Вы находитесь на странице: 1из 13

Página 1 de 13

CAPÍTULO 7: INFERENCIA PARA PROPORCIONES Y MEDIAS

En este capítulo entraremos al final del ciclo del método científico, usando la información de la
muestra para generalizar y llegar a conclusiones acerca de la población de interés.

Recordemos algunas definiciones:

Parámetro es una medida de resumen numérica que se calcularía usando todas las
unidades de la población. Es un número fijo. Generalmente no lo conocemos.

Estadística es una medida de resumen numérica que se calcula de las unidades de la


muestra. El valor de la estadística se conoce cuando tomamos una muestra, pero varia de
muestra en muestra  variación muestral.

Inferencia estadística: es el proceso de sacar conclusiones acerca de la población basados


en la información de una muestra de esa población.

Objetivos de la inferencia: estimación de parámetros, intervalos de confianza y docimasia,


prueba o test de hipótesis (o prueba de significación estadística).

La estimación de parámetros consiste en el cálculo de estadísticas en muestras, con el fin


de obtener información sobre el valor de los parámetros de la población. Esta inducción se
basa en la teoría de probabilidades y sólo es posible cuando se conoce la conducta o
"distribución muestral" de las estadísticas.

La docimasia de hipótesis consiste en conocer la probabilidad de ocurrencia, bajo la


hipótesis nula, del resultado obtenido en la investigación, basándose en la distribución
muestral de la estadística utilizada para medir tal resultado.

Inferencia Simple para Proporciones

Tomando decisiones acerca de la proporción de una población


Primero revisemos el caso donde lo que nos interesa es investigar sobre una proporción de
una población.

 Ejemplo
Embarazo adolescente
En el año 2000, el 16% de las embarazadas era en adolescentes menores de 20 años de
edad, ¿Habrá aumentado esta cifra?

Escriba las hipótesis nula y alternativa que usaría para probar la aseveración anterior. Las
hipótesis deben ser expresadas en términos del parámetro P, la proporción de interés en la
población.

Hipótesis: H0 : versus H1 :
Acá, nuestro parámetro de interés es el porcentaje de embarazadas que son adolescentes
menores de 20 años, es decir, P=0.16.
Página 2 de 13

Para resolver, se considera una muestra de 704 partos ocurridos en el Hospital de Talca,
donde 132 de ellos corresponden a embarazadas que son Adolescentes menores de 20 años
de edad.

Con la información anterior, es posible determinar el porcentaje observado en la muestra de


los embarazos que corresponden a Adolescentes menores de 20 años de edad, siendo
132
ˆ=
p = 0,1875 .
704

Para la obtención del valor-p, se requiere conocer la distribución probabilística de la


proporción muestral p̂ :

Distribución muestral de p̂ , la proporción muestral

Si P representa la proporción de elementos en una población con alguna característica.


Tomamos una muestra aleatoria simple de tamaño n de esa población y si n es
“suficientemente” grande (cuando nP ≥ 5 y n(1 − P ) ≥ 5 ) , entonces la distribución de la
proporción muestral p̂ es aproximadamente normal:
 P(1 - P ) 
ˆ~
p & N P , entonces la proporción muestral estandarizada es:
 n 
 
ˆ- P
p
Z= & N(0, 1)
~
P (1 − P )
n

Test Z para una proporción en la población

• Al docimar una hipótesis acerca del parámetro en la población P, la hipótesis nula es


H0 : P = p0 , donde p0 es un valor hipotético de P.

• Supuestos: Se recomienda usar este test cuando los datos provienen de una muestra
aleatoria de tamaño n, donde n satisface que np 0 y n(1 − p0 ) es mayor o igual a 5.

• Nuestra decisión acerca del parámetro P estará basada en el valor de la proporción


muestral estandarizada, la cual es:

ˆ − p0
p
Z obs =
p0 (1 − p0 )
n

• Este “score” o puntaje z es el test estadístico, y su distribución bajo H0 es


aproximadamente N(0,1) . Notar que el test estadístico no depende de la hipótesis
alternativa.

• Calculamos el valor-p del test, el cual depende de la dirección de la hipótesis alternativa:


Página 3 de 13

Test Unilateral, cola Test Unilateral, cola Test Bilateral


superior inferior
Si H1 : P ≠ p0 , entonces el
Si H1 : P > p0 , entonces el Si H1 : P < p0 , entonces el valor-p es 2P(Z > z obs ) el
valor-p es P(Z > z obs ) es el valor-p es P(Z < z obs ) es el
área afuera de las dos colas
área a la derecha del test área a la izquierda del test del test estadístico observado
estadístico observado bajo estadístico observado bajo bajo H0 .
H0 . H0 .
N(0,1)
N(0,1) N(0,1)

p-value p-value
2 2
p-value p-value

-ZOBS Z
Z
+ZOBS
Z
Z OBS Z OBS

• Decisión: Si el valor-p es menor o igual al nivel de significación rechazamos H 0 .

En nuestro ejemplo:

Hipótesis:
H0 : P = 0,16
H1 : P > 0,16

El Test Estadístico Observado está dado por:

ˆ − p0
p 0,1875 − 0,16
Z obs = = = 1,99
p0 (1 − p0 ) 0,16 ( 1 − 0,16 )
n 704

La dirección del extremo es hacia el lado derecho, luego el valor-p:

Valor − p = P [ Z > 1,99 ] = 1 − P [ Z ≤ 1,99 ] = 1 − 0,9767 = 0,0233

Decisión:
El valor-p resultó ser del 2,33%, cuyo valor es menor al nivel de significación del 5%,
luego, existe evidencia para rechazar la H0 .

Conclusión:
Por lo anterior, se concluye que ha aumentado el porcentaje de embarazadas que son
Adolescentes menores de 20 años de edad.
Página 4 de 13

Inferencia Simple para Medias

Tomando decisiones acerca de la media de una población


Ahora veremos el caso donde lo que nos interesa es investigar sobre la media de una
población.

 Ejemplo
Monóxido de Carbono
La Comisión Federal de Comercio (Federal Trade Commission
http://www.ftc.gov/bcp/menu-tobac.htm) de Estados Unidos clasifica anualmente las
variedades de cigarrillos según su contenido de alquitrán, nicotina y monóxido de carbono.
Se sabe que estas tres sustancias son peligrosas para la salud de los fumadores. Estudios
anteriores han revelado que los incrementos en el contenido de alquitrán y nicotina de un
cigarrillo van acompañados por un incremento en el monóxido de carbono emitido en el
humo de cigarrillo.
Sea µ = media de monóxido de carbono en la población de todos los paquetes de cigarrillos.
En el pasado esa media ha sido 15 mg, con una desviación estándar de 4,8 mg y
queremos saber si la media actual µ es menor que la media antigua de 15 mg.

Escriba las hipótesis nula y alternativa que usaría para probar la aseveración anterior. Las
hipótesis deben ser expresadas en términos del parámetro µ, la media de la población de
interés.
Hipótesis: H0 : versus H1 :

Acá, nuestro parámetro de interés es la media de monóxido de carbono en la población de


todos los paquetes de cigarrillos.
Para resolver, se requiere una muestra, la cual se describe a continuación:
La base de datos contiene los datos sobre monóxido de carbono (en miligramos) en una
muestra de 25 marcas de cigarrillos (con filtro).

MARCA CO MARCA CO
Alpine 13,6 Multifilter 10,2
Benson & Hedges 16,6 Newport Lights 9,5
Bull Dirham 23,5 Now 1,5
Camel Lights 10,2 Old Gold 18,5
Carlton 5,4 Pall Mall Lights 12,6
Chesterfield 15,0 Raleigh 17,5
Golden Lights 9,0 Salem Ultra 4,9
Kent 12,3 Tareyton 15,9
Kool 16,3 True 8,5
L&M 15,4 Viceroy Rich Lights 10,6
Lark Lights 13,0 Virginia Slims 13,9
Marlboro 14,4 Winston Lights 14,9
Merit 10,0
Página 5 de 13

40%

30%

Porcentaje
20%

10%

0 5 10 15 20 25

Monóxido de Carbono (mg)

Estadísticos descriptivos
Desv.
N Media típ.
CO 25 12.528 4.7397
N válido (según lista) 25

Según la información proporcionada, se tiene:


n = 25 x = 12,528 s = 4,7397

Para la obtención del valor-p, se requiere conocer la distribución probabilística del promedio
muestral x :

Distribución muestral del x , el promedio muestral

Si tomamos una muestra aleatoria simple de tamaño n de una población con media µ y
desviación estándar σ, donde σ es conocida, y ...

...si la población original distribuye normal,


 σ  x −µ
x ~ N  µ,  Z= ~ N (0,1)
  σ
 n
n

...si la población original no es necesariamente normal, pero el tamaño muestral es


suficientemente grande,
x −µ

x es aprox. N  µ,
σ  Z= es aprox. N (0,1) .
 (TCL)  σ
 n
n
Página 6 de 13

Test Z para la media de una población con σ conocida

• Al docimar una hipótesis acerca de la media poblacional µ, la hipótesis nula es


H0 : µ = µ0 , donde µ0 es un valor hipotético de µ.

• Asumimos que los datos provienen de una muestra aleatoria de tamaño n, de una
población con distribución Normal con desviación estándar σ conocida. El supuesto de
normalidad no es crucial si el tamaño de la muestra es grande.

• Nuestra decisión acerca de µ estará basada en el valor de la media muestral


estandarizada x , la cual es:
x − µ0
Z obs =
σ
n

• Este “score” o puntaje z es el test estadístico y su distribución bajo H 0 es


aproximadamente N ( 0,1) . Notar que el test estadístico no depende de la hipótesis
alternativa

• Calculamos el valor-p del test, el cual depende de la dirección de la hipótesis


alternativa:

Test Unilateral, cola Test Unilateral, cola Test Bilateral


superior inferior
Si H1 : µ ≠ µ 0 , entonces el
Si H1 : µ > µ 0 , entonces el Si H1 : µ < µ 0 , entonces el valor-p es 2P(Z > z obs ) el
valor-p es P(Z > z obs ) es el valor-p es P(Z < z obs ) es el área afuera de las dos colas
área a la derecha del test área a la izquierda del test del test estadístico observado
estadístico observado bajo estadístico observado bajo bajo H0 .
H0 . H0 .
N(0,1)
N(0,1) N(0,1)

p-value p-value
2 2
p-value p-value

-ZOBS Z
Z Z
+ZOBS
Z OBS Z OBS

• Decisión: Si el valor-p es menor o igual al nivel de significación se rechaza H0 .

En nuestro ejemplo:

Hipótesis:
H0 : µ = 15
H1 : µ < 15
Página 7 de 13

El Test Estadístico Observado está dado por:

x − µ0 12,528 − 15
Z obs = = = − 2,58
σ 4,8
n 25

La dirección del extremo es hacia el lado izquierdo, luego el valor-p:


Valor − p = P [ Z < − 2,58 ] = 0,0049

Decisión:
El valor-p resultó ser el 0,49%, cuyo valor es menor al nivel de significación del 5%, luego,
existe evidencia para rechazar la H 0 .

Conclusión:
Por lo anterior, se concluye que la media actual de monóxido de carbono en la población de
todos los paquetes de cigarrillos es inferior a 15 mg.

¿Qué ocurre si σ es desconocida?

El cálculo del error estándar del promedio muestral incluye a σ, pero casi nunca vamos a
conocer la variabilidad en la población en estudio. Cuando se desconoce el σ del universo, el
error estándar del promedio debe calcularse a partir de la desviación estándar de la
muestra:
s
sx =
n
En este caso ya no es lícito trabajar con la distribución normal y la variable normal estándar,
x −µ x−µ
z= =
σx σ n

sino que se trabajará con la variable t de Student:


x −µ x−µ
t= =
sx s n

Esta variable t sigue una distribución t de Student con (n-1) grados de libertad.
Página 8 de 13

Propiedades de la distribución t de Student


N(0,1)
t(15)
t(3)

• Los valores de t dependen del número de grados de libertad, los que se determinan a partir
del número usado en el denominador para el cálculo de la desviación estándar (s) es decir
(n-1).

• La función de densidad de la distribución t de Student tiene forma de campana


simétrica, similar a la distribución normal N(0,1).

• Es un poco más “chata” y tiene “colas más pesadas” que la N(0,1).

• Cuando el tamaño de la muestra aumenta, la distribución t de Student se aproxima a la


N(0,1).
Página 9 de 13

t(df)

Area =α

0

Tabla: Percentiles de la distribución t de Student
gl t 0.60 t 0.70 t 0.80 t 0.90 t 0.95 t 0.975 t 0.99 t 0.995
1 0.325 0.727 1.376 3.078 6.314 12.706 31.821 63.657
2 0.289 0.617 1.061 1.885 2.920 4.303 6.965 9.925
3 0.277 0.584 0.978 1.638 2.353 3.182 4.541 5.841
4 0.271 0.569 0.941 1.533 2.132 2.776 3.747 4.604
5 0.267 0.559 0.920 1.476 2.015 2.571 3.365 4.032
6 0.265 0.553 0.906 1.440 1.943 2.447 3.143 3.657
7 0.263 0.549 0.896 1.415 1.895 2.365 2.998 3.925
8 0.262 0.546 0.889 1.397 1.860 2.306 2.896 3.841
9 0.261 0.543 0.883 1.383 1.833 2.262 2.821 3.604
10 0.260 0.542 0.879 1.372 1.812 2.228 2.764 3.169
11 0.260 0.540 0.876 1.363 1.796 2.201 2.718 3.106
12 0.259 0.539 0.873 1.356 1.782 2.179 2.681 3.055
13 0.259 0.538 0.870 1.350 1.771 2.160 2.650 3.012
14 0.258 0.537 0.868 1.345 1.761 2.145 2.624 2.977
15 0.258 0.536 0.866 1.341 1.753 2.131 2.602 2.947
16 0.258 0.535 0.865 1.337 1.746 2.120 2.583 2.921
17 0.257 0.534 0.863 1.333 1.740 2.110 2.567 2.898
18 0.257 0.534 0.862 1.330 1.734 2.101 2.552 2.878
19 0.257 0.533 0.861 1.328 1.729 2.093 2.539 2.861
20 0.257 0.533 0.860 1.325 1.725 2.086 2.528 2.845
21 0.257 0.532 0.859 1.323 1.721 2.080 2.518 2.831
22 0.256 0.532 0.858 1.321 1.717 2.074 2.508 2.819
23 0.256 0.532 0.858 1.319 1.714 2.069 2.500 2.807
24 0.256 0.531 0.857 1.318 1.711 2.064 2.492 2.797
25 0.256 0.531 0.856 1.316 1.708 2.060 2.485 2.787
26 0.256 0.531 0.856 1.315 1.706 2.056 2.479 2.779
27 0.256 0.531 0.855 1.314 1.703 2.052 2.473 2.771
28 0.256 0.530 0.855 1.313 1.701 2.048 2.467 2.763
29 0.256 0.530 0.854 1.311 1.699 2.045 2.462 2.756
30 0.256 0.530 0.854 1.310 1.697 2.042 2.457 2.750
40 0.255 0.529 0.851 1.303 1.684 2.021 2.423 2.704
60 0.254 0.527 0.848 1.296 1.671 2.000 2.390 2.660
120 0.254 0.526 0.845 1.289 1.658 1.980 2.358 2.617
∞ 0.253 0.524 0.842 1.282 1.645 1.960 2.326 2.576
gl - t 0.40 - t 0.30 - t 0.20 - t 0.10 - t 0.05 - t 0.025 - t 0.01 - t 0.005
Página 10 de 13

 Ejemplo
Uso de la Tabla t.

a) Encuentre el percentil 99 de la distribución t con 4 gl: t.99(4):

b) Encuentre el percentil 10 de la distribución t con 30 gl: t.10(30):

c) Encuentre el percentil 95 de la distribución t con ∝ gl:

Se observa, por ejemplo, que el percentil 97,5 que en la curva normal corresponde a un valor
de z = 1,96, en la distribución de t para 24 grados de libertad corresponde a un t de 2,064.

Para n infinito la distribución t de Student es igual a la normal, pero en la práctica cuando el


número de observaciones es superior a 30, los valores de z y t ya son tan parecidos que se
puede utilizar como aproximación, la distribución normal.

Test t simple para la media de una población con σ desconocida.

• Estamos interesados en docimar la hipótesis acerca de la media de una población


µ. La hipótesis nula es H0 : µ = µ 0 donde µ0 es un valor hipotético para µ. La
hipótesis alternativa da la dirección del test.

• Se asume que los datos provienen de una muestra aleatoria de tamaño n de una
población con distribución Normal con desviación estándar σ desconocida. El
supuesto de normalidad no es crucial si el tamaño de la muestra es grande.

• Nuestra decisión acerca de µ, será en base al valor del promedio muestral


x − µ0
estandarizada x , el cual es t obs = .
s
n
Este es el test estadístico y su distribución bajo H0 , es una distribución t con n-1 grados
de libertad.
Página 11 de 13

• El valor-p del test, depende de la hipótesis alternativa:

Test Unilateral, cola Test Unilateral, cola Test Bilateral


superior inferior
Si H1 : µ ≠ µ 0 , entonces el
Si H1 : µ > µ 0 , entonces el Si H1 : µ < µ 0 , entonces el valor-p es 2P(t > t obs ) el área
valor-p es P(t > t obs ) es el valor-p es P(t < t obs ) es el
afuera de las dos colas del
área a la derecha del test área a la izquierda del test test estadístico observado
estadístico observado bajo estadístico observado bajo bajo H0 .
H0 . H0 .
t(n-1)
t(n-1)
t(n-1)
p-value p-value
2 2
p-value
p-value

-TOBS T
T +TOBS
TOBS
TOBS T

• Decisión: Si el valor-p es menor que el nivel de significancia entonces rechazamos H0 .

Revisión de supuestos del test:


Este test de hipótesis asume que los datos provienen de una muestra aleatoria de tamaño n
de una población con distribución Normal con desviación estándar desconocida. El supuesto
de normalidad no es crucial si el tamaño de la muestra es grande (n > 30). Sin embargo es
importante primero describir los datos y verificar presencia de sesgos y valores extremos
que pudieran hacer pensar que la distribución de la población no es Normal.

 Ejemplo
Datos del mar Laengelmavesi, Finlandia*

Se tiene una muestra de peces que fueron pescados en el mar Laengelmavesi de Finlandia
(http://www.amstat.org/publications/jse/datasets/fishcatch.txt). Se está investigando el
peso de los peces en kilos. Se quiere docimar la hipótesis de que el peso es menor que 16
kilos.
µ = peso medio de los “percas” (perch) en la población en kilos.

Estadísticos para una muestra

Desviación Error típ. de


N Media típ. la media
peso 56 15.839 1.3618 .1820

*Fuente: Brofeldt, Pekka: Bidrag till kennedom on fiskbestondet i vaera sjoear. Laengelmavesi. T.H.Jaervi: Finlands
Fiskeriet Band 4, Meddelanden utgivna av fiskerifoereningen i Finland. Helsingfors 1917
Página 12 de 13

Test estadístico observado:


x − µ0 15,839 − 16
t obs = = = −0,885
s 1,3618
n 56

-0,885 nos dice que la media muestral esta a 0,885 errores estándar debajo de la media
hipotética de 16.

Usando la Tabla t: Ya que el test t observado de -0,885 cae entre el percentil 10 y el 20,
en la distribución t con 40 grados de libertad, el valor-p estará entre 0,10 y 0,20.
0,10 < valor − p < 0,20

t(55) t(40)

Valor-p

-0.885
-1.303 -0.851 0
t T t
0.10 OBS 0.20

En SPSS

Comparar Medias > Prueba T para una muestra > Valor de Prueba (16).

Prueba para una muestra

Valor de prueba = 16
95% Intervalo de
confianza para la
Diferencia diferencia
t gl Sig. (bilateral) de medias Inferior Superior
peso -.883 55 .381 -.1607 -.525 .204

t=-0,883 y 55 grados de libertad, para el test unilateral de cola inferior se obtiene un


valor-p de 0,1905 (0,381/2).

Por lo tanto con un nivel de significancia del 5% no podemos rechazar H0 . Así, parece que
el peso medio de las “percas” en este mar, no es significativamente menor que 16 kilos.
Página 13 de 13

En resumen, podemos notar que los pasos en una prueba de hipótesis se repiten, lo que
cambia es el parámetro de interés:

1. Establecer la hipótesis
2. Definir el nivel de significación
3. Obtener los datos
4. Definir test estadístico y verificar los supuestos
5. Calcular el test estadístico observado bajo H 0
6. Calcular el valor p
7. Tomar la decisión con respecto a H 0
8. Conclusión del investigador