Escuela Profesional de Ingeniería Estadística

UNIVERSIDAD NACIONAL DE INGENIERÍA

PRUEBA DE HIPÓTESIS

UNI-EPIES ANÁLISIS MULTIVARIANTE I

Prueba del Ratio de Verosimilitud

Ho: θ∈ Ωo
H1: θ∈ Ω1

Teorema

Si Ω1⊂ Rq es un espacio q-dimensional y si Ωo⊂ Ω1 es un

subespacio r-dimensional, entonces, bajo condiciones de
regularidad:

∀θ∈Ωo: -2logλ → χ2(q-r) cuando n → ∞

Región de rechazo R:
R = {X: -2log λ(X)> χ21-α;(q-r) }

Lic. Luis Huamanchumo de la Cuba

1
UNI-EPIES ANÁLISIS MULTIVARIANTE I

Hipótesis (A)
Sea x1, x2, …, xn una muestra aleatoria independiente e
identicamente distribuida de una población Np(μ, Σ)

Ho: μ=μo ; Σ conocido

-2logλ = n( x - μo )’ Σ-1 ( x - μo ) ~ χ2(p)

χ2(p)

Rα

Lic. Luis Huamanchumo de la Cuba

UNI-EPIES ANÁLISIS MULTIVARIANTE I

Hipótesis (B)
Sea x1, x2, …, xn una muestra aleatoria independiente e
identicamente distribuida de una población Np(μ, Σ)

Ho: μ=μo ; Σ desconocido

Prueba de T2 de Hotelling para una muestra

-2logλ = nlog( 1 +d’S-1d) d = x - μo

Se sabe que: ((n-p)/p)d’S-1d ~ F(p, n-p)

Lic. Luis Huamanchumo de la Cuba

2
UNI-EPIES ANÁLISIS MULTIVARIANTE I

Hipótesis (C)
Sea x1, x2, …, xn una muestra aleatoria independiente e
idénticamente distribuida de una población Np(μ, Σ)

Ho: Σ= Σ o ; μ desconocido

Estimadores Máximo Verosímiles

Ho verdadero μ=x y Σ = Σo
H1 verdadero μ=x y Σ=S

-2logλ = np ( a – log g - 1) ~ χ2(m)

p(p+1)
m= g = ( Π λi )1/p a = Σ λi / p
2

Lic. Luis Huamanchumo de la Cuba

UNI-EPIES ANÁLISIS MULTIVARIANTE I

HIPÓTESIS LINEALES

Lic. Luis Huamanchumo de la Cuba

3
UNI-EPIES ANÁLISIS MULTIVARIANTE I

Hipótesis Lineales I (D)

Sea x1, x2, …, xn una muestra aleatoria independiente

e identicamente distribuida de una población Np(μ, Σ)

Ho: Aμ = a ; Σ conocido

donde A(qxp) y a(qx1) q≤p son conocidos

Si Ho es verdadera:

n( Ax – a )’( AΣA’)-1( Ax – a ) ~ χ2(q)

Se rechaza Ho si el estadístico calculado es mayor a χ2(q)

Lic. Luis Huamanchumo de la Cuba

UNI-EPIES ANÁLISIS MULTIVARIANTE I

Hipótesis Lineales II (E)

Sea x1, x2, …, xn una muestra aleatoria independiente

e identicamente distribuida de una población Np(μ, Σ)

Ho: Aμ = a ; Σ desconocido

donde A(qxp) y a(qx1) q≤p son conocidos

Si Ho es verdadera:

(n-1) ( Ax – a )’( ASA’)-1( Ax – a ) ~ T2(q, n-1)

Se rechaza Ho si el estadístico calculado es mayor a χ2(q)

Lic. Luis Huamanchumo de la Cuba

4
UNI-EPIES ANÁLISIS MULTIVARIANTE I

HIPÓTESIS PARA MEDIDAS

REPETIDAS

Lic. Luis Huamanchumo de la Cuba

UNI-EPIES ANÁLISIS MULTIVARIANTE I

Observación

Variable
i = 1,...,p

Xk i j
Tratamiento Unidad
k = 1,2 Experimental
j = 1,...,n

Lic. Luis Huamanchumo de la Cuba

5
UNI-EPIES ANÁLISIS MULTIVARIANTE I

Tratamiento k=1 Tratamiento k=2

X11j X21j
X12j X22j
“p” observaciones
en la j-ésima unidad
para el tratamiento 1
. . “p” observaciones
en la j-ésima unidad
para el tratamiento 2
. .
. .
X1pj X2pj

Lic. Luis Huamanchumo de la Cuba

UNI-EPIES ANÁLISIS MULTIVARIANTE I

Diferencias Pareadas

D1j = X11j - X21j

D2j = X12j - X22j
.
donde Dtj = D1j , D2j , ... , Dpj
.
.
Dpj = X1pj - X2pj

Supuestos
δ1
δ2
E( Dj ) = δ = . y Cov ( Dj ) = Σd
.
δp

Lic. Luis Huamanchumo de la Cuba

6
UNI-EPIES ANÁLISIS MULTIVARIANTE I

Comparación de Tratamientos para un Diseño

de Medidas Repetidas

Xij es la respuesta al i-ésimo

tratamiento sobre la j-ésima unidad

X1j
X2j
.
Xj = j = 1, 2, ..., n
.
.
Xqj
Los “q” tratamientos se aplican
repetidamente a la j-ésima unidad

Lic. Luis Huamanchumo de la Cuba

UNI-EPIES ANÁLISIS MULTIVARIANTE I

Contrastes para μ

(i) μ1 - μ2 1 -1 0 ... 0
μ1
μ1 - μ3 1 0 -1 ... 0 μ2
. = . . . .
.
= C1 μ
. . . .
. . . . . .
μ1 - μq ... μq
1 0 0 -1

(ii) μ2 - μ1 -1 1 0 ... 0 0
μ1
μ3 - μ2 0 -1 1 ... 0 0 μ2
. . . . .
. =
. . . . . . = C2 μ
. . . . . . .
μq - μq-1 ... μq
0 0 0 -1 1

Lic. Luis Huamanchumo de la Cuba

7
UNI-EPIES ANÁLISIS MULTIVARIANTE I

Hipótesis (F) No hay efecto de tratamientos

Ho : C2 μ = 0

H1 : C2 μ ≠ 0

Hipótesis (G) Existen diferencias respecto al control

Ho : C1 μ = 0

H1 : C1 μ ≠ 0

(n- p+1)
x’C’( CSC’)-1 Cx ~ F(1-α ; p-1, n-p+1)
p-1

Lic. Luis Huamanchumo de la Cuba

UNI-EPIES ANÁLISIS MULTIVARIANTE I

Hipótesis (H) Comparación de dos vectores de medias

Sea xi1, xi2, …, xin1 una muestra aleatoria iid Np(μ1, Σ) y xj1, xj2,
…, xjn2 una muestra aleatoria iid de una población Np(μ2, Σ)
donde las variables son independientes.

Ho : μ1 = μ2
H1 : μ1 ≠ μ2

Si Ho es cierta, la región de rechazo está dada por:

n1n2( n1+ n2 – p - 1)
( x1 – x2 )’S-1 ( x1 – x2 ) ≥ F (1-α ; p, n1+n2-p-1)
p (n1+ n2 )2

Lic. Luis Huamanchumo de la Cuba

8
UNI-EPIES ANÁLISIS MULTIVARIANTE I

Hipótesis (I) Comparación de matrices de covarianzas

Sea xih ~ Np(μh, Σh) i=1, …, nh; h=1, …, k son variables

aleatorias independientes

Ho: Σ1= Σ2 = … = Σk
H1: Σi ≠ Σj

k
-2logλ = n log lSl - Σ nh log lShl ~ χm2 (Ho cierta)
h=1

1
m= (k-1) p (p+1)
2

Lic. Luis Huamanchumo de la Cuba

UNI-EPIES ANÁLISIS MULTIVARIANTE I

Hipótesis (J) Comparación de dos medias, diferentes matrices

de covarianzas en muestras grandes
Sea xi1 ~ Np(μ1, Σ1) con i=1, …, n1; y xi2 ~ Np(μ2, Σ2) con j=1,
…, n2 son variables aleatorias independientes

Ho : μ1 = μ2
H1 : μ1 ≠ μ2

-1
( x1 – x2 )’ ( S1 + S2 ) ( x1 – x2 ) χp2
n1 n2

Lic. Luis Huamanchumo de la Cuba

9
UNI-EPIES ANÁLISIS MULTIVARIANTE I

ANALISIS DE PERFILES

Lic. Luis Huamanchumo de la Cuba

UNI-EPIES ANÁLISIS MULTIVARIANTE I

Hipótesis (K) Perfiles Paralelos (Similares)

De Hipótesis (F): Perfiles Poblacionales

Ho : C2 (μ1 - μ2) = 0
Grupo 1

C2 (μ1 - μ2) ≠ 0
Media

H1 :

Grupo 2

La hipótesis se rechaza si:

Tratamiento

n1n2(n1+n2-p)
(C x)T (CSC’)-1 C x > F(1-α, p-1, n1+n2-p)
(n1 + n2)2(p-1)

Lic. Luis Huamanchumo de la Cuba

10
UNI-EPIES ANÁLISIS MULTIVARIANTE I

Hipótesis (L) Igualdad de dos niveles

Ho : 1tp(μ1 - μ2) = 0

H1 : 1tp (μ1 - μ2) ≠ 0

La región de rechazo bajo Ho es:

2
n1 n2 (n1 + n2 - 2) 1tp( x1 - x2 )
> F (1-α; 1, n1+n2 - 2)
(n1 + n2)2 1tp S 1p

Lic. Luis Huamanchumo de la Cuba

UNI-EPIES ANÁLISIS MULTIVARIANTE I

Hipótesis (M) Efecto Tratamiento

Ho : C2(μ1 + μ2) = 0

H1 : C2(μ1 + μ2) ≠ 0

(n1+n2-p)
(C x)T (CSC’)-1 C x > F(1-α, p-1, n1+n2-p)
p-1

n1x1 + n2x2
x=
n1 + n2

Lic. Luis Huamanchumo de la Cuba

11
ESCUELA PROFESIONAL DE INGENIERÍA ESTADÍSTICA

APLICACIONES
UNI-FIECS

UNI-EPIES ANÁLISIS MULTIVARIANTE I

CASO: Cheques Antiguos del Banco Suizo.

(en pulgadas)
x1

x5

x2 x3

x6
x4

Lic. Luis Huamanchumo de la Cuba

12
UNI-EPIES ANÁLISIS MULTIVARIANTE I

Se dispone de 200 datos sobre seis medidas, respecto a 100

cheques bancarios genuinos y 100 cheques falsificados

Queremos probar si la media muestral de las observaciones obtenidas

de las notas bancarias falsas es igual a:

214.9 Media muestral

129.9 de los cheques
129.7 genuinos
μo = (asumiremos que
8.3
10.1 corresponde a la
141.5 media
poblacional)

Lic. Luis Huamanchumo de la Cuba

UNI-EPIES ANÁLISIS MULTIVARIANTE I

214.8 Media muestral

130.3 de los cheques
130.2 falsificados
xf =
10.5
11.1
139.4

Asumimos que “Σ” es conocida e igual Sf

-2logλ = n( x - μo )’ Σ-1 ( x - μo ) = 7,552.0074

χ2 (0.95; 6)=12.592

Se rechaza Ho

Lic. Luis Huamanchumo de la Cuba

13
UNI-EPIES ANÁLISIS MULTIVARIANTE I

Asumimos que “Σ” es desconocida

Se sabe que: ((n-p)/p)d’S-1d ~ F(p, n-p) d = x - μo

De los datos: ((n-p)/p)d’S-1d = 183.147

F(0.95; 6, 94) = 2.1966

Se rechaza Ho

Lic. Luis Huamanchumo de la Cuba

UNI-EPIES ANÁLISIS MULTIVARIANTE I

Se dispone de información estadística de 15 compañías del sector energía

y estamos interesados en analizar sus activos (X1) y ventas(x2).

Con la información disponible se obtiene la matriz de covarianzas:

1.6635 1.2410
S = 10 x
7
1.2410 1.3747

Lic. Luis Huamanchumo de la Cuba

14
UNI-EPIES ANÁLISIS MULTIVARIANTE I

Probar que la varianza del vector (x1,x2) del sector Energía es igual a Σ O
X1: Activos ; X2: Ventas

Ho: Σ= Σ o ; μ desconocido

13608514,178 12694886,400
ΣO =
12694886,400 16790650,178

-2logλ = n tr(Σ o-1S) – n log Σ o-1S - np = 4.541

χ2(0.95;3) =

Lic. Luis Huamanchumo de la Cuba

UNI-EPIES ANÁLISIS MULTIVARIANTE I

Se desea comparar el valor medio de los activos del sector y de las ventas
del sector energetico y manufacturero. Se dispone de 15 empresas del
sector energía y 10 del sector manufacturero.

A partir de la información muestral se obtuvo los siguientes resultados:

x1 = 4,080 4,307.2
x2 =
2,580.5 4,925.2

1.6635 1.2410 1.2248 1.1425

S1 = 10 x S2 = 10 x
7 7
1.2410 1.3747 1.1425 1.5112

Lic. Luis Huamanchumo de la Cuba

15
UNI-EPIES ANÁLISIS MULTIVARIANTE I

Probar si existe diferencias significativos de posición entre el sector Energía

y Manufacturero
Ho : μ1 = μ2
H1 : μ1 ≠ μ2
Si Ho es cierta, la región de rechazo está dada por:

n1n2( n1+ n2 – p - 1)
( x1 – x2 )’S-1 ( x1 – x2 ) ≥ F (1-α ; p, n1+n2-p-1)
p (n1+ n2)2

n1n2( n1+ n2 – p - 1)
( x1 – x2 )’S-1 ( x1 – x2 ) = 2.287
p (n1+ n2 )2

F(0.95; 2,22)=3.4434 Se acepta Ho

Lic. Luis Huamanchumo de la Cuba

16