Instituto Tecnolgico de Piedras Negras

RESUMEN UNIDAD 5
Materia: Estadstica Inferencial I. Maestro: Ing. Fco. Rene Vidaurrazaga Obezo. Alumno: Cristian Antonio Reyes Torres. Nm. de Control: 11/080

Mayo del 2013

UNIDAD 5 PRUEBAS DE HIPOTESIS CON DOS MUESTRAS DATOS CATEGORICOS Y VARIAS MUESTRAS CON DATOS CATEGORICOS.
Prueba De Hiptesis Para Proporciones El concepto de prueba de hiptesis se puede utilizar para probar hiptesis en relacin con datos cualitativos. Por ejemplo, en el problema anterior el gerente de la fbrica de llantas quera determinar la proporcin de llantas que se reventaban antes de 10,000 millas. Este es un ejemplo de una variable cualitativa, dado que se desea llegar a conclusiones en cuanto a la proporcin de los valores que tienen una caracterstica particular. El gerente de la fbrica de llantas quiere que la calidad de llantas producidas, sea lo bastante alta para que muy pocas se revienten antes de las 10,000 millas. Si ms de un 8% de las llantas se revientan antes de las 10,000 millas, se llegara a concluir que el proceso no funciona correctamente. La hiptesis nula y alternativa se pueden expresar como sigue: Ho: p .08 (funciona correctamente) H1: p > .08 (no funciona correctamente) La prueba estadstica se puede expresar en trminos de la proporcin de xitos como sigue: En donde p = proporcin de xitos de la hiptesis nula Ahora se determinar si el proceso funciona correctamente para las llantas producidas para el turno de da. Los resultados del turno de da indican que cinco llantas en una muestra de 100 se reventaron antes de 10,000 millas para este problema, si se selecciona un nivel de significancia de .05, las regiones de rechazo y no rechazo se estableceran como a continuacin se muestra: Y la regla de decisin sera: Rechazar Ho si > + 1.645; de lo contrario no rechazar Ho. Con los datos que se tienen, = .05

Y entonces, = 1.107 Z 1.107 < + 1.645; por tanto no rechazar Ho. La hiptesis nula no se rechazara por que la prueba estadstica no ha cado en la regin de rechazo. Se llegara a la conclusin de que no hay pruebas de que ms del 8% de las llantas producidas en el turno de da se revienten antes de 10,000 millas. El gerente no ha encontrado ninguna prueba de que ocurra un nmero excesivo de reventones en las llantas producidas en el turno de da. Pruebas de hiptesis a partir de proporciones. Las pruebas de hiptesis a partir de proporciones se realizan casi en la misma forma utilizada cuando nos referimos a las medias, cuando se cumplen las suposiciones necesarias para cada caso. Pueden utilizarse pruebas unilaterales o bilaterales dependiendo de la situacin particular. La proporcin de una poblacin Las hiptesis se enuncian de manera similar al caso de la media. Ho: p = p0 H1: p p0 En caso de que la muestra sea grande n>30, el estadgrafo de prueba es: Se distribuye normal estndar. Regla de decisin: se determina de acuerdo a la hiptesis alternativa (si es bilateral o unilateral), lo cual puedes fcilmente hacerlo auxilindote de la tabla 4.4.1. En el caso de muestras pequeas se utiliza la distribucin Binomial. No lo abordaremos por ser complicado y poco frecuente su uso. Diferencia entre las proporciones de dos poblaciones La situacin ms frecuente es suponer que existen diferencias entre las proporciones de dos poblaciones, para ello suelen enunciarse las hiptesis de forma similar al caso de las medias: Ho: p1 = p2 p1 - p2 = 0

H1: p1 p2 Puede la hiptesis alternativa enunciarse unilateralmente. El estadgrafo de prueba para el caso de muestras independientes: Siendo a1 y a2, el nmero de sujetos con la caracterstica objeto de estudio en las muestras 1 y 2 respectivamente, es decir, en vez de calcular la varianza para cada muestra, se calcula una p conjunta para ambas muestras bajo el supuesto que no hay diferencias entre ambas proporciones y as se obtiene la varianza conjunta. Recuerda que q = 1-p. Est de ms que te diga que este estadgrafo se distribuye normal estndar. La regla de decisin se determina de manera similar a los casos ya vistos anteriormente. El objetivo de la prueba es comparar estas dos proporciones, como estimadores H1: p1 p2 Recuerda que la H1 tambin puede plantearse de forma unilateral.

5.1 PRUEBA Z PARA LA DIFERENCIA ENTRE DOS PROPORCIONES. En algunos diseos de investigacin, el plan muestral requiere seleccionar dos muestras independientes, calcular las proporciones muestrales y usar la diferencia de las dos proporciones para estimar o probar una diferencia entre las mismas. Las aplicaciones son similares a la diferencia de medias, por ejemplo si dos empresas consultoras ofrecen datos de proporciones de personas que van a votar por el PRI y al hacer dos estudios diferentes salen resultados ligeramente diferentes pero qu tanta diferencia se requiere para que sea estadsticamente significativo? De eso se pruebas estadsticas de diferencias de proporciones. El estadstico Z para estos casos se calcula de la siguiente manera:

Ejemplo: Una muestra de 87 mujeres trabajadoras profesionales mostr que la cantidad promedio que pagan a un fondo de pensin privado el 5% de su sueldo. Una muestra de 76 hombres trabajadores profesionales muestra que la cantidad que paga un fondo de pensin privado es 6.1% de su sueldo. Un grupo activista de mujeres desea demostrar que las mujeres no pagan tanto como los hombres en fondos de pensin privados. Si se usa alfa = 0.01 Se confirma lo que el grupo activista de mujeres desea demostrar o no? Paso 1. Determinar la hiptesis Nula Ho y Alternativa Ha Ntese que este problema es de una cola.

Ho: Lo que pagan las mujeres en el fondo de pensin es igual o mayor a lo que pagan los hombres (algunos autores solo le colocan igual).

Ha: _______________________________________ (El estudiante debe describir la Ha) La hiptesis alternativa es lo que las mujeres del grupo activista desean demostrar. Paso 2. Determinar el nivel de significancia. Definida por el analista, en este casi se desea usar = 0.01 Grficamente el nivel de significancia se distribuye en la curva de distribucin normal como se muestra en la figura:

Paso 3. Calcular los intervalos que implican ese nivel de significancia Para dicho nivel de significancia el valor de Z es: Z=-2.326 Grficamente queda de la siguiente manera:

Paso 4

Ejemplo: En un estudio de infeccin de vas urinarias no complicadas, los pacientes fueron asignados para ser tratados con trimetoprim / sulfametoxazol o fosfomicina / trometamol. 92% de los 100 tratados con fosfomicina/ trometamol mostraron curacin bacteriolgica mientras que el 61% de los 100 manejados con trimetoprim / sulfametoxazol se cur la infeccin. Cuando comparamos proporciones de muestras independientes, debemos primero calcular la diferencia en proporciones. El anlisis para comparar dos proporciones independientes es similar al usado para dos medias independientes. Calculamos un intervalo de confianza y una prueba de hiptesis para la diferencia en proporciones. La notacin que usamos para el anlisis de dos proporciones es el mismo que para una proporcin. Los nmeros inferiores son para distinguir los dos grupos. Parmetros Poblacin 1 Proporcin 1 2 2 Muestra 1 p1 2 p2

Desviacin estndar

1(1-2) 2(1-2) p1(1-p1)

p2(1-p2)

El cuadrado del error estndar de una proporcin es conocido como la varianza de la proporcin La varianza de la diferencia entre las dos proporciones independientes es igual a la suma de las varianzas de las dos proporciones de las muestras. Las varianzas son sumadas debido a que cada muestra contribuye al error de muestreo en la distribucin de las diferencias. ES = p(1-p)/n Varianza = p(1-p)/n p1(1- p1) Varianza (p1-p2)= varianza de p1 + varianza de p2 = --------n1 p2(1- p2) + ---------n2

El error estndar de la diferencia entre dos proporciones es dado por la raz cuadrada de la varianza. ES (p1-p2)= [p1(1-p1)/n1 + p2(1-p2)/n2] Para calcular el intervalo de confianza necesitamos conocer el error estndar de la diferencia entre dos proporciones. El error estndar de la diferencia entre dos proporciones es la combinacin del error estndar de las dos distribuciones independientes, ES (p1) y ES (p2). Hemos estimado la magnitud de la diferencia de dos proporciones de las muestras; ahora calcularemos el intervalo de confianza para esa estimacin. La frmula general para el intervalo de confianza al 95% es: Estimado 1.96 x ES La frmula para 95% IC de dos proporciones sera: (p1-p2) 1.96 ES(p1-p2) En el estudio de infeccin de vas urinarias, la proporcin en el grupo de fosfomicina/ trometamol fue 0.92 y para trimetoprim/ sulfametoxazol fue 0.61 Diferencia en proporciones = 0.92-0.61=0.31 ES = [(0.92(1-0.92)/100 + 0.61(1-0.61)/100] = 0.056 El intervalo de confianza al 95% sera: 0.31 1.96 (0.056) = 0.310.11 = 0.2 a 0.42

El intervalo de confianza al 95% sera: 1.96 (0.056) = 0.310.11 = 0.2 a 0.42 Tengo 95% de confianza de que la diferencia en las proporciones en la poblacin estara entre 0.2 y 0.42. Como la diferencia no incluye 0, estamos confiados que en la poblacin la proporcin de curados con fosfomicina/trometamol es diferente que con trimetoprim sulfametoxazol. Una prueba de hiptesis usa la diferencia observada y el error estndar de la diferencia. Sin embargo, usamos un error estndar ligeramente diferente para calcular la prueba de hiptesis. Esto se debe a que estamos evaluando la probabilidad de que los datos observados asumen que la hiptesis nula es verdad. La hiptesis nula es que no hay diferencia en las proporciones de las dos poblaciones y ambas grupos tienen una proporcin comn, . El mejor estimado que podemos obtener de es la proporcin comn, p, de las dos proporciones de la muestra. P=r1+r2/n1+n2 Donde: r1 y r2 son los nmeros de respuestas positivas en cada muestra n1 y n2 son los tamaos de muestra en cada muestra. La proporcin comn siempre estar entre las dos proporciones individuales. El error estndar puede ser calculado sustituyendo p, por p1 y p2. ES(p1p2)=p(1-p)(1/n1 +1/n2) Esto se conoce como error estndar agrupado. En el estudio de infeccin de vas urinarias, la proporcin en el grupo de fosfomicina/ trometamol fue 0.92 y para trimetoprim/ sulfametoxazol fue 0.61 Fueron 100 intregrantes en cada grupo. Proporcin comn, p= 92 + 61/100+100 = 153/200 = 0.765 ES(p1-p2)=0.77(1-0.77)(1/100 +1/100)= 0.1771 x 0.002 = 0.019 Si asumimos una aproximacin a la Normalidad para la distribucin Binomial, calculamos la prueba de z , como antes. Para calcular la prueba de hiptesis, debemos: 1.- Sealar la hiptesis nula Ho 2.- Sealar la hiptesis alternativa H1 3.- Calcular la prueba de hiptesis z. Hiptesis nula:

Cuando comparamos dos proporciones de poblaciones independientes es usualmente que las dos proporciones son iguales. Ho: 1 = 2 Es lo mismo que si la diferencia en las proporciones de las dos poblaciones es igual a 0. Ho: 1 - 2 = 0 Hiptesis alternativa: Es usualmente que las dos proporciones no son iguales. H1: 1 2 Es lo mismo que la diferencia en proporciones no es igual a cero. H1: 1 2 0 0.92 de xito para fosfomicina / trometamol y 0.61 para trimetoprim / sulfametoxazol ES = 0.019 (p1-p2) 0 0.31 - 0

z= -------------- = -----------= 16.3 ES(p1-p2) P<0.05 Rechazamos la hiptesis nula de que las dos proporciones son iguales y aceptamos la hiptesis alternativa de que son diferentes. 0.019

5.2 PRUEBA PARA LA DIFERENCIA ENTRE DOS PROPORCIONES.

Las pruebas de hiptesis a partir de proporciones se realizan casi en la misma forma utilizada cuando nos referimos a las medias, cuando se cumplen las suposiciones necesarias para cada caso. Pueden utilizarse pruebas unilaterales o bilaterales dependiendo de la situacin particular. La proporcin de una poblacin Las hiptesis se enuncian de manera similar al caso de la media. Ho: p = p0 H1: p p0 En caso de que la muestra sea grande n>30, el estadgrafo de prueba es: se distribuye normal estndar. Regla de decisin: se determina de acuerdo a la hiptesis alternativa (si es bilateral o unilateral. En el caso de muestras pequeas se utiliza la distribucin Binomial. No lo abordaremos por ser complicado y poco frecuente su uso. Diferencia entre las proporciones de dos poblaciones La situacin ms frecuente es suponer que existen diferencias entre las proporciones de dos poblaciones, para ello suelen enunciarse las hiptesis de forma similar al caso de las medias: Ho: p1 = p2 p1 - p2 = 0 H1: p1 p2 Puede la hiptesis alternativa enunciarse unilateralmente. El estadgrafo de prueba para el caso de muestras independientes: donde

Siendo a1 y a2, el nmero de sujetos con la caracterstica objeto de estudio en las muestras 1 y 2 respectivamente, es decir, en vez de calcular la varianza para cada muestra, se calcula una p conjunta para ambas muestras bajo el supuesto que no hay diferencias entre ambas proporciones y as se obtiene la varianza conjunta. Recuerda que q = 1-p. Est de ms que te diga que este estadgrafo se distribuye normal estndar.

La regla de decisin se determina de manera similar a los casos ya vistos anteriormente. El objetivo de la prueba es comparar estas dos proporciones, como estimadores H1: p1 p2 Recuerda que la H1 tambin puede plantearse de forma unilateral. En algunos diseos de investigacin, el plan muestral requiere seleccionar dos muestras independientes, calcular las proporciones mustrales y usar la diferencia de las dos proporciones para estimar aprobar una diferencia entre las mismas .Las aplicaciones son similares a la diferencia de medias, por ejemplo si dos empresas consultoras ofrecen datos de proporciones de personas que van a votar por el PRI y al hacer dos estudios diferentes salen resultados ligeramente diferentes pero qu tanta diferencia se requiere para que sea estadsticamente significativo? De eso se tratan las Pruebas estadsticas de diferencias de proporciones. Estimacin de la Diferencia de dos Proporciones En la seccin anterior se vio el tema de la generacin de las distribuciones muestrales, en donde se tena el valor de los parmetros, se seleccionaban dos muestras y podamos calcular la probabilidad del comportamiento de los estadsticos. Para este caso en particular se utilizar la distribucin muestral de diferencia de proporciones para la estimacin de las mismas. Recordando la formula:

Despejando P1-P2 de esta ecuacin:

Aqu se tiene el mismo caso que en la estimacin de una proporcin, ya que al hacer el despeje nos queda las dos proporciones poblacionales y es precisamente lo que queremos estimar, por lo que se utilizarn las proporciones de la muestra como estimadores puntuales:

Ejemplo: Se considera cierto cambio en un proceso de fabricacin de partes componentes. Se toman muestras del procedimiento existente y del nuevo para determinar si ste tiene como resultado una mejora. Si se encuentra que 75 de 1500 artculos del procedimiento actual son defectuosos y 80 de 2000 artculos del procedimiento nuevo tambin lo son, encuentre un intervalo de confianza de 90% para la diferencia real en la fraccin de defectuosos entre el proceso actual y el nuevo. Solucin: Sean P1 y P2 las proporciones reales de defectuosos para los procesos actual y nuevo, respectivamente. De aqu, p1=75/1500 = 0.05 y p2 = 80/2000 = 0.04. con el uso de la tabla encontramos que z para un nivel de confianza del 90% es de 1.645.

-0.0017<P1-P2<0.0217 Como el intervalo contiene el valor de cero, no hay razn para creer que el nuevo procedimiento producir una disminucin significativa en la proporcin de artculos defectuosos comparado con el mtodo existente. Un artculo relacionado con la salud, reporta los siguientes datos sobre la incidencia de disfunciones importantes entre recin nacidos con madres fumadoras de marihuana y de madres que no la fumaban: Usuaria Tamao Muestral Nmero disfunciones Proporcin muestral de 1246 42 0.0337 No Usuaria 11178 294 0.0263

Encuentre el intervalo de confianza del 99% para la diferencia de proporciones. Solucin:

Representemos P1 la proporcin de nacimientos donde aparecen disfunciones entre todas las madres que fuman marihuana y definamos P 2, de manera similar, para las no fumadoras. El valor de z para un 99% de confianza es de 2.58.

-0.0064<P1-P2<0.0212 Este intervalo es bastante angosto, lo cual sugiere que P 1-P2 ha sido estimado de manera precisa. Determinacin de Tamaos de Muestra para Estimaciones Al iniciar cualquier investigacin, la primer pregunta que surge es: de qu tamao debe ser la o las muestras?. La respuesta a esta pregunta la veremos en esta seccin, con conceptos que ya se han visto a travs de este material. EJEMPLO: Oficiales escolares comparan el coeficiente intelectual entre nios de dos grupos. De una muestra de 159 nios del grupo 1 78 califican con ms de 100 puntos, de una muestra de 250 nios del grupo 2 123 califican con ms de 100 puntos. Construya un intervalo de confianza par a la diferencia entre las dos proporciones del grupo 1 y 2 de los nios con califican con ms de 100.

Ejemplo: Algunas veces estamos interesados en analizar la diferencia entre las proporciones de poblaciones de grupos con distintas caractersticas. Por ejemplo, pensemos que la administracin de las tiendas Oxxo cree, sobre la base de una investigacin, que el porcentaje de hombres que visitan sus tiendas 9 o ms veces al mes (clientes frecuentes) es mayor que el porcentaje de mujeres que hacen lo mismo. Las especificaciones requeridas y el procedimiento para probar esta hiptesis es la siguiente: 1. Las hiptesis nula y alternativa son las siguientes:
H o = PH PM 0 , la proporcin de hombres que reportan 9 o ms visitas

por mes es la misma o menor que la proporcin de mujeres que hacen lo mismo.
H a = PH PM > 0 , la proporcin de hombres que reportan 9 o ms visitas

por mes es mayor a la proporcin de mujeres que hacen lo mismo. La informacin proporcionada es:
n H = 45 nM = 71

PH = .58 PM = .42
PH PM = .58 .42 = .16

2. Especifica el nivel de significacin de = .05 . El valor crtico para la prueba de una sola cola es de 1.64. 3. Estima el error estndar de la diferencia de las dos proporciones:

s p h m =

1 1 P(1 P ) n + n M H

donde:
P= n H PH + n M PM nH + nM

PH = proporcin muestra de hombres (H)

PM = proporcin muestra de mujeres (M) NH = tamao de muestra hombres NM = tamao de muestra mujeres Por lo tanto:
P= 45(.58) + 71(.42) = 0.48 45 + 71

y
1 1 s p hm = .48(1 .48) + = 0.10 45 71

4. Calcula de prueba estadstica:

Z=

(diferencia _ entre _ proporciones _ observadas) (diferencia _ entre _ proporciones _ Ho ) s ph m

(.58 .42) (0) = 1.60 .10

Z=

La hiptesis nula es aceptada porque el valor de la Z calculada es menor que el valor crtico Z. La administracin no puede concluir con un 95 por ciento de confianza que la proporcin de hombres que visita 9 o ms veces los Oxxo es mayor que la proporcin de mujeres.

5.3 PRUEBA PARA LA DIFERENCIA EN n PROPORCIONES Z.

Una distribucin poblacional representa la distribucin de valores de una poblacin y una distribucin muestral representa la distribucin de los valores de una muestra. En contraste con las distribuciones de mediciones individuales, una distribucin muestral es una distribucin de probabilidad que se aplica a los valores posibles de una estadstica muestral. As, la distribucin muestral de la

media es la distribucin de probabilidad de los valores posibles de la media muestral con base en un determinado tamao de muestra. Para cualquier tamao de muestra dado n, tomado de una poblacin con media , los valores de la media muestralvaran de una muestra a otra. Esta variabilidad sirve de base para la distribucin muestral. La distribucin muestral de la media se describe determinando el valor esperado E () o media, de la distribucin y la desviacin estndar de la distribucin de las medias, . Como esta desviacin estndar indica la precisin de la media muestral como estimador puntual, por lo general se le denomina error estndar de la media. Ejemplo: Un fabricante de reproductores de discos compactos utiliza un conjunto de pruebas amplias para evaluar la funcin elctrica de su producto. Todos los reproductores de discos compactos deben pasar todas las pruebas antes de venderse. Una muestra aleatoria de 500 reproductores tiene como resultado 15 que fallan en una o ms pruebas. Encuentre un intervalo de confianza de 90% para la proporcin de los reproductores de discos compactos de la poblacin que no pasan todas las pruebas. Solucin: n=500 p = 15/500 = 0.03 z(0.90) = 1.645

0.0237<P<0.0376 Se sabe con un nivel de confianza del 90% que la proporcin de discos defectuosos que no pasan la prueba en esa poblacin est entre 0.0237 y 0.0376. Ejemplo: En una muestra de 400 pilas tipo B fabricadas por la Everlast Company, se encontraron 20 defectuosas. Si la proporcin p de pilas defectuosas en esa muestra se usa para estimar P, que vendr a ser la proporcin verdadera de todas las pilas defectuosas tipo B fabricadas por la Everlast Company, encuentre el mximo error de estimacin tal que se pueda tener un 95% de confianza en que P dista menos de de p.

Solucin:

p=x/n = 20/400=0.05 z(0.95)=1.96

Si p=0.05 se usa para estimar P, podemos tener un 95% de confianza en que P dista menos de 0.021 de p. En otras palabras, si p=0.05 se usa para estimar P, el error mximo de estimacin ser aproximadamente 0.021 con un nivel de confianza del 95% Para calcular el intervalo de confianza se tendra:

Esto da por resultado dos valores, (0.029, 0.071). Con un nivel de confianza del 95% se sabe que la proporcin de pulas defectuosas de esta compaa est entre 0.029 y 0.071. Si se requiere un menor error con un mismo nivel de confianza slo se necesita aumentar el tamao de la muestra.

5.4 PRUEBA DE INDEPENDENCIA (ji-CUADRADA).

Cuando comparamos dos situaciones podemos esperar que sean ya bien dependientes o independientes esto quiere decir que pueden o no estar relacionados sus datos debido a muchos factores que pueden influir en ellos o bien, un problema no tenga relacin con otro.

La prueba de independencia trata sobre esto, ya que su objetivo es determinar si alguna situacin es afectada por otra, basndose en datos estadsticos y valores probabilstico obtenidos de la fabulacin de datos o de pronsticos por medio de frmulas y tablas, para esto se basa en un nivel de significancia en un caso y en el otro a comparar, valindonos de tablas de contingencia para obtener frecuencias esperadas y poder aplicarlas, para as obtener datos comparativos que son determinantes en la decisin de independencia. La estadstica de prueba que ser utilizada en la toma de una decisin acerca de la hiptesis nula es ji cuadrado, X2 (X es la letra griega ji minscula. Los valores de ji cuadrado se obtienen con las siguientes formula:

X2 = i

(Oi ei)2 ei

Grados de libertad V = (r-1)*(c-1) Frecuencia Esperada = Total de la columna * Total del rengln Gran total Caractersticas X2 toma valores no negativos; es decir, puede ser cero o positiva. X2 no es simtrica; es asimtrica hacia la derecha. Existen muchas distribuciones X2 como en el caso de la distribucin t, hay una distribucin, X2 diferente para cada valor de los grados de libertad. Nos dan una tabla de contingencia. Una tabla de contingencia es una disposicin de datos en una clasificacin de doble entrada. Los datos se ordenan en celdas y se reporta l nmero de datos en cada una. En la tabla de contingencia estn implicados dos factores (o variables), y la pregunta comn en relacin con tales tablas es si los datos indican que las dos variables son independientes o dependientes. Para ilustrar la utilizacin y anlisis de una tabla de contingencia, considrese la clasificacin por sexo de los estudiantes de una escuela y su rea acadmica favorita.

Ejemplo: Cada persona de un grupo de 300 estudiantes fue identificada como hombre o mujer, preguntndosele si prefera recibir cursos en el rea de matemticas, ciencias sociales o humanidades. La siguiente tabla es una de contingencia que indica las frecuencias encontradas para esas categoras. Presenta esta tabla la evidencia suficiente para rechazar la hiptesis nula la preferencia por las matemticas, ciencias sociales o humanidades es independiente del sexo de un alumno, al nivel de significancia del 0.05?

Solucin: Paso 1 Ho: La preferencia por matemticas, ciencias sociales o humanidades es independiente del sexo de los estudiantes de la escuela. Ha: La preferencia por las reas es no independiente del sexo de los estudiantes. Pas 2 Para determinar el valor crtico de la ji cuadrada debe conocerse los grados de libertad, implicado. En el caso de tablas de contingencia, este nmero es exactamente el nmero de celdas en la tabla que puede ser llenadas libremente cuando se conocen los totales. Estos ltimos se indican en la tabla siguiente. 122 178 72 113 115 300

Dados estos totales, solo pueden llenarse dos celdas antes que las restantes queden determinadas. (por supuesto, los totales deben ser los mismos.) Por ejemplo, una vez que se seleccionen dos valores arbitrarios (por ejemplo, 50 y 60) para las dos primeras celdas de la primera fila (vase la tabla siguiente), quedan fijos los otros cuatro valores. 50 D 72 60 E 113 C F 115 122 178 300

Dichos valores deben ser C=12, D=22, E=53 y F=103. De otra manera los totales no sern correctos. En consecuencia, para este problema existen dos selecciones

libres. Cada una de estas corresponde a un grado de libertad. As, el nmero de grados de libertada en este ejemplo es 2 (v=2). Por esta razn, si se utiliza =0.05, el valor critico es X2 (2, 0.05) = 6. Vase la siguiente figura.

Pas 3 Antes de poder hallar el valor calculado de ji cuadrada, es necesario examinar los valores esperados E para cada celda. Para tal fin debe recordarse la hiptesis nula, la cual asevera que estos factores son independientes. En consecuencia, se espera que los valores estn distribuidos en proporcin a los totales marginales. Hay 122 hombres; se espera que estn distribuidos entre M, CS y H proporcionalmente a los totales 72, 113 y 115. As, para los hombres las cuentas esperadas de celda son: 72/300 x 122 113/300 x 122 115/300 x 122

Similarmente, se esperan: 72/300 x 178 113/300 x 178 115/300 x 178

Para las mujeres. Entonces los valores esperados son como se indica en la tabla siguiente (siempre verifquense los totales nuevos contra los antiguos.)

CS 29.28

H 45.95

Total 46.77 122

42.72 Total Nota 72.00

67.05 113.00

68.23

178 115.00 300.00

El clculo de los valores esperados puede verse de manera alternativa. Recurdese que la hiptesis nula se supone cierta en tanto no haya evidencia para rechazarla. Habiendo hecho este supuesto en el ejemplo, de hecho s est afirmando que son independientes los eventos un estudiante seleccionado aleatoriamente es hombre, y un estudiante elegido al azar prefiere cursos de matemticas. El estimador puntual para la probabilidad de que un estudiante sea hombre es 122/300, y para la probabilidad de que un estudiante prefiera los cursos de matemtica es 72/300. En consecuencia, la probabilidad de que ocurran ambos eventos es el producto de las probabilidades. Para estudiar la dependencia entre la prctica de algn deporte y la depresin, se seleccion una muestra aleatoria simple de 100 jvenes, con los siguientes resultados: Sin depresin Con depresin Deportista 38 9 22 31 47 53 100

No deportista 31 69

L = (38 32,43)2/32,43 + (31 36,57)2/36,57 + (9 14,57)2/14,57 + (22 16,43)2/16,43 = 0,9567 + 0,8484 + 2,1293 + 1,8883 = 5,8227 El valor que alcanza el estadstico L es 5,8227. Buscando en la tabla terica de Chi Cuadrado para 1 grado de libertad se aprecia Lt = 3,84146 < 5,8227 lo que permite rechazar la hiptesis de independencia de caracteres con un nivel de significacin del 5%, admitiendo por tanto que la prctica deportiva disminuye el riesgo de depresin. Ejemplo: Ilustraremos esta tcnica con el estudio que realiz Cervecera Modelo, la cual fabrica y distribuye tres tipos de cerveza: ligera, clara y oscura. En un anlisis de segmentacin de mercado para las tres cervezas, el grupo de investigacin encargado ha planteado la duda de si la preferencia para las tres cervezas es diferente entre los consumidores hombres y mujeres. Si la preferencia de las cervezas fuera independiente del gnero del consumidor, se iniciara una campaa de publicidad para todas las cervezas Modelo. Sin embargo, si la

preferencia depende del gnero del consumidor, se ajustaran las promociones para tener en cuenta los distintos mercados meta. Una prueba de independencia usa la pregunta de si la preferencia de la cerveza (ligera, clara y oscura) es independiente del gnero del consumidor (hombre, mujer). Las hiptesis para esta prueba de independencia son: Ho: La preferencia de la cerveza es independiente del gnero del consumidor Ha: La preferencia de la cerveza no es independiente del gnero del consumidor Podemos usar una tabla como la 1 para describir el caso que se estudia. Despus de identificar a la poblacin, consumidores hombres y mujeres, se puede tomar una muestra y preguntar a cada persona que diga su preferencia entre las cervezas modelo. Cada persona de la muestra se clasificar en una de las seis celdas de la tabla. Por ejemplo una persona puede ser hombre y prefiera la cerveza clara [celda (1,2)], una mujer que prefiere la cerveza ligera [celda (2,1)], una mujer que prefiere la cerveza oscura [celda (2,3)] y as sucesivamente. Como en la lista aparecen todas las combinaciones posibles de predileccin de cerveza y gnero, en otras palabras aparecen todas las contingencias posibles, a la tabla se le llama tabla de contingencia. Cerveza preferida Ligera Clara Oscura

Gnero Hombre Celda (1,1) Celda (1,2) Celda (1,3) Mujer Celda (2,1) Celda (2,2) Celda (2,3)

Supongamos que se ha tomado una muestra aleatoria simple de 150 bebedores de cerveza. Despus de saborear cada una, se les pide expresar su preferencia o primera alternativa. La tabulacin cruzada de la siguiente tabla 2 resume las respuestas obtenidas. Observamos que, los datos para la prueba de independencia se agrupan en trminos de cantidades o frecuencias para cada celda o categora. De las 150 personas de la muestra, 20 fueron hombres que prefirieron la cerveza ligera, 40 fueron mujeres que prefirieron la cerveza clara, 20 fueron hombres que prefirieron la cerveza oscura, y as sucesivamente.

Los datos de la tabla 2 constituyen las frecuencias observadas para las seis clases o categoras. Cerveza preferida Ligera Clara Oscura Total Gnero Hombre 20 Mujer Total 30 50 40 30 70 20 10 30 80 70 150

Si podemos determinar las frecuencias esperadas bajo la hiptesis de independencia entre la preferencia de cerveza y el gnero del consumidor, podemos usar la distribucin ji cuadrada para determinar si existe una diferencia significativa entre la frecuencia observada y la esperada. Cerveza preferida Ligera Clara Gnero Hombre 26.67 Mujer Total 23.33 50.00 Oscura Total 80 70 150

37.33 16.00 32.67 14.00 70.00 30.00

Las frecuencias esperadas en las celdas de la tabla de contingencia se basan en el siguiente razonamiento. Primero suponemos que es verdadera la hiptesis nula, de independencia entre la cerveza preferida y el gnero del consumidor. A continuacin observamos que en toda la muestra de 150 consumidores, hay 50 que prefieren la cerveza ligera, 70 la cerveza clara y 30 la cerveza oscura. Expresada en fraccin, la conclusin es que de 50/150 = 1/3 de los consumidores de cerveza prefieren la ligera; 70/150 = 7/15 la clara y 30/150 = 1/5 la oscura. Si es vlida la hiptesis de independencia, decimos que estas fracciones se deben de aplicar por igual a los consumidores hombres y mujeres. As bajo la hiptesis de independencia, esperaramos que la muestra de 80 consumidores hombres indicara que (1/3) 80 = 26.7 prefieren cerveza ligera, (7/15) 80 = 37.33 la clara y (1/5) 80 = 16 la oscura. La aplicacin de las mismas fracciones a las 70 consumidoras mujeres produce las frecuencias esperadas que aparecen en la tabla.
e Sea ij la frecuencia esperada en la categora del rengln i y la columna j de la tabla de contingencia. Con esta notacin reconsideremos el clculo de la frecuencia esperada para los hombres (rengln i = 1) que prefieren la cerveza e clara (columna j = 2) esto es, la frecuencia esperada 1, 2 . Apegndonos al

esquema anterior para el clculo de las frecuencias esperadas, podemos demostrar que

e1, 2

= (7/15) 80 = 37.33

Esta ecuacin se puede escribir como sigue

e1, 2

= (7/15) 80 = (70/150) 80 = 37.33

Observe que 80 es la cantidad total de hombres (total del rengln 1), 70 es la cantidad total de individuos (hombres y mujeres) que prefieren la cerveza clara (total de la columna 2) y 150 es el tamao de la muestra total. En consecuencia vemos

e1, 2 =

(total del rengln 1) (total de la columna 2) tamao de la muestra

Al generalizar la ecuacin vemos que la frmula siguiente determina las frecuencias esperadas de una tabla de contingencias para la prueba de independencia.

Frecuencias esperadas en la tabla de contingencia suponiendo independencia

eij =

(Total del rengln i ) (total de la columna j ) tamao de la muestra

El procedimiento de prueba para comparar frecuencias observadas con las frecuencias esperadas, se parece a los clculos de bondad de ajuste. Especficamente, el valor de esperadas se calcula como sigue:
2

basados en las frecuencias observadas y

 =
2

i =1

[f

oi

f ei f ei

Oi = Valor observado en la i-simo celda. Ei = K = Valor esperado en la i-simo celda. Categoras o celdas.

Con n renglones y m columnas en la tabla de contingencia, el estadstico de prueba tiene una distribucin ji cuadrada con (n 1) (m 1) grados de libertad, siempre y cuando las frecuencias esperadas sean 5 o ms para todas las categoras. En consecuencia proseguimos con el clculo de la estadstica de prueba ji cuadrada.

Los clculos necesarios para determinar el estadstica ji cuadrada y ver si la preferencia de cerveza es independiente del gnero de quien la bebe se ven en la tabla. La cantidad de grados de libertad para la distribucin ji cuadrada adecuada se determina multiplicando la cantidad de renglones menos 1 por la cantidad de columnas menos 1. Como tenemos dos renglones y tres columnas, entonces (2 1) (3 1) = (1) (2) = 2 grados de libertad para la prueba de independencia entre cerveza y gnero del consumidor. Con = .05 como nivel de significancia de la

.2 05 = 5.99. prueba, buscamos en la tabla de ji cuadrada y nos da un valor Observe que estamos usando el valor de la cola superior, porque rechazaremos la hiptesis nula slo si las diferencias entre frecuencias observadas y esperadas
producen un valor grande de . En el ejemplo =6.13 es mayor que = 5.99. Por consiguiente, rechazaremos la hiptesis nula de independencia y concluimos que la, la preferencia cerveza preferida no es independiente del gnero del consumidor, es decir para las tres cervezas es diferente entre los consumidores hombres y mujeres y por lo tanto la Cervecera Modelo deber estratificar a los consumidores para ajustar las promociones y la publicidad, teniendo en cuenta estas diferencias.
2 2 2

Gnero Hombre Hombre Hombre Mujer Mujer Mujer

Cerveza ligera clara Oscura ligera clara Oscura

fo
20 40 20 30 30 10

fe
26.67 37.33 16 23.33 32.67 14

( fo fe )
-6.67 2.67 4 6.67 -2.67 -4

( fo fe )2

( f o f e ) 2 / eij
1.66812523 0.19096973 1 1.90693956 0.21820937 1.14285714 6.12710104

44.4889 7.1289 16 44.4889 7.1289 16

5.5 PRUEBAS DE CONTINGENCIA (ji-CUDRADA).

La prueba chi-cuadrado de contingencia sirve para comprobar la independencia de frecuencias entre dos variables aleatorias, X e Y. Las hiptesis contrastadas en la prueba son: Hiptesis nula: X e Y son independientes. Hiptesis alternativa: X e Y no son independientes (No importa cul sea la relacin que mantengan ni el grado de esta. La condicin de independencia, tal como fue definida en la pgina anterior era: X e Y son independientes si y slo si para cualquier pareja de valores x e y la probabilidad de que X tome el valor x e Y el valor y, simultneamente, es igual al producto de las probabilidades de que cada una tome el valor correspondiente.

Por tanto, todo lo que necesitamos sern unas estimas de las funciones de probabilidad de ambas variables por separado (f(x) y f(y)) y de la funcin de probabilidad conjunta (f(x,y)) Empezaremos la prueba tomando una muestra de parejas de valores sobre la que contaremos la frecuencia absoluta con la que aparece cada combinacin de valores (xi,yj) o de grupos de valores (i,j) (O ij) La tabla siguiente, en la que se recogen estos datos, es en realidad nuestra estimacin de la funcin de probabilidad conjunta multiplicada por el nmero total de datos (T).

Para obtener las estimas de las funciones de probabilidad marginales debemos sumar por filas y por columnas los valores de las frecuencias conjuntas. Las sumas de filas (Fi) son, en cada caso, el nmero de veces que hemos obtenido un valor de X (xi) en cualquier combinacin con distintos valores de Y, es decir, son nuestra estima de la funcin de probabilidad de X multiplicada por el nmero total de observaciones; anlogamente, las sumas de columnas (C j) son nuestra estima de la funcin de probabilidad de Y multiplicada por el nmero total de observaciones. El nmero total de observaciones lo podemos obtener como la suma de todas las frecuencias observadas o, tambin, como la suma de las sumas de filas o de las sumas de columnas:

As pues, si las variables fueran independientes debera cumplirse que

Naturalmente, nadie espera que esta condicin se cumpla exactamente debido al efecto de los errores de muestreo aleatorio. Por tanto, nuestro problema consiste en distinguir entre las diferencias producidas por efecto del muestreo y diferencias que revelen falta de independencia. Podemos convertir la ecuacin anterior a frecuencias absolutas multiplicando por T:

Si X e Y son independientes, Oij debe ser igual a

y, por tanto,

Bajo la hiptesis de independencia,

es el valor esperado de Oij (Eij)

Tal como pasaba en la prueba anterior, si las variables son independientes, es decir, si las frecuencias Eij son realmente los valores esperados de las frecuencias Oij, se puede calcular un parmetro que depende de ambas que tiene distribucin chi-cuadrado,

Por otra parte, si las variables no son independientes, las diferencias entre las series de frecuencias observadas y esperadas sern mayores que las atribuibles al efecto del azar y, al estar elevadas al cuadrado en el numerador de la expresin anterior, sta tender a ser mayor que lo que suele ser el valor de una variable chi-cuadrado.

Por tanto, el parmetro anterior ser el estadstico de la prueba de hiptesis y la regin crtica se encontrar siempre en la cola derecha de la distribucin chicuadrado. Nuevamente, esta prueba ser siempre de una sola cola.

Estadstico de contraste Se acepta la hiptesis nula si cuadrado con grados de libertad. , el percentil 1 de la distribucin chi-

Tal como ocurra en la prueba anterior lo corriente es que queramos demostrar que dos variables son independientes, es decir, que, habitualmente, nos veremos obligados a colocar nuestra hiptesis en la hiptesis nula. El nmero de grados de libertad de la chi-cuadrado que sirve de contraste se calcula de la siguiente forma: A priori tendremos tantos grados de libertad como combinaciones de valores x i, yj tengamos (I J) A este nmero tendremos que restarle I debido a que, para calcular las frecuencias esperadas, necesitamos calcular las I sumas de filas en la tabla anterior. Conocidas las sumas de filas obtenemos el nmero total de observaciones sin perder ningn grado de libertad. A continuacin, necesitaremos calcular, a partir de las frecuencias observadas J 1 de las sumas de columnas; la restante podemos obtenerla restando la suma de las anteriores del total de observaciones (T). En resumen, el nmero de grados de libertad de la prueba es el producto del nmero de filas menos uno por el nmero de columnas menos uno.

En cuanto a la magnitud mnima necesaria de las frecuencias observadas y esperadas, rigen las mismas normas que en el caso de la prueba de ajuste. En

este caso, si nos viramos obligados a juntar valores para sumar frecuencias, debemos unir columnas o filas completas (y contiguas). Obviamente, los grados de libertad no deben calcularse hasta que no se hayan realizado todas las agrupaciones necesarias y quede claro cul es el nmero de filas y columnas de la tabla definitiva. Como hemos visto, esta prueba no hace ninguna suposicin acerca del tipo de distribucin de ninguna de las variables implicadas y utiliza nicamente informacin de la muestra, es decir, informacin contingente. Esta es la razn por la que, habitualmente, se le llama chi-cuadrado de contingencia.

5.6 PRUEBAS DE BONDAD DE AJUSTE.

Las pruebas de bondad de ajuste tienen por objetivo determinar si los datos se ajustan a una determinada distribucin, esta distribucin puede estar completamente especificada (hiptesis simple) o perteneciente a una clase paramtrica (hiptesis compuesta). Una hiptesis estadstica se defini como una afirmacin o conjetura acerca de la distribucin f(x,q) de una o ms variables aleatorias. Igualmente se plante que la distribucin poda tener uno o ms parmetros desconocidos, que denotamos por q y que la hiptesis se relaciona con este parmetro o conjunto de parmetros En otros casos, se desconoce por completo la forma de la distribucin y la hiptesis entonces se relaciona con una distribucin especfica f(x,q) que podamos asignarle al conjunto de datos de la muestra. El primer problema, relacionado con los parmetros de una distribucin conocida o supuesta es el problema que hemos analizado en los prrafos anteriores. Ahora examinaremos el problema de verificar si el conjunto de datos se puede ajustar o afirmar que proviene de una determinada distribucin. Las pruebas estadsticas que tratan este problema reciben el nombre general de Pruebas de Bondad de Ajuste. Se analizarn dos pruebas bsicas que pueden aplicarse: La prueba Chi Cuadrado y la prueba de Smirnov-Kolmogorov. Ambas pruebas caen en la categora de lo que en estadstica se denominan pruebas de Bondad de Ajuste y miden, como el nombre lo indica, el grado de ajuste que existe entre la distribucin obtenida a partir de la muestra y la distribucin terica que se supone debe seguir esa muestra. Ambas pruebas estn basadas en la hiptesis nula de que no hay diferencias significativas entre la distribucin muestral y la terica. Ambas pruebas estn basadas en las siguientes hiptesis: H0: f(x,q) = f0(x,q) H1: f(x,q) f0(x,q) Donde f0(x, q) es la distribucin que se supone sigue la muestra aleatoria. La hiptesis alternativa siempre se enuncia como que los datos no siguen la distribucin supuesta. Si se desea examinar otra distribucin especfica, deber realizarse de nuevo la otra prueba suponiendo que la hiptesis nula es esta nueva distribucin. Al especificar la hiptesis nula, el conjunto de parmetros definidos por q puede ser conocido o desconocido. En caso de que los parmetros sean desconocidos, es necesario estimarlos mediante alguno de los mtodos de estimacin analizados con anterioridad. Para formular la hiptesis nula debern tenerse en cuenta los siguientes aspectos o criterios:

a) La naturaleza de los datos a analizar. Por ejemplo, si tratamos de investigar la distribucin que siguen los tiempos de falla de unos componentes, podramos pensar en una distribucin exponencial, o una distribucin gama o una distribucin Weibull, pero en principio no consideraramos una distribucin normal. Si estamos analizando los caudales de un ro en un determinado sitio, podramos pensar en una distribucin logartmica normal, pero no en una distribucin normal. b) Histograma. La forma que tome el histograma de frecuencia es quizs la mejor indicacin del tipo de distribucin a considerar.

5.7 APLICACIONES.
Para la ocurrencia de dos eventos, en la cual se desea observar si son dependientes o independientes. La distribucin ji cuadrada sirve para todas las inferencias sobre la variancia de una poblacin. Existen muchos problemas para los cuales los datos son categorizados y los resultados expuestos en forma de conteos o cuentas. Se pueden aplicar en: un conjunto de calificaciones de un examen final puede ser representado como una distribucin de frecuencias. Estos valores son cuentas: l numera de datos que caen en cada celda. En una encuesta determinada se podra preguntar a unas personas si votaran por los candidatos A, B o C, por lo general, los resultados se indican en una grfica que informa acerca del nmero de votantes para cada categora posible.

Instituto Tecnolgico de Piedras Negras

PROBLEMAS UNIDAD 5
Materia: Estadstica Inferencial I. Maestro: Ing. Fco. Rene Vidaurrazaga Obezo. Alumno: Cristian Antonio Reyes Torres. Nm de Control: 11/080

Junio del 2013

LABORATORIO DE UNIDAD V IGE ESTADISTICA INFERENCIAL I 1. Se ponen a prueba la enseanza de la Estadstica empleando Excel y Winstats. Para determinar si los estudiantes difieren en trminos de estar a favor de la nueva enseanza se toma una muestra de 20 estudiantes de dos paralelos. De paralelo A 18 estn a favor, en tanto que del paralelo B estn a favor 14. Es posible concluir con un nivel de significacin de 0,05 que los estudiantes que estn a favor de la nueva enseanza de la Estadstica es la misma en los dos paralelos?. Los datos son:

2. Se tomar el voto entre los residentes de una ciudad y el condado circundante para determinar si se debe construir una planta qumica propuesta. El lugar de construccin est dentro de los lmites de la ciudad y por esta razn muchos votantes del condado consideran que la propuesta pasar debido a la gran proporcin de votantes que favorecen la construccin. Para determinar si hay una diferencia significativa en la proporcin de votantes de la ciudad y votantes del condado que favorecen la propuesta, se realiza una encuesta. Si 120 de 200 votantes de la ciudad favorecen la propuesta y 240 de 500 residentes del condado tambin lo hacen, estara de acuerdo en que la proporcin de votantes de la ciudad que favorecen la propuesta es ms alto que la proporcin de votantes del condado? Utilice un nivel de significancia de 0.025. 3. La siguiente tabla muestra las frecuencias observadas y las frecuencias esperadas al lanzar un dado 60 veces. Contrastar la hiptesis de que el dado es bueno, con un nivel de significacin de 0,01. Cara del dado Frecuencia observada Frecuencia 1 6 2 8 3 9 4 5 6

15 14 8

10 10 10 10 10 10

esperada

TEMA 5.5 PRUEBA DE CONTINGENCIA (2)

4.-Los distribuidores Core-Mark clasifican sus cuentas por cobrar como pagadas a tiempo o retrasadas. Core-Mark tambin clasifica las cuentas como locales o nacionales. Los datos del la ltima semana son los siguientes:

Situacin del pago Proximidad Local Nacional Pagado 75 60 Atrasado 95 110

a) Establezca la hiptesis nula y alternativa b) Calcule los grados de libertad c) Establezca la regla de decisin con un nivel de significancia del 0.02 d) Pruebe si la proximidad del deudor tiene alguna influencia en la situacin de sus pagos

5.- La asociacin metropolitana de mejoramiento est planeando construir un nuevo club deportivo en Pueblo, Colorado. El grupo emprendi una investigacin de mercado en el sur de Colorado para determinar las preferencias deportivas de

los hombres de varias edades. Una muestra aleatoria de 680 hombres dio los siguientes resultados: Grupos de edad Deporte Bisbol Basketbol F. Americano Soccer a) b) c) d) 18-30 25 100 5 20 31-45 50 80 25 30 45-60 75 30 25 40 61+ 100 10 30 35

Establezca la hiptesis nula y alternativa Calcule los grados de libertad Establezca la regla de decisin con un nivel de significancia del 0.10 Se relaciona la edad con las preferencias deportivas.

5.6 PRUEBA DE BONDAD DE AJUSTE 6.-. La compaa de refrescos Bimbo est a punto de introducir en el mercado su refresco de cola diettico y quiere saber si los consumidores prefieren una marca

determinada en una prueba de sabor a ciegas. Se ofrece a 200 bebedores de refresco de cola diettico cuatro bebidas diferentes en recipientes idnticos y se les pide que indiquen su refresco favorito. Los resultados son los siguientes: Refresco de Cola Diettico Favorito A 60 B 43 C 46 D 51

a) b) c) d)

Establezca las hiptesis nula y alternativa Calcule los grados de libertad Establezca la regla de decisin con un nivel de significancia del .01 Pruebe si la gente prefiere una marca a otra.

7.- La compaa Corso est preocupada por las preferencias que tienen los consumidores por otras marcas de crema de cacahuate. Contrata los servicios de una empresa de investigacin que realiza una encuesta telefnica en 400 casas y obtiene las siguientes preferencias de marca. Marca A 75 a) b) c) d) Corso 65 Marca C 90 Marca D 82 Marca E 88

Establezca las hiptesis nula y alternativa Calcule los grados de libertad Establezca la regla de decisin con un nivel de significancia del .05 Pruebe si la gente prefiere Corso u otra

8.-. Una compaa de refrescos quiere introducir al mercado su refresco diettico y quiere saber si los consumidores prefieren una marca determinada en una prueba de sabor a ciegas. Se ofrecen a 200 bebedores de refresco diettico 4 bebidas

diferentes en recipientes identicos y se les pide que indiquen su favorito, los resultados son los siguientes: A 60 B 43 C 46 D 51

a) Establezca la hiptesis nula y alternativa. b) Calcule el valor apropiado de los grados de libertad. c) Establezca la regla de decisin a un nivel de significancia de .01. d) Pruebe si la gente prefiere una marca u otra.