Clase 11 Contraste de Hipotesis

CONTRASTE DE HIPÓTESIS
DE LA
MEDIA
Estadística inferencial
Población
1.- Tamaño de muestra
Muestra 2. Tipos de muestreo
4.- Estimación
de parámetros
5.- Contraste de
hipótesis
Contraste de Hipótesis
A través del contraste de hipótesis, la estadística proporciona procedimientos óptimos
para decidir la aceptación o el rechazo de afirmaciones o hipótesis acerca de la
población en estudio. Las hipótesis se contrastan comparando sus predicciones con
los datos experimentales. Si coinciden dentro de un margen de error, la hipótesis se
mantiene. En caso contrario se rechaza.
Una hipótesis estadística es una afirmación o conjetura que se hace sobre una, o
varias, características de una población. Ejemplos de dichas afirmaciones incluyen el
que la media de una población tenga un determinado valor, o que los valores de una
variable presenten menor dispersión en torno a un valor medio en una población
comparada con la dispersión en otra, etc. Evidentemente, la forma más directa de
comprobar.
El contraste de la hipótesis se basa en una muestra, que supondremos aleatoria, de la

población en estudio. Al no estudiarse la población entera, nunca podremos estar
completamente seguros de si la hipótesis realizada es verdadera o falsa. Es decir,
siempre existe la probabilidad de llegar a una conclusión equivocada.
El primer paso en un proceso de ensayo de hipótesis es la formulación de la hipótesis

estadística que se quiere aceptar o rechazar.
Comunmente, se formulan las hipótesis estadísticas con el propósito de rechazarlas

para así probar el argumento deseado.
Por ejemplo, para demostrar que un producto es mejor que otro, se hace la hipótesis
de que son iguales, es decir, que cualquier diferencia observada es debida
´únicamente a fluctuaciones en el muestreo.
La hipótesis de partida que se quiere contrastar se la llama hipótesis nula, y se

representa por H0. La hipótesis nula es por tanto la hipótesis que se acepta o rechaza
como consecuencia del contraste de hipótesis.
Por otra parte, la hipótesis que se acepta cuando se rechaza H0 es la hipótesis

alternativa, denotada por H1. Es decir, si se acepta H0 se rechaza H1 y al contrario.
Error tipo I y II
• Cuando se rechaza la Ho, siendo esta verdadera, se comete un error tipo 1

• Cuando se acepta Ho, siendo esta falsa se comete un error tipo II
Tipos de contraste de hipótesis
Tipos Bilateral Izquierda Derecha
n > 30
Zona de Zona de
Zona de aceptación aceptación
aceptación
Zona de Zona de
Zona de Zona de rechazo rechazo
rechazo rechazo
n < 30
Pasos para el contraste de hipótesis

1. Dibujar el problema
2. Plantear la hipótesis ( bilateral, izquierda o derecha)
3. Calcular el estadístico experimental
4. Calcular el estadístico tabulado ( dos colas, o una cola)
5. Comparar estadístico experimental y tabulado (los dos se deben comparar en
valor absoluto)
6. Tomar la decisión ( aceptar Ho o rechazar Ho y aceptar H1)
7. Graficar estadístico experimental ( este paso es opcional)
Pasos para el contraste de hipótesis
Pasos Bilateral Izquierda Derecha
1 Gráfico
2 Hipótesis
Cuando se quiere comprobar si la media de Cuando se quiere comprobar si la media de Cuando se quiere comprobar si la media de
la muestra es igual o diferente la media de la muestra menor a la media de la la muestra es mayor a la media de la
la población población población
Estadístico de
prueba
experimental
n > 30
3
Estadístico de
prueba
experimental
n < 30
Estadístico
tabulado
Su valor depende del NC con el que se Su valor depende del NC con el que se Su valor depende del NC con el que se
n > 30 trabaje trabaje trabaje
4
Estadístico
tabulado
n < 30 Su valor depende del NC con el que se Su valor depende del NC con el que se Su valor depende del NC con el que se
trabaje trabaje trabaje
Comparar
estadístico
experimental y
tabulado
n > 30 Se compara en valor absoluto Se compara en valor absoluto Se compara en valor absoluto
5
Comparar
estadístico
experimental y
tabulado
Se compara en valor absoluto Se compara en valor absoluto Se compara en valor absoluto
n < 30
Decisión
n > 30
Decisión
n < 30
Paso 7 Bilateral
n > 30 Aceptar Ho
𝒁(𝜶/𝟐) = - (NC) 𝒁(𝜶/𝟐) = + (NC)
Rechazar Ho y se Acepta H1 Rechazar Ho y se Acepta H1
Para ver gráficamente el valor del Z experimental si se considera el signo ( - o +)
Paso 7 Bilateral
n < 30 Aceptar Ho
t(𝜶/𝟐; gl) = - (NC) t (𝜶/𝟐; gl) = + (NC)
Rechazar Ho y se Acepta H1 Rechazar Ho y se Acepta H1
Para ver gráficamente el valor del t experimental si se considera el signo ( - o + )

Paso 7 Izquierda
n > 30
𝒁(𝜶) = - (NC) Aceptar Ho
Rechazar Ho y se Acepta H1
Paso 7 Izquierda
n < 30
Aceptar Ho
t(𝜶 ; gl) = - (NC)
Para ver gráficamente el valor del t experimental si se considera el signo ( - o +)

Paso 7 Derecha
n > 30
Aceptar Ho
𝒁(𝜶) = + (NC)
Paso 7 Derecha
n < 30
Aceptar Ho
t(𝜶; gl) = + (NC)
Para ver gráficamente el valor del t experimental si se considera el signo ( - o + )

𝒁(𝜶/2) = - (NC) 𝒁(𝜶/2) = + (NC)

Ejercicio 1
Paso 5: Comparar el estadístico experimental y el estadístico tabulado
Se debe compara en valor absoluto
Paso 6 Decisión:
En este caso el valor absoluto del Z experimental es mayor al valor absoluto del Z tabulado, por lo
tanto, se rechaza Ho y se Acepta H1, es decir el valor calculado de la media 298,3 es diferente el
valor declarado en el envase de 300,0 g
Paso 7: Gráfico
Aceptar Ho
𝒁(𝜶/𝟐) = - 1,96 𝒁(𝜶/𝟐) = + 1,96)
El valor de Z experimental es de -3,54, no esta entre los valores de Z(α/2) -1,96 y +1,96 , está muy por debajo del valor del
estadístico tabulado - 1,96, es decir cae en la zona de rechazo, por tal razón se rechaza Ho, y se acepta H1, es decir el peso de
298,3 de los envases no es igual al peso declarado
𝒁(𝜶) = - (NC)
Ejercicio 2
Paso 6 Decisión:
tanto, se rechaza Ho y se Acepta H1, es decir el valor calculado de la media de 2,983, es menor al
valor declarado del envase 300,0 g
Paso 7: Gráfico
𝒁(𝜶/𝟐) = - 1,645
El valor de Z experimental es de -3,54 , que esta muy por debajo del valor del estadístico tabulado Z(α ) = - 1,645, es decir cae
en la zona de rechazo, por tal razón se rechaza Ho, y se acepta H1, es decir el peso de 298,3 de los envases es menor al peso
declarado de 300 g
Ejercicio 3
El límite máximo de concentración del isótopo radiactivo estroncio 90 en la leche es de es 5 unidades por litro. Para
verificar si las especificaciones se cumplían en cierta región del país, fueron seleccionadas aleatoriamente 60
lecherías, encontrándose una media aritmética de 6,6 unidades por litro y una desviación estándar de 0,7958
unidades por litro. En las mediciones se trabajo al 95% de confianza.
¿Diga si la leche es apta para el consumo humano?
Desarrollo
, Para que la leche se apta para el consumo humano la leche no debe contener mas de 5 unidades por litro de
estroncio 90, ya que si existe mas de esto la leche se vuelve radioactiva y perjudicial para la salud.
Lo que vamos a comprobar en este problema es si las 6,6 unidades de estroncio 90 por litro es mayor al límite
permitido de 5 unidades por litro, es decir tenemos un contraste de hipótesis de cola derecha.
Cuando se quiere comprobar que la media experimental es mayor que el valor verdadero o media poblacional o el
valor de un estándar se plantea una hipótesis de cola derecha.
1: Gráfico
Paso 2: Hipótesis
En este caso la hipótesis son:
𝒁(𝜶) = + (NC)
Ejercicio 3
Paso 6 Decisión:
tanto, se rechaza Ho y se Acepta H1, es decir el valor calculado de 6,6 unidades por litro de
estroncio 90, es superior al límite máximo establecido de 5 unidades por litro, y la leche no es apta
para el consumo humano
Paso 7: Gráfico
𝒁(𝜶) = + 1,645
El valor de Z experimental es de 15,57 , que esta muy por encima del valor del estadístico tabulado Z(α) = +1,645, es decir
cae en la zona de rechazo, por tal razón se rechaza Ho, y se acepta H1, es decir las 6,6 unidades por litro de estroncio 90 esta sobre el
límite máximo de 5 unidades por litro permitidos
t (𝜶 /2; gl) = + (NC) t (𝜶 /2; gl) = + (NC)

Ejercicio 4
Paso 6 Decisión:
En este caso el valor absoluto del t experimental es menor al valor absoluto del t tabulado, por lo
tanto, se acepta Ho y se rechaza H1, es decir el valor calculado de la media 100,6 mg/L , es igual a
valor del estándar de plomo de 102,2 mg/L y la cantidad de errores sistemáticos cometido es
aceptable
Paso 7: Gráfico
Aceptar Ho
t (𝜶/𝟐 ; gl) = - 2,120 t (𝜶/𝟐 ; gl) = + 2,120
Aceptar Ho y se rechaza H1
El valor de t experimental es de -1,88 , que esta entre el valor del estadístico tabulado t (α/2) = -2,120 y + 2,120, es decir
cae en la zona de aceptación, por tal razón se acepta Ho, y se rechaza H1, es decir el valor medio de 100,6 mg/L es igual al valor del
estándar de 102,2 mg/L de plomo y los errores sistemáticos cometidos son aceptables
DE DOS MEDIAS EXPERIMENTALES
de dos medias
Si las varianzas son iguales Si las varianzas son diferentes
Pasos Pasos
Paso 1 Sacamos factor común y de la raíz la a S Para ver si Paso 1: Calcular el t exp
las varianzas
son iguales
o diferentes.
lo hacemos
Paso 2 Calculamos la Sconjunta con la
distribución Paso 2 Calculamos el t (α/2; gl ) tabulado
de FISHER
Paso 3 Calculamos el texp
Paso 4 Calculamos el t (α/2; gl ) tabulado
gl = n1+n2 - 2 Comparamos los estadístico s texp y t (α/2; gl) tabulado
Decisión
Distribución de
FISHER
Distribución de F de Fisher
Frecuentemente se desea comparar la precisión de un instrumento de medición

con la de otro, o la variación de un proceso de manufactura con la de otro para
saber cual tiene mas errores aleatorios o causas comunes que los afecta.
Dispersión método A Dispersión método B
La variación del método A comparada con el método B puede ser igual o diferente
Intuitivamente, podríamos comparar las varianzas de dos poblaciones, y utilizando
la razón de las varianzas de la muestra /
Si la relación de las varianzas muestrales / es casi igual a 1, se tendrá evidencia

para indicar que la varianza 1 y la varianza 2 son iguales , pero si el valor de
eta relación es muy pequeña o muy grande podemos decir que la varianza 1 es diferente
a la varianza 2
El estadístico F se define como el cociente de dos variables aleatorias chi cuadrada

independientes, dividida cada una entre su número de grados de libertad. En
consecuencia, podemos escribir:
Suponga que dos muestras aleatorias de tamaños n1 y n2 se seleccionan de dos

poblaciones normales con y respectivamente, dándonos :
Si y son las varianzas de muestras aleatorias independientes de tamaño n1 y n2

tomadas de poblaciones normales con varianzas y respectivamente, entonces:
Sigue una distribución F de Fisher con (n1−1) y (n2−1) grados de libertad.
Si se cumple que las varianzas poblacionales son iguales
El estadístico de prueba para ver si dos varianzas muéstrales son iguales o diferentes será:
En donde en el numerador se coloca la varianza mayor y en el denominador se coloca la

varianza menor.
Los valores de F dependen de:
• Los grados de libertad gl1 = n1 -1 y gl2= n2-1 en donde n1 y n2 son los tamaños de las
muestras
• Y del nivel de confianza ( NC) con el que se trabaje, expresado como ( α ) nivel de
significancia
Se representa de la siguiente manera
El valor de F aumenta de izquierda a derecha desde 0 hasta + ∞

0 +∞
El valor del NC aumenta de izquierda a
0 derecha, desde 0% hasta 100%
100 %
El valor de alfa ( ἀ) aumenta de derecha izquierda, desde

0% hasta 100%
100 % 0
NC
1-ἀ
Podemos tener una distribución de F, de una cola y dos colas
glN/glD
NC
Una cola
1-α
glN/glD
Dos colas
NC
1-α
Como calcular el valor de F UNA COLA
Como dijimos el valor de F depende del Nivel de Confianza ( NC), expresado como el nivel de significancia
(α ) y de los grados de libertad gl1 = n1-1 y gl2 n2-1, donde n1 y n2 son los tamaños de las muestras.
Ejemplo 1:
Se toma dos muestras de una población n1 = 10 y n2 = 8 se trabaja a un nivel de confianza del NC 95%;
calcular el valor de F, si se tiene una cola:
Supongamos que los datos de la muestra n1 tiene una varianza de 4 y los de la muestra 2 tienen una
varianza de 6.
Datos
NC = 95% = 0,95
ἀ = 5%= 0,05
n1 = 10
gl1 = n1-1
gl1 = 10-1 = 9
NC ἀ = 5% = 0,05
n2 = 8 95%
gl2 = n2-1
gl2 = 8-1 = 7
En el numerador se ponen los grados de

libertad de la varianza de mayor tamaño (glN); Buscamos con estos datos el valor de F en la tabla
y en el denominador se pone los grados de de UNA COLA
libertad de la varianza de menor tamaño (glD).
Tabla de la distribución de F de Fisher
UNA COLA (Se usa para el ANOVA=
Grados de
libertad del
numerador glN
Grados de
libertad del
denominador glD
Grados de
libertad del DOS COLAS
numerador glN
Grados de
libertad del
denominador glD
Como calcular el valor de F
UNA COLA
Ejemplo 2 variando el nivel de confianza
Se toma dos muestras de una población n1 = 10 y n2 = 8 se trabaja a un nivel de confianza del NC 2,5%;
varianza de 6.
Como calcular el valor de F UNA COLA
Ejemplo 2:
Se toma dos muestras de una población n1 = 10 y n2 = 8 se trabaja a un nivel de confianza del NC 2,5%;
varianza de 6.
Datos
NC = 2,5% = 0,025
α = 97,5%= 0,975
n1 = 10 α = 97,5% = 0,975
NC
gl1 = n1-1
2,5%
gl1 = 10-1 = 9
n2 = 8
gl2 = n2-1
gl2 = 8-1 = 7 Como no se tiene tabulado los valores de F para valores de α = 0,95, lo
que se hace es encontrar el valor de F( 0,05; glN/glN) y sacar su inversa

libertad de la varianza de mayor tamaño (glN);
y en el denominador se pone los grados de
DOS COLAS
Ejemplo 3
calcular el valor de F, si se tiene dos colas:
varianza de 6.
DOS COLAS
Ejemplo 3:
calcular el valor de F, si se tiene dos colas:
varianza de 6.
Datos
NC = 95% = 0,95
α = 5%= 0,05
α/2 = 0,05/2 = 0,025
n1 = 10
NC = 95%
gl1 = n1-1
gl1 = 10-1 = 9
n2 = 8
Buscar en la tabla de dos colas

gl2 = n2-1
gl2 = 8-1 = 7

libertad de la varianza de mayor tamaño (glN);
y en el denominador se pone los grados de
Grados de DOS COLAS
libertad del
numerador glN
Grados de
libertad del
denominador glD
Contraste de hipótesis dos medias
Ejercicio 1:
En una comparación de dos métodos analíticos se obtiene los siguientes resultados. Se
trabajó al 95% de confianza.
Media Desviación Estándar n

Método 1 28 0,3 10
Método 2 26,25 0,23 10
Pasos
1.- Planteamos la hipótesis de las medias
2.- Calculamos las varianzas

Media Desviación Estándar n Varianzas
Método 1 28 0,3 10 0,090
Método 2 26,25 0,23 10 0,053
3.- Vemos si las varianzas son iguales o diferentes
3.1.- Planteamos hipótesis de varianzas
3.2.- Calculamos el F experimental
Media Desviación Estándar n Varianzas
Método 1 28 0,3 10 0,090 varianza mayor ( 1)
Método 2 26,25 0,23 10 0,053 varianza menor ( 2)

3.3.- Calculamos el F tabulado
Trabajamos con la distribución de dos colas
glN = 10-1 = 9
glD = 10-1 = 9
Para el F tabulado seleccionamos el F1 que es el más grande,

ya que al ser el F2 un valor pequeño se desprecia, Es decir el
F1 es el que se encuentra tabulado en la tabla de dos colas
Grados de DOS COLAS
libertad del
numerador glN
Grados de
libertad del
denominador glD

3.4.- Comparamos el F experimental, con el F tabulado, los dos en valor absoluto

3.5.- Decisión
En este caso como el F experimental es ≤ al F tabulado; se acepta Ho y las varianzas son iguales
Si las varianzas son iguales
4.- Sacamos factor común y de la raíz la a S
5.- Calculamos la S conjunta
6.- Calculamos el texp

7.- Calculamos el t (α/2; gl ) tabulado
gl = n1+n2 - 2
gl = 10 + 10 - 2
gl = 18
Buscamos en la tabla de t student
8.- Comparamos los estadísticos texp y t (α/2,gl) tabulado
9.- Decisión
En este caso como el t experimental, es mayor al t tabulado se rechaza Ho y se acepta H1
Es decir las medias no son iguales
Ejercicio 2:
La siguiente tabla proporciona la concentración de tiol en sangre de dos grupos de personas, el primer
grupo es sano y el segundo grupo sufre artritis reumatoide
Concentración de tiol mMOL
Normal Reumatoide
1,84 2,81
1,92 4,06
1,94 3,62
1,92 2,27
1,85 3,27
1,91 3,76
2,07
Pasos
1.- Planteamos la hipótesis de las medias
2.- Calculamos las medias, desviación estándar y varianzas
Media Desviación Estándar Varianza n

Normal 1,92 0,076 0,006 7
Reumatoide 3,47 0,440 1,940 6

3.1.- Planteamos hipótesis de varianzas
3.2.- Calculamos el F experimental
Normal 1,92 0,076 0,006 7 varianza menor (2)
Reumatoide 3,47 0,440 0,194 6 varianza mayor ( 1)

3.3.- Calculamos el F tabulado
Trabajamos con la distribución de dos colas
glN = 6-1 = 5
glD = 7-1 = 6
Para el F tabulado seleccionamos el F1 que es el más grande,

ya que al ser el F2 un valor pequeño se desprecia, Es decir el
F1 es el que se encuentra tabulado en la tabla de dos colas
Grados de DOS COLAS
libertad del
numerador glN
Grados de
libertad del
denominador glD

3.4.- Comparamos el F experimental, con el F tabulado, los dos en valor absoluto

3.5.- Decisión
En este caso como el F experimental es > al F tabulado; se acepta H1 y las varianzas son
diferentes
Si las varianzas son diferentes
Paso 4: Calcular el t exp
Paso 5 Calculamos el t (α/2; gl ) tabulado
Buscamos en la tabla de t student

Paso 6.- Comparamos los estadísticos texp y t (α/2,gl) tabulado
Paso 7.- Decisión

En este caso como el t experimental, es mayor al t tabulado se
rechaza Ho y se acepta H1
Es decir las medias no son iguales
Muestras pareadas
Contraste de hipótesis de muestras pareadas
Ejercicio 2
La siguiente tabla muestra la determinación de plomo ug/L determinado por dos método diferentes
en cada una de las 4 muestras. Determine si los dos métodos proporcionan valores iguales o
diferentes de plomo. Se trabajo al 95% de confianza.
Muestra Método oxidación húmeda Método extracción directa
1 71 76
2 61 68
3 50 48
4 60 57
DESARROLLO
En este caso la hipótesis de comparación de dos medias no es apropiado, ya que tenemos una
muestra pareada.
Una muestra pareada es cundo a una misma muestra o individuo se le somete a dos tratamientos
diferentes y se observa si hubo diferencia entre el tratamiento y do al cual fue sometida la muestra o
individuo. En este caso lo mas apropiado es realizar un contraste de de hipótesis de media apareada,
en donde se observa la diferencia de cada para de resultados dados por los métodos.
1.- Plantear hipótesis
2.- Calcular las diferencias de xi, la media de las diferencias y la desviación estándar de las diferencias
Muestra Método oxidación húmeda Método extracción directa Xid
1 71 76 -5
2 61 68 -7
3 50 48 2
4 60 57 3
Media de las diferencias -1,75
Desviación Estándar de las diferencias 4,99
Contraste de hipótesis de muestras pareadas
Ejercicio 2
3.- calculo del t experimental.
4.– Calcular el t experimental

gl n-1; donde n es el número de pares de datos
gl = 4-1 = 3
5.- Comparar el t experimental con el t tabulado ( en valor absoluto)
6.- Decisión
En este caso como el valor absoluto del t experimental es menor al t tabulado, se acepta Ho, es decir
los métodos 1 y 2 no dan valores diferentes para las concentraciones de plomo.
α/2= 0,025
gl
DE UNA
VARIANZA EXPERIMENTAL
CON LA VARIANZA DE LA
POBALCIÓN
Contraste de hipótesis de varianzas
Supóngase que se conoce la varianza de la población o se tiene una especificación

para la variación y se quiere comprara la variación de prueba con la variación de la
población o de la especificación.
Varianza de población conocida
Para realizar el contraste de hipótesis de varianza cuando se conoce la varianza de la

población se utiliza como estadístico de prueba el Chi cuadrado .
Pasos para el contraste de hipótesis de varianzas
Pasos
1.- Plantear la Hipótesis
Bilateral
Unilateral
2.- Calcular el estadístico Chi experimental
3.- Calcular el estadístico Chi tabulado

El estadístico Chi cuadrado tabulado depende del nivel de confianza ( NC) con el que
se este trabajando, expresado como nivel de significancia ( α) y de los grados de
libertad de la varianza gl = n-1, donde n es el tamaño de la muestra.
Contraste de hipótesis de varianzas
Podemos tener contraste de hipótesis:
Bilateral
gl
NC
1-α
Unilateral
gl
NC
1-α
Pasos
4.- Comparar el estadístico Chi experimental con el Chi tabulado ( se compara en valor
absoluto)
Bilateral Unilateral
5.- Decisión
Ejercicio 1
Una compañía embotelladora de gaseosas quiere controlar la variación del llenado de las botellas,
para eso a especificado que la variación permitida máxima es de 0,0004 ml. Para comprobar esto
toma una muestra de 28 botellas mide su media y su varianza S^2 siendo esta de 0,0007 ml. Se
trabajó al 95% de confianza
a.- Diga si la varianza de la muestra es igual o diferente a lo especificado
b.- Diga si la variación de la muestra es menor o mayor a lo especificado
Datos
n = 28
NC = 95%
α = 5% = 0,05
α/2 = 0,025

Pasos

En este caso tenemos dos colas o bilateral, por lo tanto tenemos dos valores de chi
experimentales
gl
NC
1-α
Buscamos los valores en las tablas de Chi cuadrado
Para el chi experimental se

selecciona el de mayor valor
Tabla 1
ἀ = 0,025
gl= 27
Tabla 3
ἀ = 0,025
gl= 27
Pasos
4.- Comparar el estadístico Chi experimental con el Chi tabulado ( se compara en valor absoluto)
Bilateral
5.- Decisión
En este caso el valor del chi experimental es mayor al Chi tabulado, y por lo tanto se acepta H1, lo que
significa que la varianza de l muestra es diferente a la varianza de la población
De forma gráfica podemos ver:
gl
NC
1-α
El valor de chi experimental cae en

la zona de rechazo
Ejercicio 1
Una compañía embotelladora de gaseosas quiere controlar la variación del llenado de las botellas,
para eso a especificado que la variación permitida máxima es de 0,0004 ml. Para comprobar esto
toma una muestra de 28 botellas mide su media y su varianza S^2 siendo esta de 0,0007 ml. Se
trabajó al 95% de confianza
b.- Diga si la variación de la muestra es menor o mayor a lo especificado
Datos
n = 28
NC = 95%
α = 5% = 0,05
α/2 = 0,025
a.- Diga si la variación de la muestra es menor o mayor a lo especificado

Pasos

En este caso tenemos una cola o unilateral, por lo tanto tenemos un valor de chi
experimentales
gl
NC
1-α
Buscamos los valores en las tablas de Chi cuadrado

Tabla 1
ἀ = 0,05
gl= 27
Pasos
4.- Comparar el estadístico Chi experimental con el Chi tabulado ( se compara en valor absoluto)
Unilateral
5.- Decisión
En este caso el valor del chi experimental es mayor al Chi tabulado, y por lo tanto se acepta H1, lo que
significa que la varianza de la muestra es mayor al de la varianza de la población
Es decir: 0,0007ml es mayor a 0,0004ml
gl
NC
1-α
El valor de chi experimental cae en

la zona de rechazo
DE
DOS VARIANZAS
EXPERIMENTALES
Contraste de hipótesis de dos varianzas experimentales
Supóngase que se tiene interés en dos poblaciones normales independientes, donde

las medias y las varianzas de la población son desconocidas. Se desea probar la
igualdad diferencia de dos varianzas o si una varianza es o mayor que la otra.
La variación de un método analítico o de un proceso productivo es igual, menor o

mayor que el otro, es decir en cual de ellos se ha cometido menos error aleatorio.
Nos podemos preguntar que método analítico es mas preciso que otro
Para el ensayo de hipótesis de varianzas se utilizará la relación de varianzas,

mediante la F de fisher
Pasos para el contraste de hipótesis de dos varianzas experimentales
Pasos
Bilateral
Unilateral
2.- Calcular el estadístico F de fisher experimental
3.- Calcular el F de Fisher tabulado

El estadístico F de fisher tabulado depende del nivel de confianza ( NC) con el que se
este trabajando, expresado como nivel de significancia ( α) y de los grados de
libertad de la varianza del numerador glN y de la varianza del denominador glD
glN = n-1 (de la varianza de mayor tamaño)

glD= n-1 (de la varianza de menor tamaño)
Podemos tener contraste de hipótesis:
Bilateral
glN/glD
NC
1-α
Unilateral
glN/glD
NC
1-α
Pasos
4.- Comparar el estadístico F experimental con el t tabulado ( se compara en valor
absoluto)
5.- Decisión
Una de las aplicaciones del contraste de hipótesis de varianzas es

para ver la precisión de dos métodos analíticos.
Si se quiere comparar dos métodos

Se deben verificar dos condiciones
1.- Las medias deben ser iguales
2.- Las varianza del método 1, debe ser igual a la varianza del
método 2
Si se quiere comparar dos métodos; un método estándar y un

método nuevo
Se debe verificar que se cumplan dos condiciones:
2.- Las varianza del método nuevo debe ser menor a la

varianza del método estándar
Ejercicio 1
Los siguientes resultados se obtuvieron al comparar un método nuevo un un método estándar para la
determinación de fenibutazona, los datos están en porcentajes de recuperación. Se trabajó al 95% de
confianza. Indique si se puede aceptar los datos obtenidos por el método nuevo
Método nuevo 99,35 0,4301 0,185 3
Método estándar 99,53 0,3899 0,152 3
Para poder aceptar los datos del método nuevo, es necesario que :
2.- Las varianza del método nuevo debe ser menor a la varianza del método estándar
Para resolver la parte 1 de esta pregunta revisar la sección de contraste de hipótesis

de dos medias
2.- Las varianza del método nuevo debe ser menor a la varianza del método estándar
Pasos
1.- Hipótesis
2.- .- Calcular el estadístico F de fisher experimental
3.- Calcular el estadístico F tabulado

En este caso tenemos una cola, es decir un contraste unilateral
Unilateral
glN/glD
NC
glN = n1-1
1-α
glN=3-1=2
glD = n1-1
glD=3-1=2
Buscamos en la tabla de F de una cola

UNA COLA (Se usa para el ANOVA)
Grados de
libertad del
numerador glN
Grados de
libertad del
denominador glD
Pasos
4.- Comparar el estadístico F experimental con el t tabulado ( se compara en valor absoluto)
Unilateral
5.- Decisión
En este caso la F experimental es menor al f tabulado y se acepta Ho, esto significa que la varianza del
método nuevo es mas pequeña que la del método estándar y si se puede aceptar los datos del
método nuevo.
glN/glD
NC
1-α
Ejercicio 2
En una comparación de dos métodos para la determinación de Boro en plantas se obtuvieron los
siguientes resultados.

Método 1 18 0,30 0,090 mayor 10
Método 2 26,25 0,23 0,0529 menor 8
Para poder saber si los dos métodos dan los mismos resultados, es necesario que :
2.- Las varianza del método 1 debe ser igual a la varianza del método 2
DESARROLLO
Para resolver la parte 1 de esta pregunta revisar la sección de contraste de hipótesis

de dos medias
2.- Las varianza del método 1 debe ser igual a la varianza del método 2
Pasos
1.- Hipótesis
2.- .- Calcular el estadístico F de fisher experimental
3.- Calcular el estadístico F tabulado

En este caso tenemos una cola, es decir un contraste unilateral
Bilateral glN/glD
gl de la varianza mayor NC
glN = n1-1 1-α
glN=10-1 = 9
gl de la varianza menor
glD = n1-1
glD=8-1= 7
Buscamos en la tabla de F de DOS COLAS
Para el F tabulado seleccionamos el de mayor

valor, ya que al ser el F2 un valor pequeño se
desprecia, Es decir el F1 es el que se
encuentra tabulado en la tabla de dos colas
Grados de DOS COLAS
libertad del
numerador glN
Grados de
libertad del
denominador glD
Pasos
4.- Comparar el estadístico F experimental con el t tabulado ( se compara en valor absoluto)
Bilateral
5.- Decisión
En este caso la F experimental es menor al f tabulado y se acepta Ho, esto significa que la varianza del
método 1 es igual a la del método 2 y decimos que la variación de los dos métodos son iguales; o
también que se han cometido los mismos errores aleatorios
De forma gráfica vemos
glN/glD
NC
1-α
de
Proporciones
https://www.youtube.com/watch?v=abuTrNjsoWk
https://www.youtube.com/watch?v=C2AQiM7NCIk
Contraste de hipótesis de proporciones
El concepto de la prueba de hipótesis también se puede utilizar en relación con datos cualitativos,
esto permite decidir con base en los datos muestrales, si la proporción muestral p, es igual, mayor o
menor que la proporción poblacional.
La proporción muestral p (estimador del verdadero parámetro po a partir de la muestra) es.
p = xi/n
En donde la variable aleatoria Xi, definida como el número de éxitos obtenidos en una
muestra de tamaño n, es por definición una variable aleatoria de distribución binomial.
Si el tamaño de muestra es lo suficientemente grande se puede aproximar la distribución binomial a

la distribución normal, si.
np y 1-p ≥ 5
El estadístico de prueba en este caso será:
En donde la desviación estándar
quedando
~N(0,1)
Estadístico de prueba cuando se aproxima a la distribución Normal

Pasos para el contraste de hipótesis de proporciones
1 Gráfico
2 Hipótesis Cuando se quiere comprobar si el p de la

Cuando se quiere comprobar si el p de la Cuando se quiere comprobar si el p de la
muestra es igual o diferente al po de la
muestra es menor al po de la población muestra es mayor al po de la población
población
Estadístico de
3 prueba
experimental
Estadístico
4 tabulado
Su valor depende del NC con el que se
Su valor depende del NC con el que se Su valor depende del NC con el que se
trabaje
trabaje trabaje
Compara
estadístico
5 experimental
con estadístico
tabulado
Decisión
6
Ejercicio 1
Un medicamento para malestar estomacal tiene la advertencia de que algunos usuarios pueden
presentar una reacción adversa a él, más aún, se piensa que alrededor del 3% de los usuarios tienen
tal reacción. Si en una muestra aleatoria de 150 personas con malestar estomacal usa el
medicamento, y el 4% presenta reacción adversa. Se trabaja al 95% de confianza. Diga si la proporción
de la muestra es diferente a la proporción de la población.
Datos
Proporción de la población: po = 3%
n = 150
Proporción de la muestra :p= 4%
NC = 95%
α = 5%
Primero vamos a ver si la proporción de la muestra p, es igual o diferente a la proporción de la
población
Paso 1
Hipótesis
Ho: p = po
H1: p ≠ po
2.- Cálculo de Z experimental
3.- Cálculo del Z tabulado

Z(α/2)
Z(0,025) = ± 1,96
4.- Comparar Z experimental con Z tabulado
5.- Decisión
En este caso el Z experimental es menor que el z tabulado, por lo tanto la proporción de la muestra
4% es igual a la proporción de la población 3%
0
Ejercicio 2
Una compañía farmacéutica afirma que un antibiótico tiene 80% de efectividad. Se somete a prueba
una muestra aleatoria de 50 casos de estudio y se obtiene una proporción de 65,7%. ¿Presentan los
datos suficiente evidencia para refutar la afirmación de la compañía?. Para este problema, si se
selecciona un nivel de confianza del 95%, nivel de significación α de 5%.
Datos
n = 50
Proporción de la muestra :p= 65,7%
NC = 95%
α = 5%
a).- Primero vamos a ver si la proporción de la muestra p, es igual o diferente a la proporción de la

población.
b).- Si sale que la proporción de la muestra p es diferente a la proporción de la población, tenemos
que comprobar si la proporción de la muestra es mayor o menor que la proporción de la población.
a).-
Paso 1
Hipótesis
Ho: p = po
H1: p ≠ po

Z(α/2)
Z(0,025) = ± 1,96
5.- Decisión
En este caso el valor absoluto del Z experimental es mayor que el z tabulado, por lo tanto la
proporción de la muestra 65,7% es diferente a la proporción de la población 80%
0
Ejercicio 2
Una compañía farmacéutica afirma que un antibiótico tiene 80% de efectividad. Se somete a prueba
una muestra aleatoria de 50 casos de estudio y se obtiene una proporción de 65,7%. ¿Presentan los
datos suficiente evidencia para refutar la afirmación de la compañía?. Para este problema, si se
selecciona un nivel de confianza del 95%, nivel de significación α de 5%.
Datos
n = 50
Proporción de la muestra :p= 65,7%
NC = 95%
α = 5%
Como en la parte (a) salió que la proporción de la muestra p es diferente a la proporción de la población po,
tenemos que comprobar si la proporción de la muestra es mayor o menor que la proporción de la población.
Aparentemente 65,7% puede ser menor que 80%,
Cuando se quiere probar que la proporción de la muestra p, es menor que la proporción de la población po se aplica
un contraste de cola izquierda.
probamos una hipótesis unilateral izquierda
b).-
Paso 1
Hipótesis
Ho: p ≥ po
H1: p < po

Z(α)
Z(0,05) = ± 1,645
5.- Decisión
En este caso el valor absoluto del Z experimental es mayor que el Z tabulado, por lo tanto la
proporción de la muestra 65,7% es menor que la proporción de la población 80%
Ejercicio 2
El gerente de producción de una empresa de productos derivados de la leche afirma que cuando
mucho el 2% de las bolsas de leche se descomponen en los lugares de venta. Pruebe esta aseveración
con α=0,05, si una revisión hecha en 50 bolsas de varios establecimientos se observó que 3 bolsas
estaban en mal estado.
Datos
Proporción de la población: po = 2% =0,02
n = 50
Xi = 6
Proporción de la muestra :p= xi/n = 4/50 = 0,08
NC = 95%
α = 5%
Aparentemente la proporción de la muestra p = 0,08 es mayor que la proporción de la población po = 0,02, vamos a
probar una hipótesis unilateral derecha
Paso 1
Hipótesis
Ho: p ≤ po
H1: p > po

Z(α)
Z(0,05) = ± 1,645
5.- Decisión
En este caso el valor absoluto del Z experimental es mayor que el Z tabulado, por lo tanto la
proporción de la muestra del 8% es mayor que la proporción de la población 2%; por lo tanto en las
tiendas las bolsas de leche se descomponen en un 8%, no cumpliéndose con lo que afirmaba el
gerente de la empresa, que decía que como máximo se descomponían un 2%

Clase 11 Contraste de Hipotesis

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Clase 11 Contraste de Hipotesis

Загружено:

Авторское право:

Доступные форматы

CONTRASTE DE HIPÓTESIS

1.- Tamaño de muestra

Muestra 2. Tipos de muestreo

El contraste de la hipótesis se basa en una muestra, que supondremos aleatoria, de la

El primer paso en un proceso de ensayo de hipótesis es la formulación de la hipótesis

Comunmente, se formulan las hipótesis estadísticas con el propósito de rechazarlas

La hipótesis de partida que se quiere contrastar se la llama hipótesis nula, y se

Por otra parte, la hipótesis que se acepta cuando se rechaza H0 es la hipótesis

• Cuando se rechaza la Ho, siendo esta verdadera, se comete un error tipo 1

Pasos para el contraste de hipótesis

Para ver gráficamente el valor del Z experimental si se considera el signo ( - o +)

Para ver gráficamente el valor del t experimental si se considera el signo ( - o + )

𝒁(𝜶) = - (NC) Aceptar Ho

Para ver gráficamente el valor del t experimental si se considera el signo ( - o +)

Para ver gráficamente el valor del Z experimental si se considera el signo ( - o +)

Para ver gráficamente el valor del t experimental si se considera el signo ( - o + )

𝒁(𝜶/2) = - (NC) 𝒁(𝜶/2) = + (NC)

t (𝜶 /2; gl) = + (NC) t (𝜶 /2; gl) = + (NC)

Paso 3 Calculamos el texp

Paso 4 Calculamos el t (α/2; gl ) tabulado

gl = n1+n2 - 2 Comparamos los estadístico s texp y t (α/2; gl) tabulado

Frecuentemente se desea comparar la precisión de un instrumento de medición

Si la relación de las varianzas muestrales / es casi igual a 1, se tendrá evidencia

El estadístico F se define como el cociente de dos variables aleatorias chi cuadrada

Suponga que dos muestras aleatorias de tamaños n1 y n2 se seleccionan de dos

Si y son las varianzas de muestras aleatorias independientes de tamaño n1 y n2

Sigue una distribución F de Fisher con (n1−1) y (n2−1) grados de libertad.

Si se cumple que las varianzas poblacionales son iguales

En donde en el numerador se coloca la varianza mayor y en el denominador se coloca la

Se representa de la siguiente manera

El valor de F aumenta de izquierda a derecha desde 0 hasta + ∞

El valor de alfa ( ἀ) aumenta de derecha izquierda, desde

Podemos tener una distribución de F, de una cola y dos colas

En el numerador se ponen los grados de

En el numerador se ponen los grados de

Como calcular el valor de F

Buscar en la tabla de dos colas

En el numerador se ponen los grados de

Media Desviación Estándar n

2.- Calculamos las varianzas

3.- Vemos si las varianzas son iguales o diferentes

Para el F tabulado seleccionamos el F1 que es el más grande,

3.- Vemos si las varianzas son iguales o diferentes

3.- Vemos si las varianzas son iguales o diferentes

4.- Sacamos factor común y de la raíz la a S

5.- Calculamos la S conjunta

6.- Calculamos el texp

Buscamos en la tabla de t student

8.- Comparamos los estadísticos texp y t (α/2,gl) tabulado

2.- Calculamos las medias, desviación estándar y varianzas

Media Desviación Estándar Varianza n

3.- Vemos si las varianzas son iguales o diferentes

3.- Vemos si las varianzas son iguales o diferentes

Para el F tabulado seleccionamos el F1 que es el más grande,

3.- Vemos si las varianzas son iguales o diferentes

3.- Vemos si las varianzas son iguales o diferentes

Paso 4: Calcular el t exp

Paso 5 Calculamos el t (α/2; gl ) tabulado

Buscamos en la tabla de t student

Paso 7.- Decisión

4.– Calcular el t experimental

5.- Comparar el t experimental con el t tabulado ( en valor absoluto)

Supóngase que se conoce la varianza de la población o se tiene una especificación