Академический Документы
Профессиональный Документы
Культура Документы
Clase Magistral 13
Profesor Manuel Ricardo Contento
Prueba de Hipótesis Estadísticas
• Fundamento de la P.H.
• Prueba de hipótesis para
• P.H. para la proporción.
• P.H. para la varianza
Prueba de Hipótesis
Son proposiciones acerca de las características de una
variable o acerca de la relación entre dos o más
variables.
– El Numero de bacterias/cm3 en muestras de un agua tiene
distribución normal.
– El nivel promedio de ruido ambiental en una zona trafico de
transporte es mayor al nivel máximo permitido.
Surgen de los objetivos y preguntas de investigación.
Deben estar sujetas a la comprobación empírica.
Hipótesis Estadísticas
Es llevar la hipótesis de investigación a la
terminología estadística.
Una hipótesis estadística es una aseveración
acerca de los parámetros de una distribución.
– El promedio, diferencia de promedios
– La proporción, diferencia de proporciones
– La varianza, cociente de varianzas
– El patrón de agrupamiento (distribución)
Planteamiento de hipótesis
La agencia de Protección Ambiental (EPA) de
Estados Unidos ha fijado en 3 ppm el nivel promedio
máximo permisible para cierto tipo de contaminante
que se libera a la atmósfera. Un investigador de esta
agencia esta interesado en determinar si una
compañía química esta cumpliendo con esta norma.
Para poder establecer si la compañía cumple con lo
estipulado el investigador debe utilizar mediciones
diarias (datos muestrales) de la contaminación y con
base en ellos decidir.
Planteamiento de hipótesis
Hipótesis:
– La compañía cumple con la norma
– La compañía no cumple la norma
Hipótesis Estadísticas
– 3
– >3
Componentes de una prueba de
hipótesis
Hipótesis nula (Ho): hipótesis de no efecto o no diferencia.
Ho : 3
Hipótesis alternativa (Ha o H1): la opción a considerar si se
rechaza la hipótesis nula. Ha: > 3
Estadística de prueba: distribución de muestreo asociada,
dado que Ho es cierta. Se calcula a partir de la información de
la muestra.
Considerar los siguientes casos:
Caso 1: promedio 2 ppm. Caso 2: promedio 2.9 ppm
Caso 3: promedio 3.1 ppm. Caso 4: promedio 4 ppm
Región de rechazo (Criterio de rechazo)
Esquema general de una prueba
de hipótesis
Realidad
Resultado de la prueba No Rechazar Ho Rechazar Ho
No Rechazar Ho Correcto Error tipo II
Rechazar Ho Error tipo I Correcto
Ejemplo.
Una compañía farmacéutica afirma que la potencia promedio de uno
de sus antibióticos es 80%. Se somete a prueba una muestra
aleatoria de 100 cápsulas y se obtiene una media muestral de 79.7%
con una desviación estándar de 0.8%. ¿Presentan los datos suficiente
evidencia para refutar la afirmación de la compañía? (=0.05)
PH para (ejemplo)
Variable: X: potencia (%) del antibiótico.
Planteamiento de hipótesis:
H0: = 80 (El promedio es igual a 80%, no se puede refutar la afirmación de la compañía)
Ha : < 80 (El promedio es menor a 80%, se puede refutar la afirmación de la compañía)
Datos: 𝑛 = 100 𝑥ҧ= 79.7 𝑠 = 0.8 𝛼 = 0.05 𝑡0.95 ; 99 = −1.660391
Estadística de prueba:
79.7 − 80
𝑡𝑐 = = −3.75
0.8
ξ 100
Criterio del punto crítico:
Puesto que tc= -3.75 < -1.660391,
se rechaza H0 .
Interpretación:
Al nivel de significancia del 5%, hay evidencia suficiente para pensar que la potencia
promedio del antibiótico es menor a 80% y por tanto se puede refutar la afirmación de
la compañía.
Solución en R
Consultar en AVATA la solución de este
ejemplo y los demás de la magistral 13
en el script:
ejemplos_magistral_13
PH para (valor-p)
valor-p: probabilidad de observar valores más extremos (bien sea grandes o pequeños) que
el obtenido con la estadística de prueba bajo la distribución de muestreo considerada.
Estadística de prueba: tc=-3.75
Criterio el valor-p:
Rechazar Ho si valor-p <
Puesto que valor-p = 0.0001489332 < 0.05 se rechaza H0 .
Interpretación.
Al nivel de significancia del 5%, hay evidencia suficiente para pensar que la potencia
promedio del antibiótico es menor a 80% y por tanto se puede refutar la afirmación de
la compañía.
P.H. para la proporción.
H0 : = 0
valor-p=2*P(Z<-3.11)=2*0.000935502=0.001871 ¡Atención!
Puesto que valor-p = 0.001871 < 0.05 se rechaza H0 .
Al nivel de significancia del 5%, hay evidencia ……..
Prueba de hipótesis para ²
ሺ
𝑛 − 1 ሻ𝑆 2
H0 : ² = ²0 Estadística de prueba: 𝜒𝑐2 =
𝜎02
Ejemplo.
Una empresa de autopartes requiere que los diámetros de cierta tipo de
válvulas estén distribuidos normalmente con una varianza poblacional de 0,02
pulgadas², pero se cree que el proceso de fabricación se ha salido de control y
esta cifra ha aumentado. Se toma una muestra aleatoria de válvulas a las que se
les mide su diámetro, obteniéndose los siguientes resultados en pulgadas: 5.5,
5.4, 5.4, 5.6, 5.8, 5.4, 5.5, 5.4, 5.6, 5.7. ¿Presentan los datos suficiente
evidencia que permita concluir que el proceso de fabricación esta fuera de
control? (=0.05)
PH para ² (solución)
X: diámetro (pulgadas) de las válvulas.
H0 : ² = 0.02 (la varianza del de las válvulas es 0.02; Proceso bajo control )
Ha : ² > 0.02 (la varianza del de las válvulas es mayor de 0.02; Proceso fuera de control )
Datos: 𝑛 = 10 𝑠 2 = 0.0201ത 𝛼 = 0.05 2
𝜒0.05;9 = 16.919
ത
ሺ10 − 1ሻ0.0201
Estadística de prueba: 𝜒𝑐2 = ത
= 9.05
0.02
Criterio del punto crítico:
Puesto que ²c = 9.055 < 16.919 no se rechaza H0. Al nivel de significancia del 5%, no
hay evidencia suficiente para pensar que la varianza poblacional del diámetro de las
válvulas sea mayor a 0.02 pulgadas² y por tanto el proceso no esta fuera de control.