PONTIFICIA UNIVERSIDAD CATOLICA MADRE Y MAESTRA

FACULTAD DE CIENCIAS DE LA INGENIERIA DEPARTAMENTO DE INGENIERIA INDUSTRIAL

PROBABILIDAD Y ESTADSTICA PARA INGENIEROS II-221

FOLLETO #3 INTERVALOS DE CONFIANZA PRUEBAS DE HIPOTESIS

PREPARADO POR: LUIS A. GERMOSEN R.

SANTIAGO DE LOS CABALLEROS 2012

Probabilidad y Estadstica Para Ingenieros Intervalos de Confianza y Pruebas de Hiptesis

INDICE DE CONTENIDO Pg. Inferencia Estadstica...2 Muestreo......2 Muestreo con Reemplazo2 Muestreo sin Reemplazo.2 Teorema del Lmite Central.....3 Estimacin de Parmetros..4 Estimacin Puntual...4 Propiedades de los buenos estimadores..4 Estimacin por Intervalos6 Intervalos de Confianza7 Teorema 19 Teorema 29 Propiedades de los intervalos de confianza..9 Pruebas de Hiptesis.10 Hiptesis....10 Hiptesis Estadstica.....10 Hiptesis Nula..11 Hiptesis Alternativa..11 Contrastar una Hiptesis.....11 Decisin Estadstica...11 Procedimiento para el contraste de hiptesis12 Aspectos importantes de Pruebas de Hiptesis15 Curva Caracterstica de Operacin....17 Curva de Potencia..........17 Propiedades de la Potencia y la O.C..18

Luis Germosn II-221

Probabilidad y Estadstica Para Ingenieros Intervalos de Confianza y Pruebas de Hiptesis

Inferencia Estadstica. La Inferencia Estadstica comprende los mtodos que son usados para sacar conclusiones de la poblacin en base a una muestra tomada de ella. Incluye los mtodos de estimacin de parmetros y las pruebas de hiptesis. En la estimacin de puntos la idea es hallar un estimado del parmetro poblacional basado en la muestra aleatoria tomada de la poblacin. Uno espera que el estimado este lo ms cerca posible del parmetro. Por ejemplo la media poblacional m. es estimada por la media muestral x. Es el proceso mediante el cual se obtiene una conclusin acerca de alguna medida de una poblacin con la base en el valor de una medida en la muestra. Esta medida puede ser una variable como la media o un atributo tal como la proporcin. En la estadstica hay dos formas principales de inferir: Estimacin y Prueba de hiptesis La inferencia estadstica se refiere a mtodos mediante los que uno selecciona una muestra aleatoria de una poblacin y sobre la base de observaciones mustrales se persigue: a) Estimar el valor del parmetro desconocido. Esto es conocido como estimacin. b) Verificar si ese valor de parmetro es el mismo que cierto valor determinado. Se conoce como prueba de hiptesis. El procedimiento mediante el cual se llega a la obtencin y se analizan las estimaciones se llama estimacin estadstica. La estimacin estadstica se divide en: estimacin puntual y estimacin por intervalos. Muestreo. Proceso de seleccin de muestras, se utiliza cuando no es posible contar o medir todos los elementos de la poblacin objeto de estudio. Es el proceso de seleccionar muestras a fin de determinar el comportamiento de una poblacin. Su objetivo es conocer el comportamiento de la poblacin a partir de la muestra. Bsicamente consiste en tomar muestras de una poblacin, medir en ellas la caracterstica que se desea estudiar y proceder a inferir a partir de ella el comportamiento de la poblacin. El peligro radica en que se escoja mal la muestra dando como resultado que se lleguen a conclusiones errneas. El muestreo puede ser con reemplazo o sin reemplazo.
Luis Germosn II-221

Probabilidad y Estadstica Para Ingenieros Intervalos de Confianza y Pruebas de Hiptesis

Muestreo con reemplazo. Es cuando cada unidad que forma parte de la muestra, una vez analizada se retorna a la poblacin de origen. Muestreo sin reemplazo. Es aquel en que cada unidad que forma parte de la muestra, una vez observada no se retorna a la poblacin. En el muestreo con reemplazo al hacer una seleccin cada elemento tendr siempre la misma probabilidad de ser elegido. Cuando se toma sin reemplazo la probabilidad no es igual para todos los elementos, estas van variando. Teorema del Lmite Central. A medida que el tamao de la muestra aumenta, la distribucin del estadgrafo sea cual sea se aproximar a una distribucin normal. Esto da origen al Teorema del Lmite Central. Es un teorema a travs del cual se asegura que la distribucin de muestreo de la media se aproxima a la normal, al incrementarse el tamao de la muestra. Este teorema permite usar estadstica de muestra para hacer inferencias con respecto a los parmetros de la poblacin, sin saber nada sobre la forma de la distribucin de frecuencias de esa poblacin ms que lo que podamos obtener de la muestra.
"$#_%

Enunciado: Si de una poblacin se extraen todas las muestras posibles de tamao n y en cada una de ellas se calcula un estadgrafo, independientemente de la distribucin de la poblacin de origen, si n es grande la distribucin que sigue el estadgrafo ser normal. Al aumentar el tamao de la muestra, la distribucin muestral de la media se aproxima a la forma de la distribucin normal sin importar la forma de la distribucin de las mediciones individuales de la poblacin. Una dificultad prctica al aplicar el TLC est en conocer cuando n es suficientemente grande. El problema es que la precisin de la aproximacin para un n particular depende de la forma de la distribucin original que se muestrea. Si la forma de distribucin fundamental es cercana a una forma de campana, entonces la aproximacin ser buena, incluso para una n pequea, pero si est lejos de tener forma de campana, entonces ser necesaria una n grande. Nota: una muestra grande se define como mayor o igual que 30. Estimacin de Parmetros.
Luis Germosn II-221

Probabilidad y Estadstica Para Ingenieros Intervalos de Confianza y Pruebas de Hiptesis

Con frecuencia se estiman los parmetros de una poblacin con base en estadsticas mustrales debido a factores como tiempo y costo. Con el objeto de utilizar los datos mustrales para realizar inferencias estadsticas, incluyendo estimaciones, la muestra que se tome debe ser una muestra aleatoria.

Estimacin Puntual. Un estimador puntual es un solo valor numrico basado en datos de una muestra aleatoria que se utiliza para estimar el valor de un parmetro poblacional. Es cuando el parmetro toma un nico valor hacindose igual al estadgrafo correspondiente. = Ejemplo: X = S2 = 2 P= Nota: Como la muestra es un conjunto pequeo del universo (poblacin), esto representa un E (error) entre / - / y por lo tanto no siempre = X. Si afirmamos que X = , va a existir un margen de error muy grande porque la muestra es una parte de la poblacin.

En el proceso de seleccionar el mejor estimador se dan una serie de reglas heursticas que mal que bien permiten seleccionar un buen estimador; el cual debe estar cerca del parmetro que se busca. Propiedades de los buenos estimadores. Un estimador se evala en trminos de ciertos criterios: a) b) c) d) Consistencia. Ausencia de sesgo. Eficiencia. Suficiencia.

Consistencia.
Luis Germosn II-221

Probabilidad y Estadstica Para Ingenieros Intervalos de Confianza y Pruebas de Hiptesis

Un estimador consistente es aquel que tiende a tener mayor probabilidad de acercarse al valor del parmetro a medida que el tamao de la muestra aumenta. Un estimador se dice que es ms consistente si la probabilidad de que sea igual al parmetro se aproxima a 1 cuando n . Ejemplo: X es un estimador consistente de S2 es un estimador consistente de 2 P es un estimador consistente de Ausencia de Sesgo. Un estimador ser insesgado si su valor esperado es idntico al parmetro de la poblacin que se estima. E () = Ejemplo: X es un estimador insesgado de P es un estimador insesgado de S2 no es un estimador insesgado de 2 Eficiencia. Si 1 y 2 son dos estadgrafos utilizados para estimar un parmetro de poblacin , aquel cuya distribucin muestral tiene menor error tpico se dice que es un estimador ms eficaz de . Si 1 y 2 son las varianzas de 1 y 2 respectivamente, si 1 < 2 se dice que 1 es un estimador ms eficaz de que 2 Suficiencia. Se dice que un estimador es suficiente si contiene toda la informacin posible acerca del parmetro contenido en la muestra de forma tal ninguna informacin extra se requiere. Ejemplo: X P .

Luis Germosn II-221

Probabilidad y Estadstica Para Ingenieros Intervalos de Confianza y Pruebas de Hiptesis

Estimacin por Intervalos. La estimacin por intervalo se refiere a la estimacin de un parmetro mediante un intervalo aleatorio llamado intervalo de confianza cuyos terminales o lmites L y U con L < U son funciones de la variable aleatoria observada de forma tal que la P(L U) es satisfecha y expresada en trminos de 1-. Un intervalo de confianza para un parmetro es un intervalo construido alrededor del estimador del parmetro, de tal manera que podemos cifrar nuestra confianza de que el verdadero valor del parmetro quede incluido en dicho intervalo. ab Es un rango de valores que incluye (con una probabilidad preestablecida llamada nivel de confianza) el valor verdadero de un parmetro poblacional. Los lmites de confianza son las fronteras inferior y superior del intervalo de confianza. Un intervalo de confianza es la probabilidad de que una afirmacin sobre el valor de un parmetro poblacional sea correcta. Los lmites de confianza no deben confundirse con otros lmites, por ejemplo, lmites de control, lmites de tolerancia estadsticos. Sea desconocida la media poblacional de una cierta variable que deseamos estudiar, sacamos una muestra y se trata de obtener un intervalo (L1,L2) de forma que tengamos una probabilidad alta (1-alfa)% de que la media poblacional est en ese intervalo. El nivel de confianza del intervalo (1-alfa)% lo fijamos nosotros., se suele trabajar con 95% y a veces con 99% o el 90%; es decir, con probabilidad 0.05, 0.01 o 0.1. El nivel de confianza de un intervalo es la probabilidad (expresada en porcentaje) que representa nuestra seguridad de que el intervalo encierra el verdadero valor del parmetro . En general, el nivel de confianza se expresa en la forma 100(1-)%. El valor de representa la probabilidad de que el parmetro quede fuera del intervalo. Encuentre el valor de z para un nivel de confianza del 95%. Solucin 1: Se utilizar la tabla que tiene el rea bajo la curva de - hasta z. Si lo vemos grficamente sera:

Luis Germosn II-221

Probabilidad y Estadstica Para Ingenieros Intervalos de Confianza y Pruebas de Hiptesis

El nivel de confianza bilateral est dividido en partes iguales bajo la curva:

En base a la tabla que se esta utilizando, se tendr que buscar el rea de 0.975, ya que cada extremo o cola de la curva tiene un valor de 0.025. Para cada nivel de confianza existe un valor de tabla (normal, t-Student, 2 , F) asociado al nivel de confianza dado. Este valor se llama coeficiente de confiabilidad y se denota Z1-/2 Intervalo de Confianza: Error Muestral o Error de Estimacin Estimador (Coeficiente de confianza) (Error estndar) Interpretacin de un intervalo de confianza. Una interpretacin correcta de la confianza de 95% radica en la frecuencia de interpretacin de probabilidad a largo plazo: para decir que un evento A tiene una probabilidad de 0.95, es decir, que si el experimento en el que A est definida se realiza una y otra vez, a largo plazo A se presentar 95% del tiempo

Para este caso el 95% de los intervalos de confianza calculados contendrn a .

Luis Germosn II-221

Probabilidad y Estadstica Para Ingenieros Intervalos de Confianza y Pruebas de Hiptesis

Esta es una construccin repetida de intervalos de confianza de 95% y se puede observar que de los 11 intervalos calculados slo el tercero y el ltimo no contienen el valor de . De acuerdo con esta interpretacin, el nivel de confianza de 95% no es tanto un enunciado sobre cualquier intervalo en particular, ms bien se refiere a lo que sucedera si se tuvieran que construir un gran nmero de intervalos semejantes. Sabemos que si la poblacin es normal N(,) y extraemos de ella muestras de tamao n, o sin ser la poblacin normal es n>30, La Distribucin Muestral de Medias es
,

por tanto si fijamos una probabilidad 1-a, sabemos que la

es decir, el (1-)% de las x est a una distancia de m inferior a

Entonces para un nivel de confianza 1-, pertenece al intervalo:

donde z/2 es el llamado valor crtico, valor tal que P(-z/2 z z/2 )=1-, y x la media de la muestra.

El intervalo de confianza para la media poblacional es:

Sea p desconocida la proporcin de elementos en la poblacin pertenecientes a una categora C, sacamos una muestra y se trata de obtener un intervalo (L1,L2) de forma que tengamos una probabilidad alta (1-alfa)% de que la proporcin est en ese intervalo.

Luis Germosn II-221

Probabilidad y Estadstica Para Ingenieros Intervalos de Confianza y Pruebas de Hiptesis

Donde , z es el valor que en la distribucin N (0,1) deja a su derecha un rea de alfa/2, n el tamao de la muestra.

Teoremas: Teorema 1 Si X es utilizado como un estimado de , entonces podemos estar (1-) 100% seguros de que el error no va a exceder Z/2 /n Teorema 2 Si X es utilizado como un estimado de , podemos estar (1-)100% seguros que el error no exceder una cierta cantidad especificada E cuando el tamao de la muestra es: n = (Z/2 /E * )2 Propiedades de los intervalos de confianza. 1- Para un tamao de muestra y una varianza dadas, a medida que aumenta el nivel de confianza tambin lo hace la longitud del intervalo. 2- Para un nivel de confianza y una varianza dadas, cuando el tamao de la muestra aumenta la longitud del intervalo disminuye.

Luis Germosn II-221

Probabilidad y Estadstica Para Ingenieros Intervalos de Confianza y Pruebas de Hiptesis

Pruebas de Hiptesis. Con frecuencia, los problemas a los que se enfrenta el cientfico o el ingeniero no se refieren no solo a la estimacin de un parmetro poblacional, sino por el contrario, la formulacin de un procedimiento de decisin basado en datos que pueda producir una conclusin acerca de algn sistema cientfico. En estos procedimientos el cientfico o el ingeniero postulan o conjeturan algo acerca de un sistema. Asimismo, cada uno debe incluir el uso de datos experimentales y tomar decisiones con base en ellos. Hiptesis. Es una afirmacin sujeta a comprobacin. Hiptesis Estadstica. Es una afirmacin o conjetura acerca de una o ms poblaciones. Es una proposicin o afirmacin acerca del valor de un parmetro, relacin entre parmetros, la forma de una distribucin, la cual se desea analizar con base en la evidencia de la muestra o del experimento para tomar una decisin sobre su validez. Nunca se sabe con absoluta certeza la verdad o falsedad de una hiptesis estadstica, a no ser que se examine la poblacin entera. Esto, por las razones que se conocen sera poco prctico la mayora de las veces. En su lugar, se toma una muestra aleatoria de la poblacin de inters y se utilizan los datos que contiene tal muestra para proporcionar evidencias que confirmen o no la hiptesis. Es importante recordar que las hiptesis siempre son proposiciones sobre la poblacin o distribucin bajo estudio, no proposiciones sobre la muestra. Por lo general, el valor del parmetro de la poblacin especificado en la hiptesis nula se determina en una de tres maneras diferentes: 1. Puede ser resultado de la experiencia pasada o del conocimiento del proceso, entonces el objetivo de la prueba de hiptesis usualmente es determinar si ha cambiado el valor del parmetro. 2. Puede obtenerse a partir de alguna teora o modelo que se relaciona con el proceso bajo estudio. En este caso, el objetivo de la prueba de hiptesis es verificar la teora o modelo. 3. Cuando el valor del parmetro proviene de consideraciones externas, tales como las especificaciones de diseo o ingeniera, o de obligaciones contractuales. En esta situacin, el objetivo usual de la prueba de hiptesis es probar el cumplimiento de las especificaciones.
Luis Germosn II-221

10

Probabilidad y Estadstica Para Ingenieros Intervalos de Confianza y Pruebas de Hiptesis

Un procedimiento que conduce a una decisin sobre una hiptesis en particular recibe el nombre de prueba de hiptesis. Los procedimientos de prueba de hiptesis dependen del empleo de la informacin contenida en la muestra aleatoria de la poblacin de inters. Hiptesis Nula. Es la que generalmente contiene la afirmacin que se desea probar. Se formula siempre en funcin de parmetros y se suele expresar de forma que contenga la igualdad. Se representa por HO Hiptesis Alternativa. Es la que contradice por completo a la hiptesis nula. Siempre se formula en funcin de parmetros. Nunca puede tener la igualdad. Se representa por H1 Contrastar o Probar una Hiptesis. Es un procedimiento estadstico que nos lleva a aceptar o rechazar la hiptesis nula a partir de los resultados de una muestra. Cuando se toman decisiones con base en la evidencia de la muestra nos exponemos a equivocarnos. Decisin Estadstica Se acepta HO Se rechaza HO HO es verdadera Decisin correcta Error Tipo I HO es falsa Error Tipo II Decisin correcta

1- Aceptar HO cuando HO es verdadera. En este caso la decisin es correcta y no hay error. 2- Rechazar HO cuando HO es verdadera. Esta decisin es incorrecta. Error Tipo I o error = P (R HO / HO verdadera) Nivel de Significacin. Riesgo del Proveedor 3- Rechazar HO cuando HO es falsa. Decisin correcta y no hay error. 4- Aceptar HO cuando HO es falsa. Decisin errada. Error Tipo II o error = P ( A HO / HO falsa) Riesgo del Consumidor. y no son valores complementarios. Cuando no se dan se asume = 5% y = 10%.
Luis Germosn II-221

11

Probabilidad y Estadstica Para Ingenieros Intervalos de Confianza y Pruebas de Hiptesis

Nota: Cuando una hiptesis nula se rechaza se concluye que la afirmacin es falsa, pero la aceptacin de una hiptesis nula solo nos lleva a pensar que no hay evidencia suficiente para creer otra cosa. Procedimiento para el contraste de hiptesis. 1- Formular las hiptesis. Plantear la hiptesis nula y la hiptesis alternativa. Las pruebas de una cola son conocidas con el nombre de pruebas unilaterales y las de dos colas como pruebas bilaterales. Se pueden presentar tres tipos de ensayo de hiptesis que son: Unilateral Derecho Unilateral Izquierdo Bilateral Dependiendo de la evaluacin que se quiera hacer se seleccionar el tipo de ensayo. Unilateral Derecho. El investigador desea comprobar la hiptesis de un aumento en el parmetro, en este caso el nivel de significancia se carga todo hacia el lado derecho, para definir las regiones de aceptacin y de rechazo. Ensayo de hiptesis: Ho; Parmetro x H1; Parmetro > x

Unilateral Izquierdo: El investigador desea comprobar la hiptesis de una disminucin en el parmetro, en este caso el nivel de significancia se carga todo hacia el lado izquierdo, para definir las regiones de aceptacin y de rechazo. Ensayo de hiptesis: Ho; Parmetro x H1; Parmetro < x

Luis Germosn II-221

12

Probabilidad y Estadstica Para Ingenieros Intervalos de Confianza y Pruebas de Hiptesis

Bilateral: El investigador desea comprobar la hiptesis de un cambio en el parmetro. El nivel de significancia se divide en dos y existen dos regiones de rechazo. Ensayo de hiptesis: Ho; Parmetro = x H1; Parmetro x

2- Especificar el nivel de significacin. El Nivel de Significacin de una prueba corresponde a la probabilidad de cometer el error tipo I. Ser un valor arbitrario. Cuando no se da se asume 5%. Es el estndar estadstico que se especifica para rechazar la hiptesis nula. Si se especifica = 5%, entonces se rechaza la hiptesis nula solamente si el resultado muestral es tan diferente del valor hipottico que una diferencia de esa magnitud o mayor pudiera ocurrir aleatoriamente con una probabilidad de 0.05 o menos. Existe una probabilidad de 0.05 de rechazar la hiptesis nula cuando, de hecho, es cierta. Si = 0.05 y HO es rechazada, se dice que los resultados mustrales son significativamente diferentes de HO a un nivel de significacin de 0.05. El concepto de nivel de significacin se emplea para indicar que una prueba estadstica evala la significacin de los resultados mustrales comparados con la hiptesis nula.

Luis Germosn II-221

13

Probabilidad y Estadstica Para Ingenieros Intervalos de Confianza y Pruebas de Hiptesis

Entonces, cul debe ser el riesgo a tomar? Depende de dos consideraciones: a) El grado de credibilidad que le merece al analista la hiptesis nula. A mayor credibilidad previa de la verdad de HO ms pequea ser la probabilidad de rechazarla. b) El analista debe considerar los costos relativos y consecuencias de un error de Tipo I o un error de Tipo II. Cuando un rechazo errneo de HO es muy costoso hay malas consecuencias, entonces debe ser pequea. Cuando una aceptacin errnea de HO es muy costosa y/o hay malas consecuencias, entonces debe ser pequea, (esto es debe fijarse en el nivel ms alto posible 0.05). Suponga que se ha establecido (con pocas dudas) por los analistas que el promedio de contenido de nicotina de los cigarrillos es de 25 miligramos o ms y que este nivel puede producir cncer en fumadores. Si ese promedio es menor de 25 miligramos entonces el fumar no es tan peligroso. Suponga que usted es un fumador consuetudinario y es su deseo encontrar una marca de cigarrillos con un promedio de nicotina menor de 25 miligramos. En este caso, su formulacin de hiptesis sera: HO : 25 Ha : < 25 En este caso un error de Tipo I sera la media muestral fuera menor de 25 cuando realmente es mayor. Claramente, este sera un error muy serio, ya que estara usando una marca de cigarrillos que pondra en peligro su vida. Usted debe minimizar este riesgo empleando un pequeo (0.01, 0.001, 0.0001). Aqu si se comete un error Tipo II usted concluira que X 25 cuando realmente es < 25. Se rechazara por tanto esa marca de cigarrillos cuando realmente se puede aceptar. Sin embargo, este error no es en este caso tan serio, ya que su consecuencia sera el costo de probar una nueva marca. 3- Decidir sobre la muestra y otros factores. Tamao de la muestra. Otros factores se refieren a si se conoce o no el valor de . 4- Seleccionar el estadstico de prueba asociado. Estadstico: Z, t, 2 , F

Luis Germosn II-221

14

Probabilidad y Estadstica Para Ingenieros Intervalos de Confianza y Pruebas de Hiptesis

5- Formular el criterio de decisin. Existen tres mtodos de decisin: 1) Comparar el estadgrafo con el valor crtico C. C: es el lmite permitido para el estadgrafo a partir del cual HO ser rechazada. De acuerdo con este mtodo se determinan los as llamados valores crticos de la estadstica de prueba que dictaran el rechazo de una hiptesis, tras de lo cual la estadstica de prueba observada se compara con los valores crticos. 2) Comparar el estadstico correspondiente al estadgrafo con el que corresponde a C. Los valores crticos suelen especificarse en trminos de valores de Z, t, 2, F. 3) Comparar la probabilidad de obtener el estadgrafo con . Este mtodo se basa en la determinacin de la probabilidad condicional de que el valor observado de una estadstica muestral pueda ocurrir al azar, dado que un supuesto particular sobre el valor del parmetro poblacional asociado sea en efecto correcto. Un valor P es el nivel (de significancia) mas bajo en el que el valor observado de la estadstica de prueba es significativo. 6- Computar los estadgrafos correspondientes. 7- Aplicar el criterio de decisin. 8- Conclusin estadstica. Aspectos importantes de Pruebas de Hiptesis. Hiptesis 1. Hiptesis Nula: La explicacin aceptada, status quo. Esto es lo que estamos intentando refutar. Es la afirmacin sobre una o ms caractersticas de poblaciones que al inicio se supone cierta (es decir, la "creencia a priori"). 2. Hiptesis Alternativa: Lo que el investigador piensa que realmente puede estar sucediendo, una mejor explicacin que la nula. Es la afirmacin contradictoria a Ho, y sta es la hiptesis del investigador. Prueba 1. El objetivo de la prueba es rechazar HO a favor de Ha. Hacemos esto calculando una estadstica de prueba y comparando su valor con un valor de la tabla, el valor crtico.

Luis Germosn II-221

15

Probabilidad y Estadstica Para Ingenieros Intervalos de Confianza y Pruebas de Hiptesis

2. Si nuestra estadstica de prueba es mas extrema que nuestro valor crtico, caer en la zona de rechazo y entonces rechazaremos. Podemos definir nuestra zona de rechazo antes de calcular la estadstica de prueba. Decisin 1. Rechazar HO 2. Aceptar HO Errores 1. Error Tipo I / Rechazar HO siendo cierta 2. Error Tipo II / Aceptar HO siendo falsa

Se puede entonces definir: = Probabilidad de Error Tipo I = Probabilidad de Error Tipo II Generalmente estamos interesados en mantener ambos, el error Tipo I y Tipo II, tan pequeos como sea posible, pero especialmente el error Tipo I. Como en el sistema judicial de Estados Unidos, preferimos cometer un error Tipo II que un error Tipo I. Sin embargo, se hace una especie de acuerdo.

El acuerdo entre y : Para un tamao fijo de n, a medida que se hace a pequeo, se incrementa. Para un tamao fijo de n, a medida que se hace a pequeo, se incrementa. La nica manera de hacer, simultneamente, a y pequeos, es incrementando el tamao de la muestra.

Luis Germosn II-221

16

Probabilidad y Estadstica Para Ingenieros Intervalos de Confianza y Pruebas de Hiptesis

Si pensamos en el ejemplo del sistema judicial, todo esto tiene sentido.

Si

hacemos que sea difcil enviar una persona inocente a la crcel (hacer pequeo) requiriendo cantidades enormes de evidencias para condenar, entonces mucha personas que son culpables no sern condenadas ( se hace pequeo). Por otro lado, si hacemos que sea muy fcil enviar una persona culpable a la crcel, requiriendo solo pequeas cantidades de evidencias, entonces muchas personas inocentes tambin irn a la crcel ( se hace pequeo, incrementa). general, los cientficos prefieren que sea 0.10, 0.05 o 0.01. En

Curva Caracterstica de Operacin. Curva O.C. Ilustra la probabilidad de aceptar la hiptesis nula dados diversos valores alternativos de la media verdadera. Es una representacin grfica de las probabilidades de aceptar una hiptesis nula falsa, es decir, los errores. Curva de Potencia. Es la representacin grfica de los errores . Se genera con las probabilidades de rechazar HO Ambas curvas se grafican suponiendo valores arbitrarios para y calculando las probabilidades correspondientes. La curva de potencia para valores de adecuados dar errores . La curva caracterstica de operacin para valores de adecuados dar errores . Mientras mayor es la potencia mas credibilidad tiene el contraste. Mientras ms cerradas sean las curvas ms confiable ser el contraste. Cuando la hiptesis alternativa es de dos colas H1 : < O o > O, entonces una curva tpica O.C. tendr un mximo en = O y caer a medida que el valor de se aleje de O en cualquier direccin. O donde se maximiza O.C. O donde se minimiza la potencia.

Luis Germosn II-221

17

Probabilidad y Estadstica Para Ingenieros Intervalos de Confianza y Pruebas de Hiptesis

La curva es ahora la probabilidad de un error tipo II para todos los valores de con excepcin de O ; en O existe todava la probabilidad de no cometer un error tipo I. Propiedades de la Potencia y la O.C. 1- La potencia y la O.C. estn relacionadas de forma que cuando una decrece el otro incrementa, esto puede aplicarse a los errores, pero tomando en consideracin que aqu no varan en forma complementaria. 2- El tamao de la regin crtica y por ende la probabilidad de cometer un error tipo I puede reducirse ajustando el o los valores crticos. 3- Un incremento en el tamao de la muestra reduce y simultneamente. 4- Si la hiptesis nula es falsa, se ir maximizando a medida que se aproxime al valor sustentado por la hiptesis nula, mientras ms se aleja 1 de O menor ser el valor de .

Luis Germosn II-221

18

Probabilidad y Estadstica Para Ingenieros Intervalos de Confianza y Pruebas de Hiptesis

BIBLIOGRAFA

Walpole, Ronald; Myers Raymond. Probabilidad y Estadstica. Octava Edicin Prentice Hall Miller, Irwin; S. Freund. Probabilidad y Estadstica para Ingenieros. Cuarta Edicin. Chao, Lincoln. Estadstica para las Ciencias Administrativas. Tercera Edicin. Spurr, William; Bonini Charles. Toma de Decisiones en Administracin mediante Mtodos Cuantitativos.

Luis Germosn II-221

19