12.

2 PRUEBAS DE HIPTESIS PARA LA MEDIA U DE UNA POBLACIN: CASO DE MUESTRA GRANDE (N > 30)

Como se sabe, el que la muestra sea grande permite, usando el teorema del lmite central, considerar que la distribucin de tales muestras es normal. Por tanto, el estadstico de prueba es:

Al igual que en los intervalos de confianza, dentro de la clasificacin muestra grande pueden considerarse dos casos: l) donde el parmetro poblacional es conocido, y 2) donde no se conoce y se estima mediante la desviacin estndar de la muestra s. Como la diferencia en ambos casos estriba solamente en utilizar o s en el estadstico de prueba, no se ve necesidad de tratarlos por separado. Como siempre, se utilizar un ejemplo para ilustrar su uso. Ejemplo 12.2 En el llenado automatizado de bolsas de jabn en polvo (vea ejemplo 10.3), la media poblacional esperada para bolsas de un kilogramo es 1000 gramos (g) Para ver que esto se cumpla, se toma una muestra aleatoria de 30 bolsas cada cierto tiempo y se pesan. La ltima muestra dio un peso medio de 1010 g. Con esta informacin y un valor histrico que maneja la empresa para de 15 g (cuando el proceso est bajo control) se desea saber si el proceso de envasado se est llevando a cabo correctamente.

Solucin En esta situacin la pregunta de investigacin se refiere a un cuestionamiento propio del control del proceso de envasado, de modo que puede plantearse como: El proceso de envasado est bajo control? El planteamiento del modelo estadstico mediante pruebas de hiptesis es, entonces: Ho: el proceso est bajo control (no hay cambio) H1: el proceso est descontrolado (hay cambio) La media de la poblacin se desconoce, y se representa por u. Por otro lado, hay una especificacin de llenado consistente en que se tengan en promedio 1000 g, por lo que 1000 g es el valor de contraste! 0 Por razones obvias, a la empresa le conviene una fluctuacin aceptable de la media alrededor de 1000 g; un desajuste en cualquier direccin puede considerarse un proceso fuera de control. Esto define una prueba de dos colas, por lo que el modelo estadstico es:

H0: H1:

1 1

= 1 000 g 1 000 g = 0.05, la distribucin normal estandarizada queda as:

Tomando

El estadstico muestral es X = 1 010 g, y en este caso se cuenta con la desviacin estndar poblacional = 15 g. Sustituyendo valores en la expresin 12.1 del estadstico de prueba se tiene como valor observado:

1010 1000 15 30

= 3,65 g

Conclusin Como el valor observado, 3.65 g, queda en una de las regiones de rechazo, se termina la prueba rechazando H0 y favoreciendo, por lo tanto, H1. La conclusin del ejemplo 12.2 significa que el proceso debe detenerse, buscar la causa del descontrol y corregirla. Esta, sin embargo, es una decisin seria que representa retraso en la produccin. Con el fin de reunir mayor informacin de apoyo puede hacerse una estimacin de intervalo del parmetro u con un nivel de confianza y de 95%. El resultado es: 1 004.6 g < u < 1 015.4 g.

El intervalo ni siquiera contiene el valor confrontado de 1 000 g, por lo que se fortalece la decisin de parar el proceso. Es posible seguir el anlisis de los resultados mediante el denominado valor p, para lo cual, sin embargo, se requiere su definicin y mtodo de clculo, el cual se facilita empleando algn programa de cmputo, como el programa 12.1. Se empezar ilustrando esto ltimo. Ejemplo 12.3 Se desea solucionar el ejemplo 12.2 utilizando el programa 12.1. Solucin Iniciar el programa 12.1. En el men principal seleccionar Una Muestra, luego Media y Varianza conocida. Anotar los datos solicitados por el programa (obviamente, sin unidades de peso) y seleccionar la Hiptesis nula correspondiente, con lo que la hiptesis alterna queda definida automticamente. Seleccionar el Nivel de significancia (en este caso 0.05) y hacer clic en el botn Ejecutar. La siguiente interface muestra los resultados dados por el programa.

En la interface del ejemplo 12.3, debajo de la conclusin aparece una ventana con el valor 0.00026 y rotulada valor p. A continuacin se discuten el significado, uso y clculo del valor p en las pruebas de hiptesis.

Valor p La forma tradicional de concluir una prueba de hiptesis es diciendo que la hiptesis nula se rechaza, o no, con un nivel de significancia prestablecido a. Esto, sin embargo, tiene ciertos inconvenientes para el analista que no realiz la prueba: primero, que el valor seleccionado de a fue decidido por alguien ms y que en cierto modo le est siendo

impuesto- segundo, que no tiene idea de si el valor calculado del estadstico de la prueba apenas lleg a la regin de rechazo o se adentr bastante en ella (especialmente cuando no se cuenta con un programa como el 12.1. Para subsanar estas dificultades en la prctica, se ha adoptado ampliamente el enfoque del valor p. El valor p es la probabilidad de que el estadstico de prueba asuma un valor que es al menos tan extremo como el valor observado del estadstico cuando la hiptesis nula es verdadera. En realidad el valor p es un nivel de significancia, pero calculado en funcin del valor observado y no predeterminado como los valores tpicos de a. Retomando la situacin del llenado de las bolsas de jabn, se tiene que al valor observado z0 = 3.65148 le corresponde el valor p = 0.00026. En trminos de la distribucin normal estandarizada esto puede representarse como se muestra en la figura 12.6: Obviamente las reas de rechazo correspondientes a valor p son considerablemente ms pequeas que las correspondientes al nivel escogido de 0.05. Una forma prctica de uso del valor p es comparar con el valor de a (a fin de cuentas ambos son niveles de significancia), y si el valor p es menor que a, se tendr mayor evidencia para rechazar H; en caso contrario, la evidencia funcionar para aceptar H0. En resumen:

Si valor p Si valor p

, rechazar H0 , aceptar H0

En el caso de las bolsas de jabn, se confirma el rechazo de la hiptesis nula, y el proceso puede ser detenido con mayor confianza (que no con certidumbre).

Un uso, quiz ms frecuente hoy en da (en los textos modernos, en las revistas cientficas y en artculos de investigacin), es simplemente reportar el valor p para que el analista o lector pueda concluir con cualquier nivel de significancia especificado. Una definicin precisa de valor p es: Definicin de valor p. El valor p es el nivel de significancia menor que llevara al rechazo de la hiptesis nula H0.

Es relativamente sencillo calcular el valor p para las pruebas en donde la distribucin normal est involucrada, como en el caso de las ilustraciones que se han visto. Si z es el valor del estadstico de prueba, entonces el valor p es: F(Zo) para una prueba de cola izquierda H0 : u u0; H1: u < u0 2[1 F(Zo)] para una prueba de dos colas H0 : u = u0; H1: u u0 1 F(Zo) para una prueba de cola derecha H0 : u u0; H1: u > u0 En la expresin 12.3, F(Zo) es la distribucin normal estndar acumulada, evaluada en Zo Ejemplo 12.4 Con la expresin (12.3), se calcula el valor p para el llenado de las bolsas de jabn y discutir los resultados. Solucin Se tiene una prueba de dos colas, y el valor observado es 3.65. De acuerdo con la expresin (12.3), se tiene: Valor p = 2[1 -F( 3.65)] =2[1- 0.99987] =0.00026 La estimacin de F(3.65) se hizo con el programa 9.2, pero puede emplearse igualmente Excel: DISTR.NORM.ESTAND(3.65). El resultado anterior se interpreta como que sera necesario tener un nivel de significancia de menor que 0.00026 para aceptar la hiptesis nula. Esto significa que para aceptar la hiptesis nula se requerira un valor de extremadamente pequeo (ms pequeo an que el menor valor de los recomendados: 0.01). Todo parece indicar que el proceso de envasado est fuera de control y habr que detenerlo para hacer las correcciones necesarias.