Inferencia Estadística-Test de Hipótesis

Tema 7. Test de Hiptesis.
Inferencia Estadstica
Mnica Martnez Gmez

Inferencia Estadstica
1. - Introduccin
2.-Estimacin de parmetros.
2.1. - Estimacin puntual.
2.2. - Estimacin por intervalos de confianza.
3.- Test de hiptesis:
3.1 - Algunos test paramtricos clsicos.
3.2- Test no paramtricos
TEST DE HIPTESIS E INFERENCIA ESTADATICA

Conocer las tcnicas bsicas sobre inferencia.
Aprender a manejar los conceptos de riesgo de primera
y segunda especie.
Extraer conclusiones de la poblacin a partir de datos
muestrales, con una probabilidad de error conocida.

MUESTREO
OBJETIVO
El objetivo del muestreo es obtener
conclusiones precisas, fiables y de inters
sobre las caractersticas de los procesos,
servicios, materiales, productos, etc.
(poblacin) al menor coste posible utilizando
procedimientos estadsticos.

Qu podemos hacer con el muestreo?
Conocer caractersticas de una actividad

Obtener informacin sobre el funcionamiento de un servicio
Conocer el funcionamiento y controlar procesos
Estimar resultados de actividades
Evaluar objetivamente situaciones desconocidas
Obtener informacin para establecer metas y objetivos
Evaluar defectos en la realizacin de actividades
Inspeccionar materiales y productos fabricados
Evaluar ndices de calidad en el desarrollo de una actividad
Disponer de informacin para acometer acciones de mejora
Comprobar el efecto de cambios o mejoras en los procesos.
Etc.

MUESTREO. Necesidad
El muestreo es necesario cuando no podemos
- medir
- analizar
- o comprobar
la totalidad de
- la poblacin
- el lote
- el conjunto que es objeto de estudio etc.
debido a las limitaciones de coste, de tiempo o porque el ensayo

es destructivo

El Pas 21 Abril 2016
15/11/2016 Gonzalo Clemente Marn. UPV 7

El Pas 21 Abril 2016

El 15% de las empresas se suspende en la innovacin de su red
comercial
Por: Profesores IESE | 30 de abril de 2013
COSIMO CHIESA, profesor de Direccin Comercial
JULIN VILLANUEVA, profesor de Direccin Comercial
"Las compaas se aprueban en innovacin en su red comercial. Solamente un15% de las empresas se suspende,
y el 50% de los directivos encuestados se otorgan entre un 6 y un 7 de nota a la innovacin ocurrida desde 2008".
Esta es una de las conclusiones del estudio "Reinventarse para avanzar. Innovando en el rea comercial" que hemos realizado
los profesores del IESE Cosimo Chiesa y Julin Villanueva.
El informe sobre la gestin de redes comerciales en Espaa, apunta tambin que las empresas que ms han sufrido con la crisis
son las que menos han innovado comercialmente en estos aos. Asimismo, se observa que las polticas en las que ha habido ms
innovacin son tambin aquellas que han dado mejor resultado. El estudio tambin indica que donde hay mayor innovacin comercial
es en la organizacin, en la motivacin y en la supervisin; mientras que donde menos innovacin se observa es en la remuneracin
y en la seleccin.
Solamente el 15% de los sectores mantienen o crecen el volumen de 2008, mientras que para el 69% decrece .
Si juntamos por tanto la cada de ventas con la cada de precios, el resultado es el ya conocido por todos: una rpida erosin
de la rentabilidad. Ante esta situacin, la necesidad de innovacin y ventas incrementales en otros mercados se vuelven crticas.
15/11/2016 13
Razones para realizar el muestreo
Razones estratgicas. Por ej ejemplo, no disponer de acceso a todos los

individuos de la poblacin o no disponer de un listado de los mismos.
Razones econmicas. Estudiar a todos los individuos del colectivo podra

suponer un coste demasiado elevado en muchos casos, o superior al valor de la
informacin obtenida, en otros.
Razones de tiempo. La urgencia por disponer de la informacin requerida (

por ejemplo un sondeo preelectoral, la aceptacin de un lote de materiales, etc.)
puede imposibilitar el estudio de toda la poblacin.
Razones intrnsecas al estudio. Cuando las observaciones a realizar ocasionan

alteracin o incluso la destruccin de los elementos analizados

Tcnicas de Inferencia
ESTIMACIN
- Puntual
- Por intervalos de confianza
TEST DE HIPTESIS
- Sobre parmetros
- Sobre distribuciones

Estimacin, es que a partir de un valor observado en la muestra
(Estadstico muestral) extrapolarlo a la poblacin. Es decir buscar
los parmetros poblacionales a partir de los muestrales.
Puntual: Buscar un valor exacto.
Intervalos de confianza: buscar un intervalo en el que se supone va a
estar el valor de ese parmetro, con una cierta probabilidad.

Los Test de Hiptesis o Contrastes, van ms all. Se establece
ahora una hiptesis para determinar si es aceptable o no la
estimacin obtenida a partir de los parmetros muestrales, con
un cierto nivel de confianza.
Sirven para decidir si se verifican ciertos supuestos que nosotros
establecemos a priori sobre la poblacin.
Si los supuestos son sobre los valores de los parmetros
tenemos los test paramtricos.
Si los supuestos son sobre otros aspectos como el tipo de

distribucin, independencia de criterios de clasificacin, etc.
tenemos los test no paramtricos.
TEST PARMTRICOS
Son con los que ms trabajaremos.
Se pretende averiguar con la mayor precisin y exactitud posible

el valor de un parmetro de una distribucin (media, dispersin,
proporcin,..)
m X S 2 2
n 1 P p
Como estimadores de los parmetros poblacionales se utilizan los
estadsticos muestrales anlogos.

ELEMENTOS DE UN TEST DE HIPTESIS
1. Determinar sobre el que queremos hacer la hiptesis
(depender del estudio).
2. Establecer la Ho y H1.
3. Establecer el test y resolver.
4. Definir riesgos de primera y segunda especie.
5. Establecer Valores crticos (Z critco) (Z, 2, t-Student o F).
6. Definir p-valor (p-value).
7. Calcular n

Hiptesis nula (H0):

ES LA QUE SE DESEA COMPROBAR
(Suele ir asociada a lo que se considera situacin correcta,
habitual, normal o deseable, tambin nulo cambio o nulo
efecto)
Hiptesis alternativa (H1):
ES LA CONTRARIA A LA HIPTEIS NULA

(Con frecuencia va asociada a la situacin incorrecta o no
deseada)

TIPOS DE TEST DE HIPTESIS
Hiptesis nula (H0):
Si la hiptesis nula respecto al valor del parmetro se reduce a
un punto, se denominan Hiptesis simples( H0: m=m0) y dan
lugar a los Contrastes Bilaterales (H0:m=m0;H1:mm0).
Si la hiptesis nula respecto al valor del parmetro se trata de

un conjunto de puntos un punto, se denominan Hiptesis
Compuestas y dan lugar a los Contrastes Unilaterales ( H0:
mm0=25) (H0:mm0;H1:m<m0) ( H0: mm0; H1: m>m0).

Calculamos test, Qu puede suceder?
Situacin Real
Ho es cierta Ho es falsa
Decisin Test
Acepta HO Ok Erro II
Rechazar Ho Error I Ok

ERROR TIPO I
Rechazar la hiptesis nula cuando es cierta (Error de Primera
Especie).
ERROR TIPO II
Aceptar la hiptesis nula cuando es falsa (Error de Segunda
Especie).

Riesgos (o errores) de Primera y Segunda Especie
El riesgo de primera especie es la probabilidad de cometer

el error de tipo I. Tambin se le llama nivel de significacin
o riesgo del fabricante. Se representa por .
El riesgo de segunda especie es la probabilidad de cometer

el error de tipo II Se le llama riesgo del comprador y se
representa por . En la prctica normalmente se
desconoce.

Clculo de los errores de Primera y Segunda Especie
1.- Nivel de significacin o tamao del contraste

( ):
=P(error tipo I}=P{rechazar Ho / Ho cierta}
2.- Potencia del contraste ( ):
= P{rechazar Ho / Ho falsa}=1-P{ Aceptar Ho /
Ho falsa}= 1-P{error tipo II}

Cuando aumenta disminuye
Cuando disminuye aumenta
Para disminuir ambos a la vez debemos incrementar el tamao de la

muestra n (disponer de mas informacin para decidir con menor
probabilidad de equivocarnos)
y nunca se dan conjuntamente. El error de primera especie se

puede dar slo cuando se rechaza la H0 y el de segunda especie slo
cuando se acepta. Por ello no tiene sentido plantearse si +=1

Curva Caracterstica (Potencia de un Test)
Es una curva que da la probabilidad de aceptar la hiptesis nula en
funcin del valor que tome el parmetro contrastado (1-) m.
Pa CURVA CARACATERSTICA
1- 1
Pr(aceptar)
0,8
0,6
0,4
0,2
0 m0 m
19 21 23 25 27 29 31
VALOR DE LA MEDIA POBLACIONAL

Curva de Poder (o Rechazo) (Complementaria a la curva
de Potencia)
Es una curva que da la probabilidad de rechazar la hiptesis nula en
funcin del verdadero valor (a nivel poblacional) del parmetro
contrastado:
Pr
Power Curve
alpha = 0,05, sigma = 1,0
1
Power
0,8
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
True Mean
P-valor
El p-valor puede considerarse como el valor lmite para

que un contraste sea significativo, es decir, elegido un
nivel de significacin , se rechazar H0 si p-valor .
P-valor = Probabilidad Estadstico Calculado >

Estadstico Crtico


CONSTRUCCIN DE UN TEST DE HIPTESIS
En el campo de existencia que tiene el estadstico cuando H0 es cierta,
seleccionamos una zona en la que es altamente probable encontrar a dicho
estadstico (probabilidad 1-). Esta zona es la de aceptacin del test y la
complementaria es la zona crtica o de rechazo.
- Obsrvese que SOLAMENTE SE RECHAZAR H0 cuando la probabilidad de

encontrar una muestra como la obtenida, siendo cierta H0, sea muy pequea ()
- Si aceptamos H0 no quiere decir que sta sea necesariamente cierta, sino que no
tenemos argumentos para rechazarla.
TIPOS DE TEST DE HIPTESIS PARAMTRICOS
Test de Hiptesis sobre una poblacin normal:

Test sobre la media.
Test para la varianza poblacional
Test sobre proporciones.
Comparacin de dos poblaciones:

Test de igualdad de varianzas (cociente de varianzas).
Test de diferencia de medias.
Test de diferencia de medias: Datos Apareados.
Test de diferencia de proporciones.

Test sobre la Media
Hiptesis nula simple contra alternativa bilateral:
(H0: m=m0 H1: mm0 )
conocida, aceptar H0 si: X m0 z / 2
n
desconocida, aceptar H0 si: / 2 S 'n 1
X m0 tn1
n
Hiptesis nula simple contra alternativa unilateral
(H0: mm0 H1: m>m0), conocida
X m0 z
aceptar H0 si: n
(H0: mm0 H1: m<m0) aceptar H0 si:
X m0 z
n
Test sobre la Media
Clculo de :
Para el test: (H0: =0 H1: 0 ) si la media cambia de 0 a 1, la
probabilidad de que un punto muestral est dentro de los lmites de
aceptacin es:

P( LCI x LCS) P 0 z / 2 x 0 z / 2 / 1
n n
Si no ha cambiado el valor de quedara:

0 z / 2 1 /( / n ) 0 z / 2 1 /( / n )
n n

Test sobre la Media
Clculo del tamao muestral :
Si nos dan dos puntos de la curva caracterstica (0, 1- ) y (1, ) el
tamao de muestra para el contraste de hiptesis se obtiene
imponiendo que la curva caracterstica pase por ellos. Despejando n:

n z / 2 z / d (( z / 2 z ) 2 / 2 ) * 2
Donde d=/ 1- 0/ y = 1- 0/

Test sobre la Media
Ejemplo de Test de hiptesis sobre la media de una poblacin normal (
conocida)
Podemos admitir con un nivel de significacin del 10% que el promedio de las p.p.m. de
vitamina C en un alimento es de 70 si asumimos que =20 y al evaluar n= 9 muestras
diferentes hemos obtenido los siguientes valores 69,60,80,85,68,74,60,86,92 ?
Solucin:
De los datos obtenemos: x 74.89 ,S=11.57,

y de la tabla de la Normal z0.05=1.645
El test es: H0: =70, H1: # 70

Y el contraste: Aceptar H0 si X m0 z / 2
n
Como x 74.89 est dentro del intervalo 70 1.645 20/9 =(59, 81) aceptamos la hiptesis nula y concluimos que
la media de las ppm puede ser de 70.
TEST SOBRE LA MEDIA
Ejemplo de Test de hiptesis sobre la media de una poblacin normal,
Hiptesis nula simple contra alternativa bilateral (H0: m=m0)
Una mquina envasadora se ajust a 2000 grs. En un control rutinario se toma una
muestra de 15 bolsas cuyos pesos se muestran a continuacin:
1989, 2015, 1962, 2013, 1983, 1989, 1992, 2011, 1958, 2023, 1980, 1977, 1994, 2017, 2001
Se debe reajustar la mquina?

TEST SOBRE LA MEDIA
Hiptesis nula simple contra alternativa unilateral (H0: mm0 H1: m<m0)
Podemos admitir con un nivel de significacin del 5% que el promedio de las p.p.m. de los jvenes de un colegio est
por debajo de lo habitual (70) si asumimos que =20 y al contar las pulsaciones de n= 9 alumnos hemos obtenido los
siguientes valores 69,60,80,85,68,74,60,86,92 ? (admitamos que las p.p.m. siguen un distribucin normal )
Solucin:
De los datos obtenemos: S=11.57, y de la tabla de la Normal z0.05=1.645
El test es: H0: =70, H1: >70

Y el contraste: Aceptar H0 si
x 0 z
n
Como 74.89 < 70+1.645 20/9 = 80.96 aceptamos la hiptesis nula y concluimos que la media de las ppm no es
superior a 70

TEST SOBRE LA MEDIA
Hiptesis nula simple contra alternativa unilateral (H0: m=m0 H1: m>m0)
tambin (H0: mm0 H1: m>m0)
En el test anterior cual sera el riesgo si la media fuera realmente 72 ?
Solucin:
20
P( x 80,96 / 72) P( N (72, ) 80,96)
9
80,96 72
(1,34) 0,9099
6,667

Test sobre la Media
Ejemplo de Test de hiptesis sobre la media de una poblacin normal (
desconocida)
Queremos comprobar (con un nivel de significacin de 5%) si la media del tiempo de enfriamiento de una mquina
tras una operacin es igual o superior a 35 minutos como viene siendo habitualmente. Para ello analizamos los
tiempos de enfriamiento de la mquina en 10 operaciones elegidas al azar y obtenemos los siguientes valores
expresados en minutos (23,45,60,32,18,20,32,55,19,21). Qu deberemos concluir?
Solucin:
De los datos y las tablas de la t obtenemos:x 32.4 S=15.70 , t90.05=1.833

El test es H0 0 35 , H1: 1<35
S n 1

y el contraste: Aceptar H0 si
x 0 t n 1
n
Como 32.4 < 35 - 1.833 (15.70/10 ) =33,13 rechazamos H0 y concluimos que el
tiempo medio de enfriamiento es menor de 35 minutos y por lo tanto no se ha incrementado

Test sobre la Media
Ejemplo de Test de hiptesis sobre la media de una poblacin normal, (H0:
mm0 H1: m<m0)
La resistencia media mnima de unas barras de acero debe ser 1200 Kg/cm2 . Si 4
barras de acero han dado una resistencia media de 1195 Kg/cm2 y una S=2.
Podemos admitir con un nivel de significacin del 5% que el lote de barras
cumple la normativa?
a) Si admitimos que =3
b) Si nos basamos solo en los datos muestrales
c) Calcular en ambos casos el riesgo si la resistencia media fuera
realmente 1199 Kg/cm2

ESTIMACIN POR INTERVALOS DE CONFIANZA
INTERVALOS DE PARA LA MEDIA (Pob. Normales)
Para la media de una poblacin normal con un nivel de confianza
(1-):
- varianza conocida:

x z / 2
n
- varianza desconocida:
/2 S n 1
x t n 1
n

Intervalos de confianza para la media
Se ha medido la tensin en voltios en 10 puestas en marcha de un circuito obtenindose los siguientes
valores (125,135,145,130,120,145,125,130,150,145 ). Asumiendo que la tensin tiene una distribucin
Normal, obtener un intervalo de confianza al 95% para la media de dicha tensin
a) Si la desviacin tpica es desconocida
b) Si conocemos la desviacin tpica =10
Solucin
Con los datos obtenemos x 135 y S=10.54
a) El intervalo con desconocida es

S
127.46, 142.54
/2 10.54
x tn 1 135 2.262
b) Cuando es conocida n 10

128.8, 141.2
10
x z / 2 135 1.96
n 10
En una planta de envasado de agua se toman al azar de la cadena de

produccin 15 botellas, y se analiza para cada una de ellas el
contenido de calcio en mg/l., resultando los siguientes valores: 25
29,4 28,1 27,5 31 27,7 24,7 33,1 32,2
29,4 33,3 28,4 31 26,8 33,3
Se pide:
a) Estimar la media poblacional y su error de estimacin con un nivel
de significacin del 5%.
b) Calcular un intervalo de confianza para la media poblacional, con un
coeficiente de confianza del 95%.
c) De antemano se sabe que la varianza es 9, cunto vale el intervalo
de confianza al 95% para la media poblacional?

Test sobre Proporciones
Hiptesis nula simple contra alternativa bilateral (H0: P=P0 H1: PP0)
Aceptar H0 si:
P0 (1 P0 )
p P0 z / 2
n
siendo n y p, el tamao y la proporcin muestral respectivamente.

Test unilateral (H0: PP0 H1: P>P0); (H0: PP0 H1: P<P0)
Aceptar H0 si: P0 (1 P0 )
p P0 z
n
P0 (1 P0 )
p P0 z
n
siendo n y p, el tamao y la proporcin muestral respectivamente.

Un proceso de fabricacin origina habitualmente un 2% de unidades defectuosas. En un
momento determinado queremos comprobar que dicho proceso funciona como siempre (no ha
habido cambios significativos) y para ello verificamos 20 piezas elegidas al azar de las cuales 2
son defectuosas. Con un nivel de significacin =0,05 Qu podemos concluir?
Solucin:
La hiptesis a contrastar es H0: P=P0 =0,05 contra H1: PP0 y la regla de decisin es aceptar
si:
P0 (1 P0 )
p P0 z / 2
n
0,05.0,95
0, 01455
2
Como p 0,10 0,05 1,96
20 20
debemos aceptar H0 y concluir que no ha habido un cambio (aumento) en la proporcin de

piezas defectuosas producidas.

Queremos comprobar si ha habido un incremento de la proporcin de operaciones con fallo
(habitualmente es de 0,02) debido a una modificacin en las instalaciones . Para ello hemos verificado
200 operaciones al azar . De ellas han fallado 6. Qu podemos concluir admitiendo una probabilidad de
error de primera especie del 5%)
Solucin:
El test a plantear es H0: PP0=0.02, contra H1: P<0.02

P0 (1 P0 )
El contraste es : Aceptar H0 si p P0 z
n
6
En nuestro caso p 0.03 z 1.645
200
haciendo operaciones, como 0,030>0,0044 debemos aceptar H0 y admitir que no se ha incrementado la

proporcin de operaciones con fallos
En el test anterior Cul sera el riesgo si la proporcin fuera realmente del 2,5%?
es la probabilidad de aceptar la hiptesis nula cuando no es cierta. En nuestro caso

ser la probabilidad de aceptarla cuando la proporcin poblacional verdadera sea del
2,5% (P=0,025). En este caso sabemos que la proporcin muestral p tiene una
distribucin
PQ 0,025(1 0,025)
p N ( P, ) p N (0,025, ) N (0,025; 0,011)
n 200
Segn el ejercicio anterior nosotros aceptbamos cuando la proporcin muestral era

inferior a 0,037, luego ser
0,037 0,025
P( p 0,037 / P 0,025) P( N (0,025;0,011) 0,037) (1,09) 0,8621
0,011

Intervalos de confianza para la proporcin poblacional:
p(1 p)
p z / 2
n

Intervalo para proporciones
Queremos estimar la proporcin de elementos que no se activan en una
determinada operacin, mediante un intervalo de confianza al 95%. Para ello,
hemos probado un total de n= 200 elementos de los que 120 no se activaron.
Cul sera el intervalo pedido?
Solucin:
p(1 p)
El intervalo para la proporcin poblacional P es p z / 2
n
Como en nuestro caso p=120/200=0.60, ser:
0.60(1 0.60)
0.60 1.96 0.5321 0.668 53.21% 66.80%
200

Intervalo para proporciones
Un dispositivo de seguridad se considera adecuado si detecta el 99 % o ms de

las sobrecargas que se producen en un sistema. En los dos ltimos das sean
producido 30 sobrecargas y el dispositivo ha detectado 28 de ellas. Con un nivel
de significacin de 0,05 y una muestra de tamao 30, podemos admitir que el
dispositivo cumple los requisitos establecidos para considerarlo adecuado?
p(1 p)
p z / 2
n
0.60(1 0.60)
0.60 1.96 0.5321 0.668 53.21% 66.80%
200

Ejemplo Proporcin Muestral

Se quiere probar una terapia de grupo para dejar de fumar. Para
ello se toma una m.a.s. de 50 fumadores. Se sabe que las
personas que llevan al menos 10 aos fumando tienen ms
dificultades para dejar de fumar, y que el 38% de los fumadores
llevan al menos 10 aos fumando. Por ello, se decide separar
unos de otros si entre los fumadores elegidos ms de un 19%
llevan ms de 10 aos fumando. Obtener la probabilidad de que
se decida separarlos.

Intervalos de confianza para la VARIANZA:

Es decir:
(n 1) S n21 (n 1) S n21
2 , 2

n 1, / 2 n 1,1 / 2


ESTIMACIN DE LA VARIANZA
La duracin de las pilas alcalinas se sabe que tiene una

desviacin tpica de 3 minutos. Para comprobar que
una nueva remesa de pilas tienen la misma dispersin,
se prueba 11 de ellas y la desviacin tpica muestral ha
sido s=3,7. Se puede decir que la dispersin es muy
similar en esta segunda remesa?

Calcular un intervalo de confianza al 90% de nivel de confianza para la varianza

de una poblacin normal de la que hemos obtenido una muestra de n= 8
valores. La varianza muestral corregida que hemos obtenido es de16 cm2
(n 1) S n21 (n 1) S n21
,
n 1, / 2 n 1,1 / 2
2 2

(8 1)16 (8 1)16
2 , 2
(81), 0, 05 (81), 0,95
112 112
14,067 , 2,167 7.96 , 51.68

Para estudiar el espesor de la capa de imprimacin de la carrocera de un determinado modelo de automvil se examinaron
10 vehculos obtenindose los siguientes valores
{ 45, 40, 44, 43, 45, 43, 46, 45, 44, 45 }
medidos en micras. En el supuesto de que sigan una distribucin NORMAL :
a) Calcular un intervalo de confianza al nivel =0'05 para el promedio del espesor.
b) Lo mismo para la varianza del espesor.

Comparacin de dos Poblaciones:
Test de Igualdad de Variazas
Cap Bajado Cap Levantado
3,4 2,7
3,7 3,2
2,9 1,8
2,5 1,9
1,6 1,1
2,8 2,2
3,7 2,8
5,9 4,8
4,8 4,3
4,3 3,4
Media: 3,56 Media: 2,82
Std: 1,23 Std: 1,15
Test de Igualdad de Variazas
Para comparar la igualdad de varianzas de dos poblaciones
(ej. dos mtodos de anlisis):
H0: 1=2 H1: 12
Aceptar H0 si
S i2
2
Fni 1 , n j 1 siendo i la muestra de mayor S 2
Sj

Test de Igualdad deVariazas
Queremos comprobar si un mtodo rpido de anlisis de protenas tiene la misma dispersin que el mtodo
oficial o de referencia utilizado habitualmente. Para ello analizamos una misma muestra de un preparado
orgnico con los dos mtodos repitiendo varias veces los anlisis con cada uno de ellos. Los resultados
obtenidos fueron: mtodo rpido 24.5, 24.6, 24.8, 24.2, 24.9 y con el mtodo de referencia los valores fueron
25.3, 25.4, 25.5, 25.4. Qu podemos concluir respecto de la precisin de ambos mtodos utilizando un nivel de
significacin del 5%?
Solucin:
El test planteado es H0: 1=2 contra H1:12
Si2
Fni1 ,n j1 siendo i la muestra de mayor S 2
El contraste es: aceptar H0 si Sj2
En nuestro caso obtenemos S21= 0.075 S22=0.0066 y F0.054,3=9.12
Como 0.075/0.0066=11.36 > 9.12 debemos rechazar la hiptesis nula y admitir que el nuevo mtodo tiene ms
dispersin que el oficial
Qu podra decir el alumno respecto de la exactitud de ambos mtodos de anlisis?

Test de Igualdad de dos Medias
(H0: m1=m2 H1: m1m2) (si 21=22)
Aceptar H0 si:
/2 1 1 S2 S2
x1 x2 t n1 n2 2 S con S
n1 n2 n n
donde los subndices i=1,2 diferencian los tamaos de muestra, medias y varianzas
muestrales respectivas

(H0: m1=m2 H1: m1m2) (si 2122)
Aceptar H0 si:
/2 (n1 1) S12 (n2 1) S 22

x1 x2 t n1 n2 2 * S con S
n1 n2 2
donde los subndices i=1,2 diferencian los tamaos de muestra, medias y varianzas

Para comprobar el efecto de un frmaco en la reduccin del colesterol total en sangre, se evalu el colesterol inicial
en un grupo de 9 personas obteniendo los valores 200,230,205,185,190,300,250,245,208. Despus de administrar
el frmaco a la dosis recomendada durante un mes a los mismos pacientes, se volvieron a realizar los anlisis
obtenindose los valores 190,220,200,180,190,260,240,241,200. Con un nivel de significacin del 5%, y admitiendo
que el contenido en colesterol sigue una distribucin normal qu podemos decir respecto de la eficacia del
frmaco?
Solucin:
De los resultados y de la tabla de la t, obtenemos:
t0.02516=2.12
El test es: H0:1=2, H1:12
Y el contraste: Aceptar H0 si /2 S12 S 22

x1 x2 t 2 n 2
n
1349.75 781.76
Como 10.22 2.12 = 32.62 debemos aceptar H0 y concluir que el frmaco no es efectivo
9

DIFERENCIAS SIGNIFICATIVAS DIFERENCIAS IMPORTANTES
(D,,n,)
Observar que podemos detectar como significativa cualquier diferencia de medias por pequea
que sea, si existe, haciendo n suficientemente grande. ( si n entonces la varianza de la media
muestral tiende a cero y la campana de cada media sera un lnea vertical distinta de la otra)
Adems, si n= estamos comparando las poblaciones completas que saldrn diferentes si existe
la ms mnima diferencia real entre ellas.
2 Media,Desv. Tp. 0,2 Media,Desv. Tp.

10,0,2 10,2
1,6 11,0,2 0,16 14,2
1,2 0,12
0,8 0,08
0,4 0,04
0 0
9 9,5 10 10,5 11 11,5 12 0 2 4 6 8 10 12 14 16 18 20 22 24
Diferentes Distribuciones
de Medias

Intervalo para la diferencia de medias, con n distinto
(poblaciones normales)
/21 1
x1 x2 t n1 n2 2 S
n1 n2
(n1 1) S12 (n2 1) S 22

con S
n1 n2 2

Intervalo para la diferencia de medias con el mismo n
(poblaciones normales)
/2 S S
2 2
x1 x2 t2 n2 1 2
n

Intervalo para la diferencia de medias
La profundidad de los agujeros que hacen dos taladradoras diferentes en unas
planchas de acero podemos admitir que siguen distribuciones normales de
medias m1 y m2 respectivamente. Una muestra de 10 taladros de la primera
mquina han dado una media muestral de 25,2 mm y una varianza muestral de
0,4 mm2 y otra muestra de 5 taladros de la segunda mquina han dado una
media de 24,9mm y una varianza de 0,5 mm2.
a) Con un nivel de confianza del 95% Es razonable pensar que las medias
poblacionales pueden ser iguales?
b) Con el mismo nivel de confianza Es razonable pensar que la diferencia
entre las medias poblacionales sea de 0,5 mm? Y 3mm?

Solucin:
Con los datos del enunciado, el intervalo es:
1 1
25,2 24,9 t10
0 , 05 / 2
5 2 0,656
10 5
(10 1)0,4 (5 1)0,5

con S 0,656
10 5 2
(-0,4761 1,076)
Luego el intervalo incluye el 0 y el 0,5 pero no el 3.
76
CASO CONCRETO DE DATOS APAREADOS
En el ejercicio anterior parece cuanto menos llamativo, el hecho de que no salga un efecto significativo del frmaco cuando
en todos y cada uno de los pacientes ha habido una reduccin del colesterol. Cual puede ser la razn?. Debemos tener en
cuenta que el efecto del frmaco puede verse enmascarado por las diferencias en las tasas de colesterol entre los pacientes
tratados (son mayores las diferencias entre pacientes que entre cada paciente antes y despus del tratamiento). Puede
resolverse este inconveniente?
En los casos en que los datos pueden obtenerse por parejas (antes, despus) debemos recurrir al test
t de datos apareados calculando las correspondientes diferencias, con su signo, (que miden el efecto
real del frmaco en cada paciente) y aplicando el test de que la media poblacional de estas
diferencias es cero.

CASO CONCRETO DE DATOS APAREADOS
1 P 2 P Cap Cap Diferencia

Bajado Levantado
LUNES M B L 3,4 2,7 0,7
T L B 3,7 3,2 0,5
MARTES M B L 2,9 1,8 1,1
T L B 2,5 1,9 0,6
MIRCOLES M B L 1,6 1,1 0,5
T L B 2,8 2,2 0,6
JUEVE M B L 3,7 2,8 0,9
T L B 5,9 4,8 1,1
VIRENES M B L 4,8 4,3 0,5
T L B 4,3 3,4 0,6
Media:
0,74
Std: 0,24

CASO CONCRETO DE DATOS APAREADOS (Viene de Trasp 71)
Antes 200 230 205 185 190 300 250 245 208
Despus 190 220 200 180 190 260 240 241 200
/2 Sd
H0:d=0, H1:d0 y aceptar H0 si xd tn 1
n
De los datos del ejercicio anterior y de las tablas de la t obtenemos:
xd 10.22, Sd 11.67 y t80.025 2.306
11.67
Y como10,22 2.306 9.51 rechazamos H0 y admitimos la efectividad del frmaco.
9

Test de Igualdad de Proporciones
Test de comparacin de dos proporciones (H0: P1=P2 H1: P1P2)
Aceptar H0 si
1 1 n1 p1 n2 p 2
p1 p 2 z / 2 P(1 P)
siendo P
n1 n2 n1 n2
Donde ni pi indican los tamaos de muestra y proporciones


Test de Igualdad de Proporciones
Se sospecha que las proporcin de fallos de una instalacin no es la misma en los turnos de da que
en los de la noche. Durante una semana se han controlado 122 operaciones durante el da de las
cuales fallaron 10, y 205 operaciones durante la noche en las que se registraron 18 fallos. Qu
podemos concluir con estos datos admitiendo una probabilidad de error de primera especie del 5%?
Solucin:
El test a realizar es H0: P1 =P2 contra H1:P1P2
1 1 n1 p1 n2 p 2
Y el contraste es aceptar si p1 p 2 z / 2 P(1 P) siendo P
1
n n 2 n1 n2
En nuestro caso p1=10/122=0.082, p2= 18/205=0.088 , z/2= 1.96 y el estadstico de contraste vale
0.062. Como 0,088-0,082= 0,006 < 0.062 debemos aceptar la hiptesis nula y concluir que no hay
diferencias entre las proporciones poblacionales de fallos durante el da o la noche.

Intervalo para la diferencia de proporciones
1 1
p1 p2 z / 2 P(1 P)
n1 n2
n1 p1 n2 p2
con P
n1 n2

Intervalo para la diferencia de proporciones
En una muestra aleatoria de 50 chicas de la UPV, 20 estaban a favor de hacer un botelln en el
Campus de Vera. En una muestra de 80 chicos se manifestaron a favor 50.
a) Con un nivel de confianza del 90% es razonable pensar que la proporcin de chicas y
chicos de la UPV que estn a favor del botelln es la misma?
b) Con el mismo nivel de confianza la diferencia real de las proporciones puede ser superior
al 20%?
Solucin:
1 1
0,625 0,40 z0,10 / 2 0,538(1 0,538)
50 80
50.0,40 80.0,625
con P 0,538
50 80
(0,08 , 0,3726)
Luego el intervalo no contiene el 0 pero si el 0,20.

TEST NO PARAMTRICOS
No hacen referencia a parmetros de la distribucin sino a la propia
distribucin o la independencia de criterios de clasificacin de
individuos o unidades.
Test de bondad de ajuste (test 2 de Pearson)

Test de independencia de criterios de clasificacin (tablas de
contingencia)

TEST NO PARAMTRICOS
TEST DE BONDAD DE AJUSTE
(Test 2 de Pearson)
Se trata de comprobar si un conjunto de datos muestrales proceden de una

determinada distribucin (la que supongamos que se d en cada caso), o bien si
podemos asumir que la variable muestreada sigue una determinada distribucin de
probabilidades que se asume totalmente especificada y sigue una distribucin
Normal (N(m,s), es decir:
H0: F(x)=F0 contra

H1: F(x)F0
F0 puede ser totalmente especificada (F0= N(20, 5))

o parcialmente especificada (F0=Normal)

TEST NO PARAMTRICOS
(Test 2 de Pearson)
1. Particionamos el espacio de resultados en k intervalos:
k n
2. Determinamos las frecuencias observadas Oi en cada intervalo. (nmero de valores
de la lista en el intervalo i que cumplir:
Oi 1
i n
3. Calculamos las frecuencias tericas o esperadas ti en cada intervalo (nmero de
valores que cabra esperar en el intervalo i si la distribucin fuera realmente la
supuesta ):
ti npi
4. Calculamos el estadstico:
z
k
Oi ti 2
i 1 ti

TEST NO PARAMTRICOS
TEST DE BONDAD DE AJUSTE (Test 2 de Pearson)
Cuando la hiptesis nula es cierta, el estadstico anterior tiene una distribucin 2k-s-1
donde:
k= nmero de intervalos (n de diferencias oi-ti)
s= nmero de parmetros que es necesario estimar a partir de la muestra (s=0 si la
poblacin est especificada, s=2 en la normal, s=1 en la exponencial, )
z
Oi ti
k 2
k2 s 1
i 1 ti
Si la hiptesis nula no es cierta y la distribucin real es distinta de la supuesta, las

diferencias entre las frecuencias observadas y las tericas sern muy grandes y el valar
del estadstico ser mayor que el de la 2k-s-1 , por lo que tendremos que rechazar H0
cuando el valor z sea ms grande que el de una 2k-s-1 con una probabilidad muy
pequea, , de ser superado

TEST NO PARAMTRICOS
(Test 2 de Pearson)
Por ello deberemos:
Re chazar 0 si z k( s) 1
Aceptar 0 si z k( s) 1
2k-s-1
Zona de aceptacin de H0 H1 Zona de rechazo de H0

TEST NO PARAMTRICOS
Ejemplo del Test 2
Se ha medido la capacidad de 100 envases de vidrio de un determinado formato, utilizados para el envasado
de vino blanco. Los resultados obtenidos se encuentran agrupados en la tabla siguiente
Capacidad c.c. No de envases
742.5 5
742.5-745 10
745-747.5 16
747.5-750 20
750-752.5 21
752.5-755 15
7
755-757.5
6
757.5
Puede aceptarse, con un nivel de significacin =0.05, que la capacidad de dichos envases sigue una
distribucin N(m=750 c.c., =5 c.c.)?

TEST NO PARAMTRICOS
Construyamos la siguiente tabla:
Capacidad c.c. Oi pi ti=Npi ( oi t i ) 2

Ci ti
742.5 5 0.0668 6.68 0.4225
742.5 745 10 0.0919 9.19 0.0714
745 747.5 16 0.1498 14.98 0.0695
747.5 750 20 0.1915 19.15 0.0370
750 752.5 21 0.1915 19.15 0.1755
752.5 755 15 0.1498 14.98 0.0000
755 757.5 7 0.0919 9.19 0.5219
757.5 6 0.0668 6.68 0.0692
ai 1 750 ai 750
Consideramos ai , ai 1 los lmites del intervalo Ci; Ser pi
5 5

TEST NO PARAMTRICOS
Segn los valores obtenidos:
8
oi ti
2
z 1.3670
i 1 ti
Adems: 82( 00.05

1 14.1
)
Como z 14.1 , la conclusin es que no podemos rechazar 0 y debemos aceptar que la capacidad
de los envases sigue la distribucin propuesta.
0,98 0,05
1,36 14,1

TEST NO PARAMTRICOS
Los tiempos de respuesta de 9 sujetos en una tarea de

reconocimiento de palabras, previamente presentadas, han sido los
siguientes:
115, 98, 123, 109, 112, 87, 118, 104, 116
A un nivel de confianza del 95% Son compatibles estos resultados

con la hiptesis de que el tiempo de reaccin en esta tarea sigue una
distribucin Normal de media 110 y desviacin tpica 10?

TEST NO PARAMTRICOS
Tablas de Contingencia
Se trata de verificar si dos o ms factores o criterios de clasificacin son
independientes entre s. (Estudiaremos nicamente las tablas para dos factores)
Las hiptesis a contrastar son:

H0: A y B son independientes
H1: A y B son dependientes
Ejemplo: Segn los datos de la tabla siguiente podemos considerar que son
independientes el sexo y el color del coche elegido?
Color Blanco Rojo Azul
Sexo
Varones 10 36 14
Mujeres 20 9 11

TEST NO PARAMTRICOS
En la tabla anterior:
N es el nmero total de observaciones
Oij es el nmero de valores observados en nivel i del factor A y el nivel j del factor B
tij es la frecuencia terica, si los factores fueran independientes, correspondientes al nivel i del
factor A y al nivel j del factor B.
Oi. total de frecuencias observadas en la fila i
O.j total de frecuencias observadas en la columna j

TEST NO PARAMTRICOS
Si A y B son independientes se cumplir:
pij P( Ai B j ) P( Ai ) P( B j ) pi p j
con i=1n, j=1m. Entonces:
Oi O j Oi O j
t ij Np ij Np i p j N
N N N
Puede demostrarse, como en el apartado anterior, que si la hiptesis nula es cierta:
z
n m o
ij tij
2
(2n1)( m1)
i 1 j 1 tij

TEST NO PARAMTRICOS
Por ello deberemos:
2 ( )
Aceptar 0 si z ( n 1)( m 1)
Rechazar 0 si z (2n(1))( m1)

TEST NO PARAMTRICOS
Completamos la tabla de frecuencias observadas: construyamos la tabla de frecuencias tericas:
Color Blanco Rojo Azul Oi. Color Blanco Rojo Azul

Sexo Sexo
Varones 10 36 14 60 Varones 30 60 27 15
18
100
Mujeres 20 9 11 40
Mujeres 30 40 18 10
O.j 30 45 25 100 12
100
2 3 O t ij
2
El estadstico z
ij
ser:
i 1 j 1 t ij
z
10 18
2

36 27
2
...
11 10
2
16.556
18 27 10

TEST NO PARAMTRICOS
Como (2n(1))( m1) 122( 0.05) 22( 0.05) 5.99
z 22( 0.05) 5.99

debemos rechazar la hiptesis de independencia de los factores considerados y admitir que los
gustos respecto al color de los automviles es diferente en los varones que en las mujeres.
=0,05
5,99 16,55

TEST NO PARAMTRICOS
La empresa Limpia Ya S.A. comercializa tres tipos de detergentes A, B y C. En un
anlisis de segmentacin de mercado para los tres productos, el grupo de
investigacin encargado ha planteado la duda de si las preferencias para los tres
detergentes son diferentes entre los consumidores de los sectores Alto, Medio y
Bajo. Se tomo una muestra de 120 personas y los resultados se muestran en la tabla
siguiente:
Producto
Detergente A Detergente B Detergente C Total
Alto 14 12 10 36
Medio 21 16 8 45
Sexo
Bajo 15 12 12 39
Total 50 40 30 n= 120
Podemos afirmar con un nivel de confianza del 5 % que el tipo del detergente es
independiente de la clase a la que pertenecen los consumidores?

TEST NO PARAMTRICOS
Para determinar si la preferencia por un tipo de cerveza (ligera, clara u oscura) era
independiente del gnero del consumidor (hombre o mujer) se us una prueba de
independencia. Las hiptesis para esta prueba de independencia fueron:
Despus de identificar la poblacin como todos los consumidores de cerveza, hombres
y mujeres, se toma una muestra y a cada individuo le pide que indique cul de las tres
cervezas de Albers prefiere. Los datos se muestran en la tabla adjunta:
Son independientes la preferencia del tipo de cerveza y el sexo?

Inferencia Estadística-Test de Hipótesis

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Inferencia Estadística-Test de Hipótesis

Încărcat de

Drepturi de autor:

Formate disponibile

Tema 7. Test de Hiptesis.

Mnica Martnez Gmez

TEST DE HIPTESIS E INFERENCIA ESTADATICA

TEST DE HIPTESIS E INFERENCIA ESTADATICA

TEST DE HIPTESIS E INFERENCIA ESTADATICA

Conocer caractersticas de una actividad

TEST DE HIPTESIS E INFERENCIA ESTADATICA

debido a las limitaciones de coste, de tiempo o porque el ensayo

TEST DE HIPTESIS E INFERENCIA ESTADATICA

15/11/2016 Gonzalo Clemente Marn. UPV 7

15/11/2016 Gonzalo Clemente Marn. UPV 8

Razones estratgicas. Por ej ejemplo, no disponer de acceso a todos los

Razones econmicas. Estudiar a todos los individuos del colectivo podra

Razones de tiempo. La urgencia por disponer de la informacin requerida (

Razones intrnsecas al estudio. Cuando las observaciones a realizar ocasionan

TEST DE HIPTESIS E INFERENCIA ESTADATICA

TEST DE HIPTESIS E INFERENCIA ESTADATICA

TEST DE HIPTESIS E INFERENCIA ESTADATICA

Si los supuestos son sobre otros aspectos como el tipo de

Son con los que ms trabajaremos.

Se pretende averiguar con la mayor precisin y exactitud posible

TEST DE HIPTESIS E INFERENCIA ESTADATICA

TEST DE HIPTESIS E INFERENCIA ESTADATICA

Hiptesis nula (H0):

Hiptesis alternativa (H1):

ES LA CONTRARIA A LA HIPTEIS NULA

TEST DE HIPTESIS E INFERENCIA ESTADATICA

Si la hiptesis nula respecto al valor del parmetro se trata de

TEST DE HIPTESIS E INFERENCIA ESTADATICA

Calculamos test, Qu puede suceder?

TEST DE HIPTESIS E INFERENCIA ESTADATICA

TEST DE HIPTESIS E INFERENCIA ESTADATICA

El riesgo de primera especie es la probabilidad de cometer

El riesgo de segunda especie es la probabilidad de cometer

TEST DE HIPTESIS E INFERENCIA ESTADATICA

1.- Nivel de significacin o tamao del contraste

TEST DE HIPTESIS E INFERENCIA ESTADATICA

Cuando aumenta disminuye

Cuando disminuye aumenta

Para disminuir ambos a la vez debemos incrementar el tamao de la

y nunca se dan conjuntamente. El error de primera especie se

TEST DE HIPTESIS E INFERENCIA ESTADATICA

TEST DE HIPTESIS E INFERENCIA ESTADATICA

El p-valor puede considerarse como el valor lmite para

P-valor = Probabilidad Estadstico Calculado >

TEST DE HIPTESIS E INFERENCIA ESTADATICA

TEST DE HIPTESIS E INFERENCIA ESTADATICA

- Obsrvese que SOLAMENTE SE RECHAZAR H0 cuando la probabilidad de

Test de Hiptesis sobre una poblacin normal:

Comparacin de dos poblaciones:

TEST DE HIPTESIS E INFERENCIA ESTADATICA

TEST DE HIPTESIS E INFERENCIA ESTADATICA

TEST DE HIPTESIS E INFERENCIA ESTADATICA

De los datos obtenemos: x 74.89 ,S=11.57,

El test es: H0: =70, H1: # 70

Se debe reajustar la mquina?

TEST DE HIPTESIS E INFERENCIA ESTADATICA

El test es: H0: =70, H1: >70

TEST DE HIPTESIS E INFERENCIA ESTADATICA

En el test anterior cual sera el riesgo si la media fuera realmente 72 ?

TEST DE HIPTESIS E INFERENCIA ESTADATICA

De los datos y las tablas de la t obtenemos:x 32.4 S=15.70 , t90.05=1.833

tiempo medio de enfriamiento es menor de 35 minutos y por lo tanto no se ha incrementado