Sesion 5 - Estnopa PDF

Pruebas de Hipótesis
ESTADISTICA APLICADA II LIC. RITA GUZMAN LOPEZ
PRUEBAS O CONTRASTES DE HIPÓTESIS
El problema central de la inferencia estadística es un problema de

toma de decisiones, del cual la estimación y contraste de
hipótesis son aspectos importantes, diferenciados pero
complementarios.
La Prueba de hipótesis es una herramienta muy importante y

ampliamente utilizada para comparar mediciones y tomar
decisiones basados en una probabilidad.
1
Un contraste de hipótesis, una prueba de significación o
una prueba de hipótesis, son términos que indican el
proceso mediante el cual se decide si una proposición
acerca de la población debe ser aceptada o no.
Una hipótesis estadística es por tanto, una proposición

acerca de la distribución de probabilidad de una o de varias
variables aleatorias. Tal proposición puede referirse bien a la
forma de la distribución, bien al valor o valores de los
parámetros o bien a ambos.
Ejemplo hipótesis:
 Un profesor parte de la premisa de que el estudiante asiste al

curso con el deseo de aprender;
 Un electricista debe partir de la premisa de que la conexión

eléctrica que va a revisar está viva con corriente eléctrica;
 Una persona arrestada y acusada de cometer algún delito es un

presunto delincuente o posible autor del delito
2
El contraste de la hipótesis estadística se basará en la
información proporcionada por la muestra.
La premisa de la cual se parte sobre el comportamiento

de la población se conoce como la hipótesis nula.
Se le llama nula pues la misma, generalmente indica,

por ejemplo, que la media poblacional es cero; que no
hay diferencia entre los parámetros asociados a grupos
en la población.
La hipótesis nula se denota usualmente en símbolos

por H0.
El cero nos recuerda que se parte de la premisa de

que el efecto es nulo o que las diferencias entre los
grupos es cero.
Todo contraste va a implicar la comparación

entre dos hipótesis bajo la información
muestral. Y como resultado el investigador tomará
una decisión.
3
ELEMENTOS DE UNA PRUEBA DE
HIPOTESIS
Los elementos más importantes para cualquier contraste de hipótesis

es:
a. HIPOTESIS NULA: Es aquella hipótesis que representa

efectos nulos, se simboliza por Ho.
b. HIPOTESIS ALTERNATIVA: También se le conoce como

experimental y se representa por H1 ó Ha, se expresa como la
opuesta a H0.
Esta es la hipótesis de investigación es decir: Lo que el investigador

desea demostrar sobre la población. Se asume en caso de que la H0
sea rechazada.
c. ESTADISTICO DE PRUEBA: es una variable aleatoria

muestral que contiene información pertinente acerca de
la población y/o sus parámetros que se están
Investigando.
Los valores muestrales se emplean para calcular un solo

número que corresponde a un punto sobre una recta. Tal
número sirve para tomar decisiones y se denomina
estadístico de prueba o contraste.
El estadístico de prueba, será una variable aleatoria, con

una distribución muestral conocida
4
d. REGLAS DE DECISION: Una regla de decisión es un
criterio utilizado para decidir si se acepta o se rechaza la
hipótesis nula.
Este criterio consiste en tomar una decisión bajo dos

zonas mutuamente excluyentes: la zona de rechazo (o
región crítica) y la zona de no rechazo.
La zona de rechazo está constituida por aquellos valores

del estadístico de contraste que por ser muy grandes o
muy pequeños (o lo que es igual alejarse mucho de H0),
es muy poco probable que ocurran si H0 es verdadera.
Las reglas de decisión se pueden expresar en términos de

probabilidad como:
“rechazar H0 si la probabilidad de que ocurra un valor

concreto “T” del estadístico de prueba es menor que “α”.
El valor de “α” se conoce como nivel de significación o

nivel de riesgo y representa la probabilidad de que un
valor concreto del estadístico de contraste caiga en la
zona de rechazo o crítica.
En la práctica, los niveles de significación más

frecuentemente empleados son de 0.05 y 0.01, que en
algunos casos aparecen como 5% y el 1%.
5
TIPOS DE PRUEBAS DE HIPOTESIS
a) Bilaterales o de dos colas:
H 0 :   0
H1 :    0
Siendo = nivel de significación y

1-= nivel de confianza.
b) Unilateral derecho o de una cola:
H 0 :   0
H1 :    0
siendo  = nivel de significación y

1- = nivel de confianza.
6
c) Unilateral izquierdo o de una cola:
H 0 :   0
H1 :    0
siendo = nivel de significación y

1- = nivel de confianza.
TIPOS DE ERRORES EN LAS

PRUEBAS DE HIPOTESIS
En general, una prueba de hipótesis estadística no es otra

cosa que un procedimiento para tomar una decisión bajo
incertidumbre sobre la validez de la hipótesis nula. Usando
la evidencia de los datos de la muestra o de las muestras se
llega a dos decisiones:
Decisión 1: rechazar H0 ; Decisión 2: No rechazar H0
7
La realidad es también doble: H0 es falsa ó H0 es verdadera.
Por tanto:
Si H0 es verdadera y se rechaza se comete un error.
Si H0 es falsa y no se rechaza se comete otro error.
En conclusión, existe un riesgo inherente de llegar a una conclusión

incorrecta cuando se prueban hipótesis, a causa de la naturaleza
aleatoria del muestreo.
Este riesgo se puede clasificar de dos maneras:
ERROR TIPO I
ERROR TIPO II
· ERROR TIPO I: Es el que se comete al rechazar H0 cuando es verdadera.

La probabilidad de cometer este error es α.
· ERROR TIPO II: Es el que se comete al no rechazar H0 cuando es falsa.

La probabilidad de cometer este error es β.
HIPOTESIS NULA (H0)

DECISION
VERDADERA FALSA
NO RECHAZAMOS H0 DECISION CORRECTA ERROR TIPO II (b)
RECHAZAMOS H0 ERROR TIPO I (α) DECISION CORRECTA
8
La probabilidad de cometer error tipo I se conoce también como
la significancia de la prueba y se denota usualmente por la letra
griega alfa α.
La probabilidad de cometer error tipo I se escribe por medio de

una probabilidad condicional de la siguiente manera:
α = P{ error tipo I } = P{ rechazar H0/H0 es verdadera }
La significancia es en ocasiones presentada como un por ciento,

tal como 1%, 5% o 10%. Esto quiere decir que el investigador
está dispuesto a permitir una probabilidad de 0.01, 0.05, ó 0.10
de cometer un error tipo I: rechazar la hipótesis nula cuando es
cierta.
En el caso en que la hipótesis nula no sea cierta, en

algunos casos los datos pueden llevarnos a no
rechazarla, llevándonos a cometer entonces un error
tipo II. Usualmente no controlamos este tipo de error
directamente.
β = P{ error tipo II } = P{ no rechazar H0/H0 es falsa }
9
La cantidad 1 - β se conoce como el poder de la prueba, es la
probabilidad de rechazar H0 cuando es falsa, cuando en realidad
debe ser rechazada.
Idealmente se quiere tener pruebas cuyo poder sea alto. Así el

poder de la prueba se escribe:
1-β = Poder de la prueba = P{ rechazar H0/H0 es falsa }
Para un tamaño muestral fijo (n) al aumentar la región de rechazo

(y por lo tanto α), β disminuye. Si por el contrario α decrece, β
aumentará.
Por otra parte, al aumentar el tamaño de la muestra (n), α y β

decrecen a la vez.
Ejemplo de hipótesis y expresiones de los errores:
H0: El acusado es inocente
H1 : El acusado es culpable
α =ERROR tipo I = P( RHo | siendo verdadera)=P( condenar siendo inocente)
β = ERROR tipo II = P(no rechazar Ho | siendo falsa) = P (absolver siendo culpable)
10
Procedimientos para realizar una Prueba de Hipótesis
1) Determinar las Hipótesis H0 y H1.
2) Fijar el nivel de significancia (o riesgo) , valor con el que se

construirá la región critica y la región de rechazo.
3) Decidir que estadígrafo será usado para contrastar la hipótesis H0.
4) Especificar las regiones de rechazo y de aceptación.
5) Calcular en base a la muestra el valor del estadígrafo que definirá la

decisión.
6) Tomar la decisión de acuerdo a las regiones determinadas en el

punto 4.
7) Plantear las conclusiones correspondientes.
Prueba de Hipótesis sobre una Media Poblacional (μ)

para Muestras Grandes n≥30
Esta prueba se aplica también en los siguientes casos:

a) Población Normal, con varianza poblacional (σ2) conocida o desconocida
(σ2=S2).
b) Se aplicará para Población Normal para muestras pequeñas(n<30),

y varianzas conocidas.
11
Prueba de Hipótesis sobre una Media Poblacional (μ) de población
normal con varianza poblacional desconocida, n<30
Ejemplo: Se desea probar la hipótesis μ=0 contra la alternativa μ>0 sobre la

base de una m.a de tamaño 9 con media 0.733 tomada de una población
normal con varianza 1. Use α=0.05
Solución:
Por dato del problema: se trata de una población normal con varianza
poblacional conocida y muestra pequeña, entonces usaremos “Z”.
a) Planteamos las hipótesis:

H0 : μ=0
H1 : μ>0
n=9, X  0.733 σ2=1, І-Zα І= ІZ1-αІ entonces І-Z0.05І=ІZ0.95І =1.645
Resolveremos aplicando la comparación con el estadístico de prueba:
Se rechaza H0 si : Z>1.645, Donde : Z= estadístico de prueba calculado
12
Calculamos el estadístico de prueba:
X  0 0.733
Z   2.199
 1
n 3
F(z)
Z=2.199
1.645
z
Z cae en la región crítica para α=0.05; luego se rechaza H0.
Por lo tanto con un nivel de significancia del 5% podemos aceptar que la

media poblacional es mayor que cero.
Prueba de Hipótesis sobre una Proporción Poblacional (P) de

Muestras Grandes
Consideremos el problema de probar la hipótesis que la proporción de

éxitos es igual a un valor especifico. Es decir, queremos probar la
hipótesis nula:
13
Aplicativo:
Históricamente la proporción de clientes que compran con tarjeta de crédito
en una determinada tienda es como mínimo del 25%, sin embargo la dueña
de la tienda piensa que esta cifra ha disminuido significativamente. Si se
sabe, que de una muestra de 1,122 clientes 242 compraron con tarjeta de
crédito, ¿Se está cumpliendo lo que piensa la dueña?.α=10%
Solución:
1) Datos: P0=0.25 ;
2) Planteamos las hipótesis:

H0: p ≥ p0 = 0.25 (La proporción de clientes que compran con
tarjetas es como mínimo 25%)
H1: p < 0.25 (La proporción de clientes que compran con
tarjeta han disminuido)
3) Determinamos el nivel de significancia para la prueba “α=0.1”
242
4) Identificamos el tamaño de muestra: n=1122 , n≥30 pˆ   0.215
1122
5) Calculamos el estadístico de prueba, en este caso por ser una muestra
grande lo aproximaremos a la normal, calculemos el estadístico de prueba:
pˆ  P0
Z  2.31
P0 (1  P0 )
n
6) Aplicamos la regla de decisión correspondiente:

Rechazaremos H0 si Z < -Z1-α = -Z1-0.1 = Z0.9 =-1.29, entonces; comparando el
estadístico de prueba y el valor de tabla, observamos que el estadístico de
prueba es menor que el de tabla. Por lo tanto, con un 10% de significancia
rechazamos H0..
7) Conclusión: con un nivel de significancia del 10% podemos afirmar que las
proporciones han disminuido y por lo tanto la dueña si tiene razón en lo que
afirma.
14
Prueba de hipótesis para dos medias de dos poblaciones normales
independientes de varianza conocida. Muestras grandes (n 1+n2 ≥ 30)
En muchos problemas prácticos se esta interesado en determinar si

existe o no una diferencia significativa entre las media μ1 y μ2 de dos
poblaciones. Entonces:
Sean X1,…,Xn1 una m.a. seleccionada de una población N(1,σ12) y

Y1,…,Yn2 una m.a. seleccionada de una población N(2,σ22) donde σ12 y
σ22 son conocidas y sean:
n1 n2
X i Y i
X1  i 1
X2  i 1
n1 n2
Prueba de hipótesis para dos medias de dos poblaciones normales

independientes de varianza desconocida. Muestras grandes (n 1+n2 ≥ 30)
Sean X1,…,Xn1 una m.a. seleccionada de una población N(1,σ12) y Y1,…,Yn2

una m.a. seleccionada de una población N(2,σ22) donde σ12 y σ22 son
desconocidas y sean:
n2
(X
n1
X i i  X1)
X1  i 1 S12  i 1
n1 n2  1
n2
Y
n2
i  (Y  Y ) i 1
X2  i 1
S 
2 i 1
n2 n2  1
2
1  2 1  2 ( X 1  X 2 )  δ0
Z
S12 S 22
1  2 1  2 
n1 n2
1  2 1  2  N (0,1)
15
Prueba de hipótesis para dos medias de dos poblacionales normales
independientes de varianza conocida. Muestras pequeñas (n 1+n2 < 30)
Sean X1,…,Xn1 una m.a. seleccionada de una población N(1,σ12) y

Y1,…,Yn2 una m.a. seleccionada de una población N(2,σ22) donde σ12 y
σ22 son conocidas y sean:
n1 n2
X i Y i
X1  i 1 X2  i 1
n1 n2

independientes de varianza desconocida pero iguales (σ12=σ22=σ).
muestras pequeñas (n1+n2 < 30)
Sean X1,…,Xn una m.a. seleccionada de una población N(1,σ12) y Y1,…,Ym

desconocidas y sean: n n
X
1
(X
1
i
i  X1)
X1  i 1
n1 S12  i 1
n1  1
n2 m
Y i  (Y  X i 2 )
X2  i 1
S 22  i 1
n2 n2  1
1  2 1  2 tt 
( X (1X X 2δ)0  δ0
1  X2) 
2S2 2 2
(n11  1)S11  (1n22  1)S2S 1 1
1  2 1  2 2(  )
2
nn11  nnn22 1 22 nn2n11 nn22

tt( n1tn(2 g2))
1  2 1  2 ( n1  n2  2 )
16
independientes de varianza desconocida y diferentes (σ12≠σ22).
muestras pequeñas (n1+n2 ≤30)
Sean X1,…,Xn una m.a. seleccionada de una población N(1,σ12) y Y1,…,Ym

desconocidas y sean: n1
X
n1
X1  i 1
i
(X i  X1)
n1 S12  i 1
n1  1
n2
Y
n2
i  (Y  Xi 2 )
X2  i 1
S 22  i 1
n2 n2  1
1  2 1  2 t
( X 1  X 2 )  δ0
S12 S2
1  2 1  2 n1
 2
n2
 t( g ) “g” grados de
1  2 1  2 libertad de Welch.
Ejemplo:
Una compañía desea comparar la duración de dos tipos de piedras

usadas en cierto proceso abrasivo y encuentra que el promedio de vida
de 10 piedras del 1er. tipo es de 58 meses con una desviación típica de 6
meses; y que el promedio de vida de 12 piedras del 2do. tipo es de 66
meses con una desviación típica de 4 meses. Examinar la hipótesis nula
que no existe diferencia alguna entre los “verdaderos” promedios de vida
de los dos tipos de piedras contra la alternativa de que el segundo sea
mejor. Use α=0.01. Considerar que la duración de las piedras siguen una
distribución normal.
¿Qué supuesto se debe considerar para realizar esta dócima?.
Considerar varianzas poblacionales iguales.
17
Para este ejemplo la duración de las piedras tiene una distribución
normal.
Luego como las muestras son pequeñas y varianzas poblacionales

desconocidas usaremos el estadístico de prueba “t” con 10+12-2=20 g.l.
Planteando las hipótesis tenemos:
H0: μ1-μ2=0 (μ1=μ2)
H1: μ1-μ2<0 (μ1<μ2)
( X 1  X 2)  δ0 donde :
t
(n1  1) S12  (n2  1) S 22 1 1 δ0  μ1  μ2
(  )
n1  n2  2 n1 n2
(58  66 )  0
t  3.74
(10  1)(6 )  (12  1)(4) 2 1 1
2
(  )
10  12  2 10 12
Decisión: Rechazamos H0 si : t<-tn1+n2-2,
Zona de Rechazo
-2.53 0
Entonces se observa que t cae en la región de rechazo para un nivel de

significancia del 1%, entonces rechazamos H0, es decir el segundo tipo
de piedras es mejor que el primero.
18
PRUEBA DE HIPÓTESIS PARA LA VARIANZA DE UNA POBLACION NORMAL
Consideremos el problema de probar la hipótesis que la varianza poblacional
es igual a un valor especifico  02 . Es decir, queremos probar la hipótesis nula:
H0 H1 ESTIMADOR RECHAR H0 SI:
σ2 ≥ σ0 2 σ2 < σ0 2
 c2   ((2 n1) gl.;1 )
(n  1) s 2
σ2 ≤ σ0 2 σ2 > σ0 2  C2 
 02  c2   ((2 n1) gl.; )
σ2 = σ0 2 σ2 ≠ σ0 2
 c2   ((2 n 1) g l.;1 / 2)
ó
 c2   ((2 n 1) g l.; / 2)
PRUEBA DE HIPÓTESIS CONCERNIENTE A LA VARIANZA DE DOS POBLACIONES
H0 H1 ESTIMADOR RECHAR H0 SI:

σ1 2 ≥ σ2 2 σ1 2 < σ 2 2 S 22 F < fα
F 
S12
g.l.: (ma – 1) y (me – 1)
σ1 2 ≤ σ2 2 σ1 2 > σ 2 2 S2 F > f1-α
F  12
σ1 2= σ2 2 σ1 2≠ σ2 2 S2 F < fα/2 ó
g.l.: (ma – 1) y (me – 1) F > f1-α/2
a)La varianza muestral mayor en el númerador (notar que F>1).
b) ma: tamaño de la muestra con varianza mayor
c) me: tamaño de la muestra con varianza menor
Considerar:
1
f  
1 , ( ma 1), ( me 1) f
2
, ( me 1), ( ma 1)
2
Si no se rechaza H0 , habremos probado la igualdad de varianzas, en este caso se

afirma que las poblaciones son homocedásticas.
19
Aplicación:
Dos muestras consistentes de 21 y 9 observaciones tienen varianzas S12=16

y S22=8 , respectivamente. Examinar la hipótesis que las varianzas
poblacionales son iguales contra la alternante que la primera varianza
poblacional es mayor. Use α=0.05.
Solución
De los datos n1=21 , n2=9, S12=16 , S22=8
Planteamos las hipótesis:
H0 : σ12 = σ22 (Las varianzas poblacionales son iguales)
H1: σ12 > σ22 (La varianza poblacional 1 es mayor que la varianza
poblacional 2)
Determinamos el nivel de significancia: α= 0.05

S12 16
Calculamos el estadístico de Prueba: F  2
S 22 8
Fc  2
Determinamos la región critica de la prueba:
F10.05( 20,8)  F0.95( 20,8)  3.15
Entonces vemos que el estadístico de prueba es menor que el F de tablas,

entonces esta dentro de la región de aceptación por lo tanto no rechazamos Ho
con un nivel de significación del 5%.
En conclusión:
Hemos probado la homogeneidad de varianzas; esto es, que las varianzas

poblacionales son iguales o que las poblaciones son homoscedásticas con 5%
de nivel de significancia.
20
PRUEBA DE HIPOTESIS PARA DOS PROPORCIONES
POBLACIONALES DE MUESTRAS GRANDES (n1 y n2 ≥ 30)
Consideremos dos muestras independientes. Sean X1,…,Xn una m.a extraída de una
población Bernoulli B(1,P1) y Y1,…,Y2 una m.a extraída de una población
Bernoulli B(1,P2).
Denotemos la proporción de éxito en cada muestra por:
n1

 X  Número de éxitos en la muestra 1
i
pˆ 1 
1 
n1
n2

 Y  Número de éxitos en la muestra 2
i
pˆ 2 
1 
n2
Contrastes, Caso 1:
ESTADISTICA DE
H0 H1 RECHAR H0 SI:
PRUEBA
( pˆ1  pˆ 2 )
P1 – P2 ≥ 0 P1 – P2 < 0 Z Z < - Zα
1 1
pˆ (1  pˆ )[  ]
n1 n2
P1 – P2 ≤ 0 P1 – P2 > 0 Z > Zα
Donde :
x1  x2 Z < -Zα/2 ó
P1 – P2 = 0 P1 – P2  0 ˆ 
p
n1  n2 Z > zα/2
Los parámetros P1 y P2 son las proporciones de éxito de cada una de las dos poblaciones bajo
estudio. Supuesto: Poblaciones con P1=P2=P. La estimación del error estándar varía cuando se
supone diferencia entre las proporciones poblacionales.
Previo al calculo del estadístico de prueba se debe calcular:
x1 x x1: es el número de éxitos en la

ˆ1 
p ˆ2  2
;p muestra de tamaño n1
n1 n2 Donde: x2: es el número de éxitos en la
muestra de tamaño n2
21
Contrastes, caso 2:
ESTADISTICA DE RECHAR H0
H0 H1
PRUEBA SI:
P1 –P2 ≥ p0 P1 – P2 < p0 ( pˆ 1  pˆ 2 )  p0 Z < - Zα

Z
pˆ 1 (1  pˆ 2 ) pˆ 2 (1  pˆ 2 )

n1 n2
P1 – P2 ≤ p0 P1 – P2 > p0 Z > Zα
Z < -Zα/2 ó
P1 – P2 = p0 P1 – P2  p0
Z > zα/2
Los parámetros P1 y P2 son las proporciones de éxito de las dos poblaciones bajo estudio,
p0 es la proporción teórica (p0 ≠ 0).
Previo al calculo del estadístico de prueba se debe calcular:
x1 x x1: es el número de éxitos en la

ˆ1 
p ˆ2  2
;p muestra de tamaño n1
n1 n2 Donde: x2: es el número de éxitos en la
muestra de tamaño n2
22

Sesion 5 - Estnopa PDF

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

Sesion 5 - Estnopa PDF

Încărcat de

Drepturi de autor:

Formate disponibile

Pruebas de Hipótesis

ESTADISTICA APLICADA II LIC. RITA GUZMAN LOPEZ

PRUEBAS O CONTRASTES DE HIPÓTESIS

El problema central de la inferencia estadística es un problema de

La Prueba de hipótesis es una herramienta muy importante y

ESTADISTICA APLICADA II LIC. RITA GUZMAN LOPEZ

Una hipótesis estadística es por tanto, una proposición

ESTADISTICA APLICADA II LIC. RITA GUZMAN LOPEZ

 Un profesor parte de la premisa de que el estudiante asiste al

 Un electricista debe partir de la premisa de que la conexión

 Una persona arrestada y acusada de cometer algún delito es un

ESTADISTICA APLICADA II LIC. RITA GUZMAN LOPEZ

La premisa de la cual se parte sobre el comportamiento

Se le llama nula pues la misma, generalmente indica,

ESTADISTICA APLICADA II LIC. RITA GUZMAN LOPEZ

La hipótesis nula se denota usualmente en símbolos

El cero nos recuerda que se parte de la premisa de

Todo contraste va a implicar la comparación

ESTADISTICA APLICADA II LIC. RITA GUZMAN LOPEZ

Los elementos más importantes para cualquier contraste de hipótesis

a. HIPOTESIS NULA: Es aquella hipótesis que representa

b. HIPOTESIS ALTERNATIVA: También se le conoce como

Esta es la hipótesis de investigación es decir: Lo que el investigador

ESTADISTICA APLICADA II LIC. RITA GUZMAN LOPEZ

c. ESTADISTICO DE PRUEBA: es una variable aleatoria

Los valores muestrales se emplean para calcular un solo

El estadístico de prueba, será una variable aleatoria, con

ESTADISTICA APLICADA II LIC. RITA GUZMAN LOPEZ

Este criterio consiste en tomar una decisión bajo dos

La zona de rechazo está constituida por aquellos valores

ESTADISTICA APLICADA II LIC. RITA GUZMAN LOPEZ

Las reglas de decisión se pueden expresar en términos de

“rechazar H0 si la probabilidad de que ocurra un valor

El valor de “α” se conoce como nivel de significación o

En la práctica, los niveles de significación más

ESTADISTICA APLICADA II LIC. RITA GUZMAN LOPEZ

a) Bilaterales o de dos colas:

Siendo = nivel de significación y

ESTADISTICA APLICADA II LIC. RITA GUZMAN LOPEZ

b) Unilateral derecho o de una cola:

siendo  = nivel de significación y

ESTADISTICA APLICADA II LIC. RITA GUZMAN LOPEZ

siendo = nivel de significación y

ESTADISTICA APLICADA II LIC. RITA GUZMAN LOPEZ

TIPOS DE ERRORES EN LAS

En general, una prueba de hipótesis estadística no es otra

Decisión 1: rechazar H0 ; Decisión 2: No rechazar H0

ESTADISTICA APLICADA II LIC. RITA GUZMAN LOPEZ

Si H0 es verdadera y se rechaza se comete un error.

Si H0 es falsa y no se rechaza se comete otro error.

En conclusión, existe un riesgo inherente de llegar a una conclusión

Este riesgo se puede clasificar de dos maneras:

ESTADISTICA APLICADA II LIC. RITA GUZMAN LOPEZ

· ERROR TIPO I: Es el que se comete al rechazar H0 cuando es verdadera.

· ERROR TIPO II: Es el que se comete al no rechazar H0 cuando es falsa.

HIPOTESIS NULA (H0)

RECHAZAMOS H0 ERROR TIPO I (α) DECISION CORRECTA

ESTADISTICA APLICADA II LIC. RITA GUZMAN LOPEZ

La probabilidad de cometer error tipo I se escribe por medio de

α = P{ error tipo I } = P{ rechazar H0/H0 es verdadera }

La significancia es en ocasiones presentada como un por ciento,

ESTADISTICA APLICADA II LIC. RITA GUZMAN LOPEZ

En el caso en que la hipótesis nula no sea cierta, en