Prueba de hipótesis para muestras pareadas.

Una de las hipótesis sobre las que habitualmente se fundamentan las pruebas
estadísticas de comparación es que las observaciones pertenecientes a cada una de las
muestras son independientes entre sí, no guardan relación; siendo precisamente ese uno
de los objetivos de la aleatorización (elección aleatoria de los sujetos o unidades de
observación). Sin embargo, la falta de independencia entre las observaciones de los
grupos puede ser una característica del diseño del estudio para buscar
fundamentalmente una mayor eficiencia del contraste estadístico al disminuir la
variabilidad. En otras ocasiones con este tipo de diseño pareado lo que se busca es dar
una mayor validez a las inferencias obtenidas, controlando o eliminando la influencia de
variables extrañas cuyo efecto ya es conocido o sospechado, y no se desea que
intervenga en el estudio actual pudiendo enmascarar el efecto del tratamiento o de la
variable de interés.

Las muestras apareadas se obtienen usualmente como distintas observaciones realizadas

sobre los mismos individuos. Un ejemplo de observaciones pareadas consiste en
considerar a un conjunto de n personas a las que se le aplica un tratamiento médico y se
mide por ejemplo el nivel de insulina en la sangre antes (X) y después del mismo (Y).
En este ejemplo no es posible considerar a X e Y como variables independientes ya que
va a existir una dependencia clara entre las dos variables.

Si se quiere contrastar si hay diferencia entre las poblaciones, llamemos di a la

diferencia entre las observaciones “antes” y “después”.

di = xi-yi

Supongamos que la v.a. que define la diferencia entre el antes y después es una v.a. “d”
que se distribuye normalmente, pero cuyas media y varianza son desconocidas

Si queremos contrastar la hipótesis de que el tratamiento ha producido cierto efecto µ0.

H0: µd = µ0
H1: µd ≠ µ0

d − µ0
en el caso en que H0 fuese cierta el estadístico de contraste adecuado es S d , que se
n
distribuye t con n-1 grados de libertad.

d − µ0
Y se rechaza Ho si S d > t α (n − 1) .
1−
2
n
donde d es la media muestral de las diferencias y S d es la cuasivarianza muestral de las
mismas. El tipo de contraste sería entonces del mismo tipo que el realizado para la
media con varianza desconocida.

Ejemplo:

Un balneario de aguas curativas anuncia un programa de reducción de peso y afirma que

el participante promedio pierde más de 6 kilos. En la siguiente tabla se muestra el
resultado en 10 personas, cuál sería su decisión con nivel de significación del 1%.

Antes Después
1 85,9 77,2
2 91,8 86,4
3 100 96,8
4 94,1 87,3
5 88,2 81,8
6 80,4 73,2
7 87,7 79,0
8 91,8 85
9 94,5 84,5
10 105,9 92,7

Solución

Sea µd la media poblacional de la pérdida de peso después del programa. Las hipótesis
a contrastar serán:

H0: µd = 6
H1: µd > 6
d − µ0
> t 1−α (n − 1)
se rechaza Ho si Sd .
n

Antes Después d d2
1 85,9 77,2 8,7 75,69
2 91,8 86,4 5,4 29,16
3 100 96,8 3,2 10,24
4 94,1 87,3 6,8 46,24
5 88,2 81,8 6,4 40,96
6 80,4 73,2 7,2 51,84
7 87,7 79 8,7 75,69
8 91,8 85 6,8 46,24
9 94,5 84,5 10 100
10 105,9 92,7 13,2 174,24
Suma 76,4 650,3
d=
76,4
= 7,64 S 2
=
∑d 2
− nd 2
=
650,3 − 10(7,64) 2
= 7,4
d
10 n −1 10 − 1

Sd = 7,4 = 2,72
d − µ0 7,64 − 6 1,64
= = = 1,9
Sd 2,72 0,86
n 10

t 1−α (n − 1) = t 1−0.01 (10 − 1) = t 0.99 (9) = 2,821

Como 1,9 no supera al percentil (2,821) entonces no se rechaza H0. O sea, que no hay
evidencias suficientes para aceptar la hipótesis de que la pérdida de peso después del
programa es superior a 6 kg.