QUÍMICA

5"A"

DISEÑO
UNIDAD 2
EXPERIMENTAL Diseños Experimentales

Presentado por:
Raúl Benavides Lara Ph.D.

Clase No.8
Riobamba
Octubre 2018 – Febrero 2019
 CONTENIDOS DE LA CLASE

TEMA: 2.4 Hipótesis comparación de dos tratamientos

• Prueba para la igualdad de medias
• Prueba para la igualdad de varianzas
• Comparación de Proporciones
• Poblaciones pareadas(comparación de dos medias
con muestras dependientes)
2.4 HIPÓTESIS PARA COMPARACIÓN DE DOS
TRATAMIENTOS
• Problema frecuente de investigación, es comparar la media de dos procesos,
tratamientos, materiales, especímenes, máquinas o métodos de trabajo.
• Si interesa comparar dos tratamientos A y B (este caso 2 maquinas que realizan
la misma operación) Para ello se debe obtener una muestra aleatoria de
observaciones de cada tratamiento (máquina).

• Para una comparación justa, la materia prima utilizada por las máquinas se
debe asignar de forma aleatoria, a igual que las 2n pruebas o corridas (No es
adecuado realizar primero todas las pruebas de la máquina A y luego en la B,
eso sesga la comparación)
• Con estas condiciones, se puede hacer estadísticamente su comparación.

3
A.- HIPÓTESIS PARA LA MEDIA
CON SUPOSICIÓN DE VARIANZAS DESCONOCIDAS, PERO IGUALES.

• Sean dos (2) tratamientos con medias μx y μy y varianzas σx2 y σy2

• Determinar si las medias pueden considerarse estadísticamente iguales.
• Para ello se plantean las siguientes hipótesis: HO : μx = μy
HA : μx ≠ μy
• Que se pueden reescribir como: Hipótesis nula → HO : μx – μy = 0
Hipótesis alternativa → HA : μx – μy ≠ 0

• Para probar Ho se toman dos muestras aleatorias, de tamaño nx y ny la del

proceso X y Y respectivamente.
• Es recomendable que nx = ny = n (balanceado), pero en casos se puede trabajar
con nx ≠ ny
• Si cada proceso sigue una distribución normal y son independientes entre ellos,
el estadístico de prueba adecuado está dado por:
Ẋ−Ȳ
𝒕𝒐 =
𝟏 𝟏
𝑺𝒑 𝒏 + 𝒏
𝒙 𝒚
4
• El cual sigue una distribución t de Student con nx + ny – 2 grados de libertad,
donde 𝑺𝒑𝟐, es un estimador de la varianza muestral común, suponiendo que
dichas varianzas desconocidas sean iguales, y se calcula:

𝒏𝒙 − 𝟏 𝑺𝟐x + 𝒏𝒚 − 𝟏 𝑺𝟐y
𝑺𝒑𝟐 =
𝒏𝒙 + 𝒏𝒚 − 𝟐

• S2x y S2y son las varianzas muestrales de los datos de cada proceso.
• Se rechaza Ho si |to| > tα/2, donde tα/2 es el punto α/2 de la cola derecha de la
distribución t de Student con nx + ny – 2 grados de libertad.
• Cuando la hipótesis alternativa es de la forma:

HA : μx > μy HA : μx < μy
o
HO : μx = μy HO : μx = μy

• Se rechaza Ho si to > tα Se rechaza Ho si to < –tα

• En forma equivalente, se rechaza Ho si el valor-p < α para la pareja de hipótesis
de interés.
5
Ejercicio 1: Comparación de dos centrifugadoras
• La calidad de la pintura látex depende, entre otros del tamaño de la partícula.
• Para medir esta característica se utilizan dos (2) centrifugadoras, y se sospecha
que éstas reportan mediciones distintas para la misma pintura.
• Se decide hacer un estudio que permita comparar las medias y las varianzas
reportadas por los dos equipos; para lo cual, de un mismo lote de pintura se
tomaron 13 lecturas con cada centrifugadora.

• Los resultados :

• Para comparar las medias se plantea la hipótesis de igualdad de medias con la

alternativa bilateral, cual se desea probar con un nivel de significancia de 5%
(α=0.05).
Hipótesis nula → HO : μx = μy
Hipótesis alternativa → HA : μx ≠ μy

6
 Inicialmente se calcula el estadístico de prueba

Ẋ−Ȳ 4684,00 − 4,408,92

𝑡𝑜 = = = 2,04
1 1 1 1
𝑆𝑝 𝑛 + 𝑛 344,06 13 + 13
𝑥 𝑦

• De la tabla de distribución T de Student con 13 + 13 – 2 = 24 grados de libertad, se

obtiene el punto crítico t (0.025, 24) = 2.064.

• Como | to | = 2.04 < 2.064 = tα/2, no se rechaza Ho, y se concluye que las
centrifugadoras A y B reportan en promedio el mismo tamaño de partícula.

• Es decir, las centrifugadoras son estadísticamente iguales en cuanto a sus medias

(aunque su margen es muy estrecho)

Ẋ − Ȳ = 4 684.00 – 4 408.92 = 275.08

• El valor – p= 0,053, como valor – p no es menor (<) que α (0.053 > 0.05) no se
rechaza la hipótesis.

7
B.- HIPÓTESIS PARA LA MEDIA
CON SUPOSICIÓN DE VARIANZAS DESCONOCIDAS Y DESIGUALES

• En la mayoría de ocasiones las varianzas no son iguales, o no existen datos

históricos sobre los dos tratamientos que permitan suponer esto.
• Por ejemplo: al comparar dos proveedores de un mismo material puede no
haber razones para suponer que las varianzas sean iguales o parecidas
(estadísticamente).
• Si no se supone igualdad de varianzas, el estadístico de prueba para
Ho: μx = μy está dado por:
Ẋ−Ȳ
𝒕𝒐 =
𝑺𝟐𝑿 𝑺𝟐𝒚
𝒏𝒙 + 𝒏 𝒚
• Que sigue aproximadamente una distribución t de Student, cuyos grados de
libertad Ѵ (nu) se calculan mediante la relación:
𝟐 𝟐
𝑺 𝒙 𝑺 𝒚 𝟐
+
𝒏𝒙 𝒏𝒚 Como antes, se rechaza Ho
Ѵ= 𝟐 𝟐 - 2 si |to| > tα/2, Ѵ o si el valor-p < α
𝑺𝟐 𝒙 𝟐 𝑺 𝒚
𝒏𝒙 𝒏𝒚
+
𝒏𝒙 +𝟏 𝒏𝒚 +𝟏
8
Ejercicio 2: Comparación de dos centrifugadoras
• En el caso de las centrifugadoras no se pudiera suponer que las
varianzas son iguales.
• El valor del estadístico resulta ser to = 2.04
• Aplicando la fórmula de Ѵ para calcular los grados de libertad, se obtiene
que Ѵ = 26.
• El valor de tα/2, Ѵ es de 2,056; y el valor-p = 0.052.
• Por lo tanto, con α = 0.05, no se rechaza la igualdad de las medias.
• Ésta es la misma decisión que se obtuvo al suponer varianzas iguales;
• Observe que los valores de to y el valor-p son prácticamente iguales que
antes.

9
C.- HIPÓTESIS PARA LA MEDIA
CON SUPOSICIÓN DE VARIANZAS CONOCIDAS

10
 D. PRUEBA PARA LA IGUALDAD DE VARIANZAS
• Para no suponer en la prueba de medias, que las varianzas son iguales o
diferentes, se puede verificarlo de manera estadística mediante las hipótesis:

Hipótesis nula → HO : σ2x = σ2y

Hipótesis alternativa → HA: σ 2x ≠ σ2y

• La comparación de varianzas tiene mucho interés, ya que son determinantes en

cualquier proceso o tratamiento.
• En general una menor varianza, implica potencialmente mejor calidad. Por
ejemplo: en el caso de las centrifugadoras interesa ver si alguna de ellas tiene
mayor error (variabilidad) en sus mediciones.
• El planteamiento de la hipótesis se puede reescribir como:
Hipótesis nula → HO : σ2x /σ2x= 1
Hipótesis alternativa → HA: σ 2x /σ2y ≠ 1
s2x
El estadístico de prueba es: 𝑭𝒐 = 2
sy
• Se rechaza Ho si Fo > F,P(X>x) de una distribución F, con nx – 1 grados de
libertad en el numerador y ny – 1 grados de libertad en el denominador.
• O el valor-p < α 11
Ejercicio 3: Comparación de dos centrifugadoras
• En el caso de las centrifugadoras Fo = 1,11
• El valor del estadístico resulta ser F, P = 2,26
• En https://www.easycalculation.com/es/statistics/f-test-p-
value.php, se determina que el valor-p = 0,85.
• Por lo tanto, con α = 0.05, no se rechaza la hipótesis HO: σ2x = σ2y y
se concluye que las centrifugadoras tienen la misma variabilidad

12
 E.- COMPARACIÓN DE PROPORCIONES
• Una situación de frecuente interés es investigar la igualdad de las
proporciones de dos poblaciones o tratamientos, es decir, se requiere
probar la siguiente hipótesis:
Hipótesis nula → HO : p1 = p2
Hipótesis alternativa → HA : p1 ≠ p2

• Donde p1 y p2 son las proporciones de cada una de las poblaciones o

tratamientos
• Para ello, bajo el supuesto de distribución binomial, el estadístico de
prueba es: p ^1 − p ^2
𝒁𝒐 =
𝟏 𝟏
p^ 𝟏−p^ +
𝒏𝟏 𝒏𝟐

donde: 𝒙𝟏 + 𝒙𝟐
p^=
𝒏𝟏 + 𝒏𝟐

• Se rechaza Ho, si |Zo| > Zα/2.

• En caso de que la hipótesis alterativa fuera unilateral, entonces Zo se
compara con Zα
13
Ejercicio 4: Evaluación de fármacos (proporciones)

• Se integran dos grupos formados por dos muestras

aleatorias de n1 = n2 = 100 personas cada una.

• A cada grupo se le suministra un fármaco diferente.

• Transcurrido el tiempo de prueba se observan x1 = 65

y x2 = 75 personas que se recuperaron con cada
fármaco
http://www.elosiodelosantos.c
om/calculadoras/calculadora_d
• Para ver si estas diferencias son significativas a favor
istribucion_normal.php
del fármaco 2, se necesita probar la hipótesis de
igualdad de proporciones.
𝟔𝟓 𝟕𝟓
𝟔𝟓+𝟕𝟓 𝟏𝟎𝟎
− 𝟏𝟎𝟎
p ^ = 𝟏𝟎𝟎+𝟏𝟎𝟎 = 0,7 𝒁𝒐 = = 1,543
1 1
0,7 1−0,7 +
100 100

• Se rechaza Ho si |Zo| > Zα/2 – como no se cumple

(1,543 > 1,96), no se rechaza Ho, concluyendo que no
hay evidencia suficiente para afirmar que un fármaco
es mejor que el otro.
14
 F. POBLACIONES PAREADAS
(comparación de dos medias con muestras dependientes)
• Los casos anteriores consideran que la muestra a la que se le aplica el tratamiento
1 es independiente de la muestra para el tratamiento 2, y los datos se obtienen en
orden completamente al azar (las unidades se asignan de manera aleatoria a los
tratamientos) para evitar sesgo que pudiera favorecer a uno de los tratamientos.
• Sin embargo, en algunas situaciones experimentales no es conviene o posible tomar
muestras independientes, sino que lo mejor es tomar muestras pareadas (los datos
de ambos tratamientos se obtienen por pares que tienen algo en común).
Por ejemplo: - En caso de los pacientes: el apareamiento consiste en que el grupo
de pacientes que recibe el medicamento A es el mismo grupo que
recibe el B, por lo que las mediciones del efecto de los mismos sobre el
mismo paciente están relacionadas, y en este sentido no son
independientes.
- A la misma unidad experimental o espécimen de prueba se le
apliquen los tratamientos a comparar.
- A los mismos pacientes se les aplican dos medicamentos
(tratamientos) para el dolor en distintas ocasiones; los tratamientos a
comparar son los dos medicamentos.
- A las mismas piezas se les hace una prueba de dureza con distintos
instrumentos; aquí se quieren comparar los instrumentos.
15
Ejercicio 5: Comparación de dos básculas.
• Ver si 2 básculas están sincronizadas.
• Para ello, se toma una muestra aleatoria de
10 especímenes y cada uno se pesa en
ambas básculas, cuidando que el orden
sea aleatorio.
• El trabajo lo realiza el mismo operador y los
datos obtenidos se muestran en la tabla
• En este caso tenemos observaciones
pareadas, ya que el peso que registra una
báscula para un espécimen no es
independiente del que registra la otra para
el mismo espécimen. Hipótesis nula → HO : μ1 = μ 2
Hipótesis alter. → HA : μ 1 ≠ μ 2
• La comparación de las básculas se puede
evaluar probando la siguiente hipótesis:
Entonces, estas hipótesis, en el
• Donde: μ1= peso promedio poblacional que caso pareado, se plantean de
mide báscula 1 manera equivalente como
μ2= peso promedio poblacional que mide
báscula 2 HO : μD = 0
μD= media poblacional de las diferencias HA : μD ≠ 0
16
• El problema de comparar las medias de dos poblaciones se convierte en el
problema de comparar la media de una población con una constante.
• Este es un caso particular del estadístico para una media, cuando μo = 0, con la
muestra de n diferencias (d1, d2, …, dn), utilizando el estadístico dado por:

đ
to =
𝑆𝐷 / 𝑛
• Donde: đ = –0.022 es el promedio muestral de las diferencias,
SD = 0.0287 es la desviación estándar muestral de tales diferencias, y
n = tamaño de la muestra. (10)
• Ho se rechaza si |to| > tα/2, n – 1, o si valor-p < α.

• Al hacer los cálculos resulta to= -2,20 y tα/2, n – 1 = 2,26 por lo cual no se
rechaza Ho; y calculando el valor-p = 0.055 que es mayor que α = 0.05, no se
rechaza Ho para este nivel de significancia.
• Es decir, no hay suficiente evidencia en contra de la sincronización de las
básculas. Sin embargo, esta conclusión es bastante endeble dado que el valor-p
es muy similar al valor α.

17
18
19