Ho
2
0
7.81
D/
o
= 3.67 7.81 por tanto se puede decir que no existen elementos
para rechazar Ho lo que implica que hay independencia entre el sexo y las
evaluaciones de los estudiantes universitarios, es decir la evaluacin es
independiente del sexo a un nivel de significacin del 95%.
Pueden hacer los ejercicios que estn en el laboratorio desde el 158 hasta el
165, que estn en las pginas desde la 97 hasta la 102, del Laboratorio de
Estadstica Matemtica II.
Autoexamen
1.- Por qu no se debe resolver la prueba Ji-cuadrado para la independencia
cuando las frecuencias esperadas en algunas celdas sean menores que 5?
62
2.- Qu accin se puede llevar a cabo en estas circunstancias que permitan
analizar esos datos de la tabla de contingencia?.
3.- El Director de Mercadotecnia de una compaa de televisin por cable
est interesado en determinar si hay alguna diferencia en la proporcin de
hogares que contratan el servicio de cable por televisin, sobre la base del
tipo de residencia(viviendas para una sola familia, viviendas para 2 o 4
familias y casas de departamento). Una muestra aleatoria de 400 hogares
mostr lo siguiente:
Tipo de Res.
TC cable
Una sola
familia
De 2 a 4
familias
Casa de
Apartament
o
n i.
Si 94 39 77 210
No 56 36 98 190
n.j 150 75 175 400
A un = 0.01 Podra considerar que hay relacin entre la contratacin de
Servicios de TV por cable y el tipo de residencia?
4.- Una gran Corporacin esta interesada en determinar si existe asociacin
entre el tiempo que le toma a sus empleados trasladarse al trabajo, y el nivel
de problemas relacionados con el Stress observado en los mismos, con
vista a situarle un mnibus, si esto se comprueba. Un estudio de 116
trabajadores de la lnea de montaje revel lo siguiente:
Stress
Tiempo Viaje
Alto Moderad
o
Bajo Ni.
Menos de 15
mts
9 5 18 32
De 15 a 45 17 8 28 53
Mas de 45 18 6 7 31
n.j 44 19 53 116
A un = 0.01 Determine si hay relacin entre el tiempo de viaje y el stress.
Dentro del Tema de Prueba de hiptesis que acabamos de estudiar, se
vieron las pruebas de hiptesis de medias, varianzas, proporciones,
diferencia de medias y diferencia de proporciones tambin estn la de
diferencia de varianzas de dos poblaciones que no la estudiamos, que
tambin tiene una gran utilizacin prctica, pero que con los conocimientos
alcanzados hasta aqu bien pudieran utilizarla en caso necesario.
63

Econometria

Загружено:

Сведения о документе

Исходное описание:

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Econometria

Загружено:

Авторское право:

Доступные форматы

Autores: MSc.

Daisy Espallargas y Jorge DEspaux

que mejor estime el

= A la Z para un determinado nivel de significacin

= ( x W/ = 352) = ( x < 363.68/ = 352)

= P( x < 363.08 / =367) = P

En la mayora de las situaciones prcticas en que se desconocen, ( )

es conocida como error estndar

Que podra escribirse tambin como:

Que ser el error estndar estimado para la diferencia de

tngase en cuenta que los

Por lo general no es til comparar dos proporciones poblacionales, usando

Por tanto la Regin Crtica vendr dada por:

Si el valor de p computado es > no se rechaza H

2 -6.1 37.21 -1.1469 -1.5086 1.7302

, lo que no est indicando que tiene una

lo que nos indica que est ligeramente

Las hiptesis nula y alternativa podran ser:

Вам также может понравиться