Sunteți pe pagina 1din 33

PRUEBA DE HIPTESIS

CONCEPTO
Afirmacin acerca de los parmetros de la poblacin.
Etapas Bsicas en Pruebas de Hiptesis.
Al realizar pruebas de hiptesis, se parte de un valor supuesto (hipottico) en
parmetro poblacional. Despus de recolectar una muestra aleatoria, se
compara la estadstica muestral, as como la media (x), con el parmetro
hipottico, se compara con una supuesta media poblacional (). Despus se
acepta o se rechaza el valor hipottico, segn proceda. Se rechaza el valor
hipottico slo si el resultado muestral resulta muy poco probable cuando la
hiptesis es cierta.
Dentro del proceso de inferencia, adems de la estimacin puntual y la por
intervalo, en muchas ocasiones es necesario hacer pruebas de hiptesis, las
cuales se hacen con base en la informacin muestral.
En este captulo se ver la prueba de hiptesis para la media, la proporcin, la
varianza, la diferencia de medias, la diferencia de proporciones, el cociente de
varianzas, la prueba de independencia y la prueba de bondad de ajuste.
HIPTESIS
Una hiptesis estadstica es un supuesto acerca del valor de un parmetro de
una poblacin determinada. Este supuesto debe comprobarse con la
informacin suministrada por una muestra aleatoria obtenida de dicha
poblacin.
Cuando se realiza una prueba de hiptesis, se plantean dos hiptesis que
deben ser mutuamente excluyentes; una es la hiptesis nula que se nota como
H
0
y la otra es la hiptesis alternativa que se nota como H
1
.
Se debe establecer un criterio o regla de decisin segn la cual no se rechace
la hiptesis nula o se rechace. Si se rechaza la hiptesis nula (H
0
) se acepta
hiptesis alternativa (H
1
). Para establecer esta regla de decisin la distribucin
de probabilidad se divide en dos categoras mutuamente excluyentes: la que
lleva al rechazo de H
0
, es decir est en la zona de rechazo y la que lleva al no
rechazo de H
0
, es decir, est en la zona de no rechazo.
Debido a que se est trabajando con una muestra aleatoria, cuando se realiza
una prueba de hiptesis se pueden cometer dos tipos de errores. La hiptesis
nula (H
0
) es en realidad verdadera, pero debido a que los datos muestrales
parecen ser inconsistentes con ella, se la rechaza (ERROR TIPO I) y la
probabilidad de cometer un error tipo I se llama nivel de significancia ( ).
Puesto que cuando se comete un error tipo I, seguiramos una accin errnea,
se puede definir el nivel de significancia como la probabilidad de decidirnos por
H
1
dado que H
0
es verdadera.
Por otro lado, podemos no rechazar H
0
siendo en realidad falsa, a este error se
le llama ERROR TIPO II.


Etapa 1.- Planear la hiptesis nula y la hiptesis alternativa. La hiptesis nula
(H0) es el valor hipottico del parmetro que se compra con el resultado
maestral resulta muy poco probable cuando la hiptesis es cierta.
Etapa 2.- Especificar el nivel de significancia que se va a utilizar. El nivel de
significancia del 5%, entonces se rechaza la hiptesis nula solamente si el
resultado maestral es tan diferente del valor hipottico que una diferencia de
esa magnitud o mayor, pudiera ocurrir aleatoria mente con una probabilidad de
1.05 o menos.
Etapa 3.- Elegir la estadstica de prueba. La estadstica de prueba puede ser la
estadstica maestral (el estimador no segado del parmetro que se prueba) o
una versin transformada de esa estadstica maestral. Por ejemplo, para probar
el valor hipottico de una media poblacional, se toma la media de una muestra
aleatoria de esa distribucin normal, entonces es comn que se transforme la
media en un valor z el cual, a su vez, sirve como estadstica de prueba.
Consecuencias de las Decisiones en Pruebas de Hiptesis.
Decisiones Posibles Situaciones Posibles
La hiptesis nula
es verdadera
La
hiptesis
nula es
falsa
Aceptar la Hiptesis
Nula
Se acepta
correctamente
Error tipo II
Rechazar la Hiptesis
Nula
Error tipo I Se rechaza
correctamente

Etapa 4.- Establecer el valor o valores crticos de la estadstica de prueba.
Habiendo especificado la hiptesis nula, el nivel de significancia y la estadstica
de prueba que se van a utilizar, se produce a establecer el o los valores crticos
de estadstica de prueba. Puede haber uno o ms de esos valores,
dependiendo de si se va a realizar una prueba de uno o dos extremos.
Etapa 5.- Determinar el valor real de la estadstica de prueba. Por ejemplo, al
probar un valor hipottico de la media poblacional, se toma una muestra
aleatoria y se determina el valor de la media maestral. Si el valor crtico que se
establece es un valor de z, entonces se transforma la media maestral en un
valor de z.
Etapa 6.- Tomar la decisin. Se compara el valor observado de la estadstica
maestral con el valor (o valores) crticos de la estadstica de prueba. Despus
se acepta o se rechaza la hiptesis nula. Si se rechaza sta, se acepta la
alternativa; a su vez, esta decisin tendr efecto sobre otras decisiones de los
administradores operativos, como por ejemplo, mantener o no un estndar de
desempeo o cul de dos estrategias de mercadotecnia utilizar.
La distribucin apropiada de la prueba estadstica se divide en dos regiones:
una regin de rechazo y una de no rechazo. Si la prueba estadstica cae en
esta ltima regin no se puede rechazar la hiptesis nula y se llega a la
conclusin de que el proceso funciona correctamente.
Al tomar la decisin con respecto a la hiptesis nula, se debe determinar el
valor crtico en la distribucin estadstica que divide la regin del rechazo (en la
cual la hiptesis nula no se puede rechazar) de la regin de rechazo. A hora
bien el valor crtico depende del tamao de la regin de rechazo.

PASOS DE LA PRUEBA DE HIPTESIS
1. Expresar la hiptesis nula
2. Expresar la hiptesis alternativa
3. Especificar el nivel de significancia
4. Determinar el tamao de la muestra
5. Establecer los valores crticos que establecen las regiones de rechazo de
las de no rechazo.
6. Determinar la prueba estadstica.
7. Coleccionar los datos y calcular el valor de la muestra de la prueba
estadstica apropiada.
8. Determinar si la prueba estadstica ha sido en la zona de rechazo a una de
no rechazo.
9. Determinar la decisin estadstica.
10. Expresar la decisin estadstica en trminos del problema.
CONCEPTOS BSICOS PARA EL PROCEDIMIENTO DE
PRUEBAS DE HIPTESIS
HIPOTESIS ESTADISTICA:
Al intentar alcanzar una decisin, es til hacer hiptesis (o conjeturas) sobre la
poblacin aplicada.
Tales hiptesis, que pueden ser o no ciertas, se llaman hiptesis estadsticas.
Son, en general, enunciados acerca de las distribuciones de probabilidad de las
poblaciones.
HIPTESIS NULA.
En muchos casos formulamos una hiptesis estadstica con el nico propsito
de rechazarla o invalidarla. As, si queremos decidir si una moneda est
trucada, formulamos la hiptesis de que la moneda es buena (o sea p = 0,5,
donde p es la probabilidad de cara).
Analgicamente, si deseamos decidir si un procedimiento es mejor que otro,
formulamos la hiptesis de que no hay diferencia entre ellos (o sea. Que
cualquier diferencia observada se debe simplemente a fluctuaciones en el
muestreo de la misma poblacin). Tales hiptesis se suelen llamar hiptesis
nula y se denotan por Ho.
Para todo tipo de investigacin en la que tenemos dos o ms grupos, se
establecer una hiptesis nula.
La hiptesis nula es aquella que nos dice que no existen diferencias
significativas entre los grupos.
Por ejemplo, supongamos que un investigador cree que si un grupo de jvenes
se somete a un entrenamiento intensivo de natacin, stos sern mejores
nadadores que aquellos que no recibieron entrenamiento. Para demostrar su
hiptesis toma al azar una muestra de jvenes, y tambin al azar los distribuye
en dos grupos: uno que llamaremos experimental, el cual recibir
entrenamiento, y otro que no recibir entrenamiento alguno, al que llamaremos
control. La hiptesis nula sealar que no hay diferencia en el desempeo de la
natacin entre el grupo de jvenes que recibi el entrenamiento y el que no lo
recibi.
Una hiptesis nula es importante por varias razones:
Es una hiptesis que se acepta o se rechaza segn el resultado de la
investigacin.
El hecho de contar con una hiptesis nula ayuda a determinar si existe una
diferencia entre los grupos, si esta diferencia es significativa, y si no se debi al
azar.
No toda investigacin precisa de formular hiptesis nula. Recordemos que la
hiptesis nula es aquella por la cual indicamos que la informacin a obtener es
contraria a la hiptesis de trabajo.
Al formular esta hiptesis, se pretende negar la variable independiente. Es
decir, se enuncia que la causa determinada como origen del problema flucta,
por tanto, debe rechazarse como tal.
Otro ejemplo:
Hiptesis: el aprendizaje de los nios se relaciona directamente con su edad.
Hiptesis Alternativa.
Toda hiptesis que difiere de una dada se llamar una hiptesis alternativa. Por
ejemplo: Si una hiptesis es p = 0,5, hiptesis alternativa podran ser p = 0,7, p
" 0,5 o p > 0,5.
Una hiptesis alternativa a la hiptesis nula se denotar por H1.
Al responder a un problema, es muy conveniente proponer otras hiptesis
en que aparezcan variables independientes distintas de las primeras que
formulamos. Por tanto, para no perder tiempo en bsquedas intiles, es
necesario hallar diferentes hiptesis alternativas como respuesta a un
mismo problema y elegir entre ellas cules y en qu orden vamos a tratar su
comprobacin.
Las hiptesis, naturalmente, sern diferentes segn el tipo de investigacin que
se est realizando. En los estudios exploratorios, a veces, el objetivo de la
investigacin podr ser simplemente el de obtener los mnimos conocimientos
que permitan formular una hiptesis. Tambin es aceptable que, en este caso,
resulten poco precisas, como cuando afirmamos que "existe algn tipo de
problema social en tal grupo", o que los planetas poseen algn tipo de
atmsfera, sin especificar de qu elementos est compuesto.
Los trabajos de ndole descriptiva generalmente presentan hiptesis del tipo
"todos los X poseen, en alguna medida, las caracterstica Y". Por ejemplo,
podemos decir que todas las naciones poseen algn comercio internacional, y
dedicarnos a describir, cuantificando, las relaciones comerciales entre ellas.
Tambin podemos hacer afirmaciones del tipo "X pertenece al tipo Y", como
cuando decimos que una tecnologa es capital - intensiva. En estos casos,
describimos, clasificndolo, el objeto de nuestro inters, incluyndolo en un tipo
ideal complejo de orden superior.
Por ltimo, podemos construir hiptesis del tipo "X produce (o afecta) a Y",
donde estaremos en presencia de una relacin entre variables.
Errores de tipo I y de tipo II.
Si rechazamos una hiptesis cuando debiera ser aceptada, diremos que se ha
cometido un error de tipo I.
Por otra parte, si aceptamos una hiptesis que debiera ser rechazada, diremos
que se cometi un error de tipo II.
En ambos casos, se ha producido un juicio errneo.
Para que las reglas de decisin (o no contraste de hiptesis) sean buenos,
deben disearse de modo que minimicen los errores de la decisin; y no es una
cuestin sencilla, porque para cualquier tamao de la muestra, un intento de
disminuir un tipo de error suele ir acompaado de un crecimiento del otro tipo.
En la prctica, un tipo de error puede ser ms grave que el otro, y debe
alcanzarse un compromiso que disminuya el error ms grave.
La nica forma de disminuir ambos a la vez es aumentar el tamao de la
muestra que no siempre es posible.
Niveles de Significacin.
Al contrastar una cierta hiptesis, la mxima probabilidad con la que estamos
dispuesto a correr el riesgo de cometern error de tipo I, se llama nivel de
significacin.
Esta probabilidad, denota a menudo por ser, suele especificar antes de tomar
la muestra, de manera que los resultados obtenidos no influyan en nuestra
eleccin.
En la prctica, es frecuente un nivel de significacin de 0,05 0,01, si bien se
une otros valores. Si por ejemplo se escoge el nivel de significacin 0,05 ( 5%)
al disear una regla de decisin, entonces hay unas cinco (05) oportunidades
entre 100 de rechazar la hiptesis cuando debiera haberse aceptado; Es decir,
tenemos un 95% de confianza de que hemos adoptado la decisin correcta. En
tal caso decimos que la hiptesis ha sido rechazada al nivel de significacin
0,05, lo cual quiere decir que tal hiptesis tiene una probabilidad 0,05 de ser
falsa.
Prueba de Uno y Dos Extremos.
Cuando estudiamos ambos valores estadsticos es decir, ambos lados de la
media lo llamamos prueba de uno y dos extremos o contraste de una y dos
colas.
Con frecuencia no obstante, estaremos interesados tan slo en valores
extremos a un lado de la media (o sea, en uno de los extremos de la
distribucin), tal como sucede cuando se contrasta la hiptesis de que un
proceso es mejor que otro (lo cual no es lo mismo que contrastar si un proceso
es mejor o peor que el otro) tales contrastes se llaman unilaterales, o de un
extremo. En tales situaciones, la regin crtica es una regin situada a un lado
de la distribucin, con rea igual al nivel de significacin.
Curva Caracterstica Operativa Y Curva De Potencia
Podemos limitar un error de tipo I eligiendo adecuadamente el nivel de
significancia. Es posible evitar el riesgo de cometer el error tipo II simplemente
no aceptando nunca la hiptesis, pero en muchas aplicaciones prcticas esto
es inviable. En tales casos, se suele recurrir a curvas caractersticas de
operacin o curvas de potencia que son grficos que muestran las
probabilidades de error de tipo II bajo diversas hiptesis. Proporcionan
indicaciones de hasta qu punto un test dado nos permitir evitar un error de
tipo II; es decir, nos indicarn la potencia de un test a la hora de prevenir
decisiones errneas. Son tiles en el diseo de experimentos por que sugieren
entre otras cosas el tamao de muestra a manejar.
Pruebas de hiptesis para la media y proporciones
Debido a la dificultad de explicar este tema se enfocar un problema basado en
un estudio en una fbrica de llantas.
En este problema la fbrica de llantas tiene dos turnos de operarios, turno de
da y turno mixto. Se selecciona una muestra aleatoria de 100 llantas
producidas por cada turno para ayudar al gerente a sacar conclusiones de cada
una de las siguientes preguntas:
1.- Es la duracin promedio de las llantas producidas en el turno de da igual
a 25 000 millas?
2.- Es la duracin promedio de las llantas producidas en el turno mixto menor
de 25 000 millas?
3.- Se revienta ms de un 8% de las llantas producidas por el turno de da
antes de las 10 000 millas?
Prueba De Hiptesis Para La Media
En la fbrica de llantas la hiptesis nula y alternativa para el problema se
plantearon como sigue:
Ho: = 25 000
H1: 25 000

Si se considera la desviacin estndar las llantas producidas en el turno de
da, entonces, con base en el teorema de limite central, la distribucin en el
muestreo de la media seguira la distribucin normal, y la prueba estadstica
que est basada en la diferencia entre la media de la muestra y la media
hipottica se encontrara como sigue:
Para ver el grfico seleccione la opcin "Descargar" del men superior
Si el tamao de la regin de rechazo se estableciera en 5% entonces se
podran determinar los valores crticos de la distribucin. Dado que la regin de
rechazo est dividida en las dos colas de la distribucin, el 5% se divide en dos
partes iguales de 2.5%.
Dado que ya se tiene la distribucin normal, los valores crticos se pueden
expresar en unidades de desviacin. Una regin de rechazo de 0.25 en cada
cola de la distribucin normal, da por resultado un rea de .475 entre la media
hipottica y el valor crtico. Si se busca est rea en la distribucin normal, se
encuentra que los valores crticos que dividen las regiones de rechazo y no
rechazo son + 1.96 y - 1.96

Por tanto, la regla para decisin sera:
Rechazar Ho si Z > + 1.96
O si Z < - 1.96
De lo contrario, no rechazar Ho
No obstante, en la mayor parte de los casos se desconoce la desviacin
estndar de la poblacin. La desviacin estndar se estima al calcular S, la
desviacin estndar de la muestra. Si se supone que la poblacin es normal la
distribucin en el muestreo de la media seguira una distribucin t con n-1
grados de libertad. En la prctica, se ha encontrado que siempre y cuando el
tamao de la muestra no sea muy pequeo y la poblacin no est muy
sesgada, la distribucin t da una buena aproximacin a la distribucin de
muestra de la media. La prueba estadstica para determinar la diferencia entre
la media de la muestra y la media de la poblacin cuando se utiliza la
desviacin estndar S de la muestra, se expresa con:

Para una muestra de 100, si se selecciona un nivel de significancia de .05, los
valores crticos de la distribucin t con 100-1= 99 grados de libertad se puede
obtener como se indica en la siguiente tabla:
Para ver el grfico seleccione la opcin "Descargar" del men superior
Como esta prueba de dos colas, la regin de rechazo de .05 se vuelve a dividir
en dos partes iguales de .025 cada una. Con el uso de las tablas para t, los
valores crticos son 1.984 y +1.984. la regla para la decisin es:
Rechazar Ho si >+1.984
O si - 1.984
De lo contrario, no rechazar Ho

Los resultados de la muestra para el turno de da fueron =25 430 millas,
=4 000 millas y = 100. Puesto que se est probando si la media es diferente
a 25 000 millas, se tiene con la ecuacin
Para ver el grfico seleccione la opcin "Descargar" del men superior
Dado que = 1.075, se ve que -1.984 < +1.075 < + 1.984, entonces no se
rechaza Ho.
Por ello, la de cisin de no rechazar la hiptesis nula Ho. En conclusin es que
la duracin promedio de las llantas es 25 000 millas. A fin de tener en cuenta la
posibilidad de un error de tipo II, este enunciado se puede redactar como "no
hay pruebas de que la duracin promedio de las llantas sea diferente a 25 000
millas en las llantas producidas en el turno de da".


PRUEBA DE HIPTESIS PARA PROPORCIONES
El concepto de prueba de hiptesis se puede utilizar para probar hiptesis en
relacin con datos cualitativos. Por ejemplo, en el problema anterior el gerente
de la fbrica de llantas quera determinar la proporcin de llantas que se
reventaban antes de 10,000 millas. Este es un ejemplo de una variable
cualitativa, dado que se desea llegar a conclusiones en cuanto a la proporcin
de los valores que tienen una caracterstica particular.
El gerente de la fbrica de llantas quiere que la calidad de llantas producidas,
sea lo bastante alta para que muy pocas se revienten antes de las 10,000
millas. Si ms de un 8% de las llantas se revientan antes de las 10,000 millas,
se llegara a concluir que el proceso no funciona correctamente. La hiptesis
nula y alternativa se pueden expresar como sigue:
Ho: p .08 (funciona correctamente)
H1: p > .08 (no funciona correctamente)

La prueba estadstica se puede expresar en trminos de la proporcin de xitos
como sigue:
En donde
Para ver el grfico seleccione la opcin "Descargar" del men superior
p = proporcin de xitos de la hiptesis nula
Ahora se determinar si el proceso funciona correctamente para las llantas
producidas para el turno de da. Los resultados del turno de da indican que
cinco llantas en una muestra de 100 se reventaron antes de 10,000 millas para
este problema, si se selecciona un nivel de significancia de .05, las regiones
de rechazo y no rechazo se estableceran como a continuacin se muestra:
Para ver el grfico seleccione la opcin "Descargar" del men superior
Y la regla de decisin sera:
Rechazar Ho si > + 1.645; de lo contrario no rechazar Ho.
Con los datos que se tienen,
= = .05
Y entonces,
= = = = -1.107

Z -1.107 < + 1.645; por tanto no rechazar Ho.

Frecuentemente se desea estimar la proporcin de elementos que
tienen una caracterstica determinada, en tal caso, las
observaciones son de naturaleza cualitativa. Cuando se analiza
informacin cualitativa y se est interesado en verificar un
supuesto acerca de la proporcin poblacional de elementos que
tienen determinada caracterstica, es til trabajar con la prueba de
hiptesis para la proporcin.
Hiptesis:
Como en el caso de la media, se puede plantear uno de los
siguientes tres tipos de hiptesis:
- Prueba de hiptesis a dos colas
H
0
: = k
H
1
: k
- Prueba de hiptesis a una cola superior
H
0
: = k H
0
: k
H
1
: > k H
1
: > k
- Prueba de hiptesis a una cola inferior
H
0
: = k H
0
: k
H
1
: < k H
1
: < k
Cuando se va a estimar una proporcin el tamao de la muestra
(n) siempre debe ser mayor a 30, por lo tanto se tiene un solo
caso.
La estadstica de trabajo a utilizar es la expresin (1.13):
(3.5)


REGLA DE DECISION
Si se ha planteado la hiptesis alternativa como:
H
1
: k se tiene una prueba de hiptesis a dos colas, por lo tanto,
el nivel de significancia ( ) se divide en dos partes iguales,
quedando estos valores en los extremos de la distribucin como
se aprecia en la figura 3.1
y pertenecen a una distribucin normal estndar. Si el valor
de la estadstica de trabajo (Z
p
) est entre y no se rechaza
la hiptesis nula, en caso contrario se rechaza H
0
lo cual implica
aceptar H. Es decir, si < Z
p
< no se rechaza H
0
.
- Si se ha planteado la hiptesis alternativa como:
H
1
: > k, se tiene una prueba de hiptesis a una cola superior,
quedando el nivel de significancia ( ) en la parte superior de la
distribucin, vase figura 3.2
pertenece a una distribucin normal estndar. Si el valor de la
estadstica de trabajo (Z
p
) es menor que no se rechaza la
hiptesis nula, en caso contrario se rechaza H
0
lo cual implica
aceptar H. Es decir, si Z
p
< no se rechaza H.
- Si se ha planteado la hiptesis alternativa como:
H
1
: < k, se tiene una prueba de hiptesis a una cola inferior,
quedando el nivel de significancia ( ) en la parte inferior de la
distribucin, vase figura 3.3
Z pertenece a una distribucin normal estndar. Si el valor de la
estadstica de trabajo (Z
p
) es mayor que Z no se rechaza la
hiptesis nula, en caso contrario se rechaza H
0
lo cual implica
aceptar H
1
. Es decir, si Z
p
> Z no se rechaza H
0
.
Ejemplo:
Un fabricante afirma que por lo menos el 90 por ciento de las
piezas de una maquinaria que suministra a una fbrica guardan
las formas especificadas. Un exmen de 200 de esas piezas
revel que 160 de ellas no eran defectuosas. Pruebe si lo que
afirma el fabricante es cierto.
Solucin
H
0
: 0,9
H
1
: < 0,9
Para realizar una prueba de hiptesis para la proporcin se utiliza
la expresin 3.5

Asumiendo una confiabilidad del 95 por ciento, el valor
correspondiente a Z en la distribucin normal es -1,64

Como puede observarse en la figura 3.7, el valor de la estadstica
de trabajo se encuentra en la zona de rechazo de la hiptesis nula,
por consiguiente, con una confiabilidad del 95 por ciento se
concluye que la afirmacin del fabricante no es cierta.

Figura 3.7 Regla de decisin para una prueba de hiptesis a una
cola inferior


La hiptesis nula no se rechazara por que la prueba estadstica no ha cado en
la regin de rechazo. Se llegara a la conclusin de que no hay pruebas de que
ms del 8% de las llantas producidas en el turno de da se revienten antes de
10,000 millas. El gerente no ha encontrado ninguna prueba de que ocurra un
nmero excesivo de reventones en las llantas producidas en el turno de da.


PRUEBAS DE HIPTESIS:
Una hiptesis estadstica es una suposicin hecha con respecto a la funcin de
distribucin de una variable aleatoria.
Para establecer la verdad o falsedad de una hiptesis estadstica con certeza
total, ser necesario examinar toda la poblacin. En la mayora de las
situaciones reales no es posible o practico efectuar este examen, y el camino
ms aconsejable es tomar una muestra aleatoria de la poblacin y en base a
ella, decidir si la hiptesis es verdadera o falsa.
En la prueba de una hiptesis estadstica, es costumbre declarar la hiptesis
como verdadera si la probabilidad calculada excede el valor tabular llamado el
nivel de significacin y se declara falsa si la probabilidad calculada es menor
que el valor tabular.
La prueba a realizar depender del tamao de las muestras, de la
homogeneidad de las varianzas y de la dependencia o no de las variables.
Si las muestras a probar involucran a ms de 30 observaciones, se aplicar la
prueba de Z, si las muestras a evaluar involucran un nmero de observaciones
menor o igual que 30 se emplea la prueba de t de student. La frmula de
clculo depende de si las varianzas son homogneas o heterogneas, si el
nmero de observaciones es igual o diferente, o si son variables dependientes.
Para determinar la homogeneidad de las varianzas se toma la varianza mayor y
se divide por la menor, este resultado es un estimado de la F de Fisher. Luego
se busca en la tabla de F usando como numerador los grados de libertad (n-1)
de la varianza mayor y como denominador (n-1) de la varianza menor para
encontrar la F de Fisher tabular. Si la F estimada es menor que la F tabular se
declara que las varianzas son homogneas. Si por el contrario, se declaran las
varianzas heterogneas. Cuando son variables dependientes (el valor de una
depende del valor de la otra), se emplea la tcnica de pruebas pareadas.
Como en general estas pruebas se aplican a dos muestras, se denominarn a
y b para referirse a ellas, as entenderemos por:
na al nmero de elementos de la muestra a
nb al nmero de elementos de la muestra b
xb al promedio de la muestra b
s2a la varianza de la muestra a
Y as sucesivamente
Entonces se pueden distinguir 6 casos a saber:
1. Caso de muestras grandes (n>30)
2. Caso de na = nb y s2a = s2b
3. Caso de na = nb y s2a <> s2b
4. Caso de na <> nb y s2a = s2b
5. Caso de na <> nb y s2a <> s2b
6. Caso de variables dependientes


1.-Cuando las muestras a probar involucran a ms de 30 observaciones.

Ejemplo:
La altura promedio de 50 palmas que tomaron parte de un ensayo es de 78 cm.
con una desviacin estndar de 2.5 cm.; mientras que otras 50 palmas que no
forman parte del ensayo tienen media y desviacin estndar igual a 77.3 y 2.8
cm.

Se desea probar la hiptesis de que las palmas que participan en el ensayo
son ms altas que las otras.
Consultando el valor z de la tabla a 95% de probabilidad se tiene que es 1.96,
por lo consiguiente, el valor z calculado no fue mayor al valor de la tabla y
entonces se declara la prueba no significativa.
Conclusin: Las alturas promedio de los 2 grupos de palmas son iguales y la
pequea diferencia observada en favor al primer grupo se debe al azar.
2.-Caso de nmero igual de observaciones y varianzas homogneas.

Ejemplo:
Se plant cierto experimento en 24 parcelas para probar el efecto de la
presencia o ausencia de K en el rendimiento de palma.
Peso medio del racimo (Kg.)
N A B a2 b2
1 20.0 24.0 400.00 576.00
2 24.0 28.0 576.00 784.00
3 21.0 25.0 441.00 625.00
4 22.0 25.0 484.00 625.00
5 23.0 27.0 529.00 729.00
6 24.0 27.5 576.00 756.25
7 22.5 28.0 506.25 784.00
8 22.0 26.0 484.00 576.00
9 21.5 26.0 462.25 676.00
10 20.0 24.5 400.00 600.25
11 22.0 26.5 484.00 702.25
12 24.0 28.5 576.00 812.25
Suma 266 316 5918.5 8346
Promedio 22.16 26.33

s2a = 5918.5 - (266)2/12 = 2.02
11
s2b = 8346 - (316)2/12 = 2.24
11
Se busca en la tabla de t de student con 2 (n-1) grados de libertad o sea 22, y
se encuentra que el valor tabular es de 2.074 al 95% de probabilidad, el cual es
menor que la t calculada y por lo tanto se declara la prueba significativa.
Conclusin: La diferencia entre promedios observados es atribuible al efecto de
tratamiento (K), por haberse conseguido un resultado significativo.

3.-Caso de igual nmero de observaciones y varianzas heterogneas.



Ejemplo:
Se plant cierto experimento en 24 parcelas con dos clases de semillas: semilla
mezclada y semilla DxP seleccionada. Se desea saber si el rendimiento
observado por la semilla seleccionada difiere a la otra.
Produccin de palma: TM/ha/ao
Para ver la tabla seleccione la opcin "Descargar" del men superior

s2a = 1748.61 - (144.5)2/12 = 0.78
11
s2b = 4001.14 - (216.2)2/12 = 9.63
11
Consultando la tabla de t con n-1 grados de libertad (11) se encuentra un valor
de 2.201, por lo tanto, la diferencia se declara significativa.
Conclusin: El rendimiento observado por las plantas de semilla seleccionada
fue significativamente superior a las otras.
4.-Caso de diferente nmero de observaciones y varianzas homogneas

Ejemplo:
Se tom una rea de terreno distribuida en 22 parcelas y a 13 de ellas se les
aplic un fertilizante nitrogenado para medir el efecto del N en el crecimiento.
rea foliar de la hoja # 17 en m2
Para ver la tabla seleccione la opcin "Descargar" del men superior
s2a = 968.93 - (112.1)2/13 = 0.19
12
s2b = 390.84 - (59.2)2/9 = 0.18
8
s2c = 12(0.19) + 8(0.18) = 0.19
20
Consultando la tabla de t con n-1 grados de libertad (11) se encuentra un valor
de 2.201, por lo tanto, la diferencia se declara significativa.
Conclusin: El rendimiento observado por las plantas de semilla seleccionada
fue significativamente superior a las otras.
Ejemplo:
Se tom una rea de terreno distribuida en 22 parcelas y a 13 de ellas se les
aplic un fertilizante nitrogenado para medir el efecto del N en el crecimiento.
rea foliar de la hoja # 17 en m2
Para ver la tabla seleccione la opcin "Descargar" del men superior
s2a = 968.93 - (112.1)2/13 = 0.19
12
s2b = 390.84 - (59.2)2/9 = 0.18
8
s2c = 12(0.19) + 8(0.18) = 0.19
20
Consultando la tabla con (na-1) + (nb-1) o sea (20) grados de libertad, se
obtiene el valor tabular de 2.086, el cual es menor que la t calculada, por lo
tanto la diferencia se declara significativa.
Conclusin: La diferencia detectada en estas dos muestras es atribuible a la
aplicacin del fertilizante nitrogenado.
5.- Caso de diferente nmero de observaciones y varianzas heterogneas.

En este caso, la tc es comparada con la tg (t generada), que a diferencia de los
casos anteriores, hay que calcularla.

Dnde: ta y tb son los valores de la tabla con n-1 grados de libertad para a y b
respectivamente.


Ejemplo:
Se tomaron 2 muestras de palma comercial de orgenes diferentes y se midi el
porcentaje de almendra en el racimo en ambas muestras, el objeto es probar si
las muestras son diferentes genticamente o no.
Porcentaje de almendra
Para ver la tabla seleccione la opcin "Descargar" del men superior
s2a = 225.02 - (53)2/14 = 1.88
13
s2b = 192.26 - (43.80)2/10 = 0.05
9

En este caso la t generada (tg), reemplaza la t de la tabla y como la tc, es
menor que la tg, la diferencia se declara No significativa.
Conclusin: La diferencia observada entre promedios es atribuible nicamente
a errores de muestreo o variabilidad natural, y no a diferencias genticas.
6.-Caso de muestras pareadas (de variables dependientes)
En este caso, se asume que las muestras han sido distribuidas por pares.

Ejemplo:
Se tomaron 12 foliolos de palma joven y a cada uno se le trat la mitad con
Benlate para medir la inhibicin del crecimiento de hongos.
Magnitud del dao
Sin Con
n Benlate Benlate D = X - Y D2
Para ver la tabla seleccione la opcin "Descargar" del men superior.

Consultando la tabla con n-1 grados de libertad se obtiene el valor tabular de
2.201, por lo tanto, la diferencia se declara significativa.
Conclusin: De la prueba se desprende que el tratamiento con benlate redujo
significativamente la incidencia de hongos.
Utilidad de las hiptesis:
El uso y formulacin correcta de las hiptesis le permiten al investigador poner
a prueba aspectos de la realidad, disminuyendo la distorsin que pudieran
producir sus propios deseos o gustos. Pueden ser sometidas a prueba y
demostrarse como probablemente correctas o incorrectas sin que interfieran los
valores o creencias del individuo.



PRUEBA DE HIPOTESIS PARA LA MEDIA
El promedio aritmtico poblacional es un indicador muy
importante, por lo tanto, frecuentemente se desea probar si
dicho promedio ha permanecido igual, ha aumentado o ha
disminudo. A travs de la prueba de hiptesis se determina si
la media poblacional es significativamente mayor o menor que
algn valor supuesto.
Hiptesis
Se puede plantear uno de los siguientes tres tipos de hiptesis:
- Prueba de hiptesis a dos colas
H
0
: = k
H
1
: k
- Prueba de hiptesis a una cola superior
H
0
: = k H
0
: k
H
1
: >k H
1
: > k
- Prueba de hiptesis a una cola inferior
H
0
: = k H
0
: k
H
1
: < k H
1
: < k
En las distribuciones en el muestreo se vio que para el caso de
la media, hay tres situaciones, por consiguiente la estadstica
de trabajo a utilizar depende de los supuestos de la poblacin y
del tamao de la muestra.

PRUEBA DE HIPOTESIS PARA LA VARIANZA
Es frecuente que se desee comprobar si la variacin o dispersin de una
variable ha tenido alguna modificacin, lo cual se hace con la prueba de
hiptesis para la varianza.
Hiptesis
Se puede plantear uno de los siguientes tres tipos de hiptesis:
- Prueba de hiptesis a dos colas
H
0
: = k
H
1
: k
- Prueba de hiptesis a una cola superior
H
0
: = k H
0
: k
H
1
: > k H
1
: > k
- Prueba de hiptesis a una cola inferior
H
0
: = k H
1
: k
H
1
: < k H
1
: < k
En este caso se tienen dos situaciones, dependiendo de si se utiliza la varianza
muestral sin corregir o corregida.
Si se utiliza la varianza sin corregir ( ) la estadstica de trabajo es la
expresin (1.4):
(3.6)
Si se utiliza la varianza corregida, la estadstica de trabajo es la expresin
(1.5):
(3.7)
REGLA DE DECISION
- Si se ha planteado la hiptesis alternativa como:
H
1
: k se tiene una prueba de hiptesis a dos colas, por lo tanto, el nivel de
significancia ( ) se divide en dos partes iguales, quedando estos valores en los
extremos de la distribucin como se aprecia en la figura 3.8

Figura 3.8 Regla de decisin para una prueba de hiptesis a dos colas
y pertenecen a una distribucin X
2
con (n-1) grado de libertad. Si el
valor de la estadstica de trabajo (T) est entre y no se rechaza la
hiptesis nula, en caso contrario se rechaza H
0
lo cual implica aceptar H
1
. Es
decir, si < T < no se rechaza H
0.

- Si se ha planteado la hiptesis alternativa como:
H
1
: > k, se tiene una prueba de hiptesis a una cola superior, quedando el
nivel de significancia ( ) en la parte superior de la distribucin, vease figura 3.9

Figura 3.9 Regla de decisin para una prueba de hiptesis a una cola superior
Z
1-
pertenece a una distribucin X
2
con (n-1) grado de libertad. Si el valor de
la estadstica de trabajo (T) es menor que no se rechaza la hiptesis nula,
en caso contrario se rechaza H
0
lo cual implica aceptar H
1
. Es decir, si T <
no se rechaza H
0
.
- Si se ha planteado la hiptesis alternativa como:
H
1
: < k, se tiene una prueba de hiptesis a una cola inferior, quedando el
nivel de significancia ( ) en la parte inferior de la distribucin, vase figura 3.10

Figura 3.10 Regla de decisin para una prueba de hiptesis a una cola inferior
Z pertenece a una distribucin X
2
con (n-1) grado de libertad. Si el valor de la
estadstica de trabajo (T) es mayor que Z no se rechaza la hiptesis nula, en
caso contrario se rechaza H
0
lo cual implica aceptar H
1
. Es decir, si T >Z no
se rechaza H
0
.

Ejemplo:
Se supone que los dimetros de cierta marca de vlvulas estn distribuidos
normalmente con una varianza poblacional de 0,2 pulgadas 2 , pero se cree
que ltimamente ha aumentado. Se toma una muestra aleatoria de vlvulas a
las que se les mide su dimetro, obtenindose 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
Con sta informacin pruebe si lo que se cree es cierto.
Solucin
Se cree que la varianza poblacional ha aumentado, es decir es superior a 0,2;
por lo tanto:
H
0
: = 0,2
H
1
: > 0,2
Para realizar esta prueba de hiptesis se utiliza la expresin 3.6

Asumiendo un nivel de confianza del 95 por ciento, en la tabla de la distribucin
chi-cuadrado con 9 grados de libertad, se obtiene un valor para Z de 16,919.
Como puede observarse en la figura 3.11, el valor de la estadstica de trabajo
se ubica en la zona de no rechazo de la hiptesis nula, por consiguiente con
una confiabilidad del 95 por ciento se puede afirmar que la varianza poblacional
no ha aumentado.

Figura 3.11 Regla de decisin para una prueba de hiptesis a una cola superior

PRUEBA DE HIPOTESIS PARA EL COCIENTE DE VARIANZAS
Si de dos poblaciones con distribucin normal se seleccionan
dos muestras aleatorias independientes de tamaos n
1
y n
2
, se
puede comparar la homogeneidad o variabilidad de dichas
poblaciones a travs de una prueba de hiptesis para el
cociente de varianzas.
Cuando se planteen las hiptesis debe quedar en el numerador
la poblacin cuya muestra tenga mayor varianza. Es decir que
la poblacin 1 ser la que tenga mayor varianza muestral.
Hiptesis:
Se puede plantear uno de los siguientes tres tipos de hiptesis:
- Prueba de hiptesis a dos colas
H
0
: = H
0
: / = 1
H
1
: H
1
: / 1
- Prueba de hiptesis a una cola superior
H
0
: = H
0
: / 1
H
1
: > H
1
: / > 1
- Prueba de hiptesis a una cola inferior
H
0
: = H
0
: / 1
H
1
: < H
1
: / < 1
La estadstica de trabajo es la expresin (1.15)
(3.8)

REGLA DE DECISION
Si se ha planteado la hiptesis alternativa como:
H
1
: H
1
: / 1 se tiene una prueba de hiptesis a
dos colas, por lo tanto, el nivel de significancia ( ) se divide en
dos partes iguales, quedando estos valores en los extremos de
la distribucin como se aprecia en la figura 3.8
y pertenecen a una distribucin F con (n
1
-1) grado de
libertad en el numerador y (n
2
-1) grado de libertad en el
denominador. Si el valor de la estadstica de trabajo (T) est
entre y no se rechaza la hiptesis nula, en caso
contrario se rechaza H
0
lo cual implica aceptar H
1
. Es decir, si
< T < no se rechaza H
0
.
- Si se ha planteado la hiptesis alternativa como:
H
1
: > H
1
: / > 1 , se tiene una prueba de hiptesis a
una cola superior, quedando el nivel de significancia ( ) en la
parte superior de la distribucin, como se aprecia en la figura
3.9
Z 1- a pertenece a una distribucin F con (n 1 -1) grado de
libertad en el numerador y (n 2 -1) grado de libertad en el
denominador. Si el valor de la estadstica de trabajo (T) es
menor que Z 1- a no se rechaza la hiptesis nula, en caso
contrario se rechaza H o lo cual implica aceptar H1. Es decir, si
T < Z 1- a no se rechaza Ho.
- Si se ha planteado la hiptesis alternativa como:
H
1
: < H
1
: / < 1 , se tiene una prueba de hiptesis a
una cola inferior, quedando el nivel de significancia ( ) en la
parte inferior de la distribucin, como se aprecia en la figura
3.10
Z a pertenece a una distribucin F con (n
1
-1) grado de libertad
en el numerador y (n
2
-1) grado de libertad en el denominador.
Si el valor de la estadstica de trabajo (T) es mayor que Z a no
se rechaza la hiptesis nula, en caso contrario se rechaza H o
lo cual implica aceptar H1. Es decir, si T > Z a no se rechaza
H
0
.
Ejemplo:
Dos fuentes de materias primas estn siendo consideradas.
Ambas fuentes parecen tener caractersticas similares, pero no
se est seguro de su homogeneidad. Una muestra de 10
grupos de la fuente A produce una varianza de 250 y una
muestra de 11 grupos de la fuente B produce una varianza de
195. Con base en sta informacin se puede concluir que la
varianza de la fuente A es significativamente mayor que la de la
fuente B?. Asuma un nivel de confianza del 99 por ciento.
Solucin
H
0
: A = B
H
1
: A > B

Con un nivel de confianza del 99 por ciento, en la tabla de la
distribucin F con 9 grados de libertad en el numerador y 10
grados de libertad en el denominador, se obtiene un valor para
Z de 4,94. Como puede observarse en la figura 3.12, el valor de
la estadstica de trabajo est en la zona de no rechazo de la
hiptesis nula, por lo tanto, con una confiabilidad del 99 por
ciento, no se puede rechazar que la variabilidad de las dos
fuentes de materia prima es igual.

Figura 3.12 Regla de decisin para una prueba de Hiptesis a
una cola superior.

PRUEBA DE HIPOTESIS PARA LA DIFERENCIA DE MEDIAS
Se tienen dos poblaciones y se toman muestras aleatorias
independientes de tamaos n 1 y n 2 , se puede comparar el
comportamiento de dichas poblaciones a travs de los
promedios.
Hiptesis:
Como en los casos anteriores se puede plantear uno de los
siguientes tres tipos de hiptesis:
- Prueba de hiptesis a dos colas
H
0
: = H
0
: - = k
H
1
: H
1
: - k
- Prueba de hiptesis a una cola superior
H
0
: = H
0
: - k
H
1
: > H
1
: - > k
- Prueba de hiptesis a una cola inferior
H
0
: = H
0
: - k
H
1
: < H
1
: - < k
La estadstica de trabajo depende de las caractersticas de las
poblaciones y del tamao de las muestras.

PRUEBA DE HIPOTESIS PARA LA DIFERENCIA DE PROPORCIONES
Cuando se tienen dos poblaciones y se han tomado muestras
aleatorias de tamaos n 1 y n 2, para observar una
caracterstica o cualidad, se puede comparar el
comportamiento de dicha caracterstica en las poblaciones a
travs de la diferencia de proporciones.
Hiptesis
Como en los casos anteriores se puede plantear uno de los
siguientes tres tipos de hiptesis:
- Prueba de hiptesis a dos colas
H
0
: 1 = 2 H
0
: 1 - 2 = k
H
1
: 1 2 H
1
: 1 - 2 k

- Prueba de hiptesis a una cola superior
H
0
: 1 = 2 H
0
: 1 - 2 k
H
1
: 1 > 2 H
1
: 1 - 2 > k

- Prueba de hiptesis a una cola inferior
H
0
: 1 = 2 H
0
: 1 - 2 k
H
1
: 1 < 2 H
1
: 1 - 2 < k
La estadstica de trabajo es la expresin 1.14:
(3.14)

REGLA DE DECISION
Como en los casos anteriores depende del tipo de hiptesis
que se haya planteado.
- Si se ha planteado la hiptesis alternativa como:
H
1
: 1 2 H
1
: p 1 - p 2 k se tiene una prueba de hiptesis
a dos colas, por lo tanto, el nivel de significancia ( ) se divide
en dos partes iguales, quedando estos valores en los extremos
de la distribucin como se aprecia en la figura 3.1
y pertenecen a una distribucin Normal estndar. Si el
valor de la estadstica de trabajo (Z
p1-p2
) est entre y no
se rechaza la hiptesis nula, en caso contrario se rechaza H
0
lo
cual implica aceptar H
1
. Es decir, si < Z
p1-p2
< no se
rechaza H
0
.
- Si se ha planteado la hiptesis alternativa como:
H
1
: 1 > 2 H
1
: 1 - 2 > k, se tiene una prueba de
hiptesis a una cola superior, quedando el nivel de significancia
( ) en la parte superior de la distribucin, como se aprecia en
la figura 3.2
Pertenece a una distribucin Normal estndar. Si el valor
de la estadstica de trabajo es menor que no se rechaza la
hiptesis nula, en caso contrario se rechaza H
0
lo cual implica
aceptar H. Es decir, si Z
p1-p2
< no se rechaza H
0
.
- Si se ha planteado la hiptesis alternativa como:
H
1
: 1 < 2 H
1
: 1 - 2 < k, se tiene una prueba de
hiptesis a una cola inferior, quedando el nivel de significancia
( ) en la parte inferior de la distribucin, como se aprecia en la
figura 3.3
Z pertenece a una distribucin Normal estndar. Si el valor de
la estadstica de trabajo (Z
p1-p2
) es mayor que Z no se rechaza
la hiptesis nula, en caso contrario se rechaza H o lo cual
implica aceptar H
1
. Es decir, si Z
p1-p2
> Z no se rechaza H
0
.

PRUEBA CHI- CUADRADO O BONDAD DE AJUSTE
Hasta ahora se han mencionado formas de probar lo que se puede llamar
hiptesis paramtricas con relacin a una variable aleatoria, o sea que se ha
supuesto que se conoce la ley de probabilidad y se vieron pruebas de hiptesis
que declaran valores para los parmetros. En algunos casos se necesita probar
si una variable o unos datos siguen determinada distribucin de probabilidad,
un mtodo para hacer esta prueba es el de bondad de ajuste o chi-cuadrado.
La informacin debe estar presentada en un cuadro de distribucin de
frecuencias. Sea m el nmero de clases y n
i
el nmero de observaciones en
cada clase (frecuencias observadas). Se trata de comparar los valores o
frecuencias observadas (n
j
) con las frecuencias que habra en cada grupo o
clase o sea el valor esperado (e
j
) si se cumple la hiptesis nula (H
0
).
Las diferencias entre lo observado y lo esperado dan las discrepancias entre la
teora y la realidad. Si no hay diferencias, la realidad coincidir perfectamente
con la teora y por el contrario, si las diferencias son grandes indica que la
realidad y la teora no se parecen. Los pasos a seguir son:
Hiptesis:
H
0
: La variable tiene distribucin X con tales parmetros
H
1
: La variable no tiene la distribucin X
Estadstica de Trabajo
(3.15)
n
j
: frecuencia observada en la muestra
e
j
: frecuencia esperada segn la distribucin terica
n: tamao de la muestra
Nota. El nmero de observaciones esperadas en cada clase debe ser mayor o
igual a 5, es decir, e
j
5. Si esto no ocurre se unen las clases adyacentes hasta
cumplir el requisito. Al unir las clases se disminuirn los grados de libertad de la
chi-cuadrado.

La regla de decisin se observa en la figura 3.20.

Figura 3.20 Regla de decisin: prueba bondad de ajuste

PRUEBA DE INDEPENDENCIA
Hasta ahora slo se ha observado o tenido en cuenta una
variable, pero en algunas ocasiones se observan dos variables
simultneamente, por lo tanto la informacin se clasifica segn
dos criterios o variables, obtenindose as los cuadros de doble
entrada. Si las dos variables son cualitativas estos cuadros se
llaman de contingencia.
Cuando la informacin se clasifica de acuerdo a dos o ms
atributos, se puede utilizar la prueba de independencia para
determinar si los principios o criterios empleados para la
clasificacin cruzada son independientes o no; es decir, existe
correlacin entre uno y otro criterio o no.
La variable 1 tiene c niveles o clases y la variable 2 tiene r
niveles, por lo tanto, el nmero de elementos de la muestra que
cae dentro de categora se puede resumir en la siguiente
forma:

Variable
2
Var1

Total
1 2 ..... c-1 c n
j

1 N
11
N
12
... n
1c-1
n
1c
n
1

2 N
21
N
22
... n
2c-1
n
2c
n
2

... ... ... ... ... ... ...
r n
r1
n
r2
... n
rc-1
n
rc
n
r

n
j
n
.1
n
.2
... n
.c-1
n
.c
n
n
i
: es el nmero de observado de elementos de la muestra que
cae en el i-simo nivel de clasificacin de la variable 2 y el j-
simo nivel de clasificacin de la variable 1.
Sea p
ij
la probabilidad de que un elemento seleccionado al azar
caiga en el i-simo nivel de clasificacin de la variable 2 y el j-
simo de la variable 1.
Si los dos mtodos de clasificacin son independientes o las
variables son independientes, la probabilidad de que un
elemento seleccionado al azar caiga en la clase ij es el
producto de la probabilidad de que caiga en la clase i por la
probabilidad de que caiga en la clase j. Entonces, suponiendo
independencia de las dos variables:

La estadstica de trabajo es:
(3.16)
Regla de decisin
El valor de la tabla se halla en una distribucin chi-cuadrado
con (r-1) (c-1) grados de libertad y una confiabilidad de (1- ).
Como se puede observar en la figura 3.24. Si T < no
se rechaza
La hiptesis nula, en caso contrario se rechaza.

Figura 3.24 Regla de decisin: prueba de independencia
Nota. La frecuencia esperada en cada celda debe ser mayor o
igual a cinco (e
ij
5); si no se cumple sta condicin, se deben
unir las clasificaciones adyacentes de menor frecuencia y
volver a hacer la prueba. Si es una celda la que no cumple la
condicin, se puede dejar as, ya que no afecta seriamente la
prueba, salvo que e
ij
<1.
El supuesto de que cada e
ij
5 es muy importante en una tabla
dos por dos ya que slo tiene 1 grado de libertad. Si no se
cumple sta condicin se debe utilizar otro procedimiento.
El supuesto de que cada e
ij
5 es muy importante en una tabla
dos por dos ya que slo tiene 1 grado de libertad. Si no se
cumple sta condicin se debe utilizar otro procedimiento.




BIBLIOGRAFA

www.edustatspr.com/documentos/lecciones/L3.2_Prueba_Hipotesis_95.ppt
www.edustatspr.com/documentos/lecciones/L3.3_Prueba_Hipotesis_2_pob_95.
ppt
La siguiente pgina se obtuvo el mtodo Kolmogorov-Smirnov
www.ilustrados.com/publicaciones/EpyAVkuZVkTBkoEjEU.php
http://Smirnov - Monografias_com.htm
De las siguientes pginas se obtuvo las pruebas de hiptesis
http://www.DosChivos_com Pruebas de Hiptesis.htm
http://jagua.cfg.sld.cu/computacion/PH.htm
www.cimat.mx/famat/nueva/cursos/probabilidad/cursos_metodos_estadisticos.h
tml
http://sancur22ceapuntes.iespana.es/sancur22ceapuntes/Administracion/CENE
VAL/OperacionesYMetodos/02MetodosCuantitativos/21PruebasHip/PruebasHi
p.htm

S-ar putea să vă placă și