TIPOS DE HIPOTESIS Y TIPOS DE ERRORES CONCEPTO

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.

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 muestra 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 muestra 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 muestra (el estimador no segado del parmetro que se prueba) o una versin transformada de esa estadstica muestra.

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 nula

hiptesis La

hiptesis

es nula es falsa

verdadera

Aceptar Hiptesis Nula

la Se correctamente

acepta Error tipo II

Rechazar Hiptesis Nula

la

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 muestra. Si el valor crtico que se establece es un valor de z, entonces se transforma la media muestra en un valor de z.

Etapa 6.- Tomar la decisin. Se compara el valor observado de la estadstica muestra 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. 3. Expresar la hiptesis alternativa 4. Especificar el nivel de significancia 5. Determinar el tamao de la muestra 6. Establecer los valores crticos que establecen las regiones de rechazo de las de no rechazo. 7. Determinar la prueba estadstica. 8. Coleccionar los datos y calcular el valor de la muestra de la prueba estadstica apropiada. 9. Determinar si la prueba estadstica ha sido en la zona de rechazo a una de no rechazo.

10. Determinar la decisin estadstica. 11. Expresar la decisin estadstica en trminos del problema. CONCEPTOS BSICOS PARA EL PROCEDIMIENTO DE PRUEBAS DE HIPTESIS.

Hiptesis Estadstica:

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.

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 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.

TIPOS DE ERRORES 1 Y 2
El error de tipo I tambin denominado error de tipo alfa ()1 o falso positivo, es el error que se comete cuando el investigador no acepta la hiptesis nula (Ho) siendo sta verdadera en la poblacin. Es equivalente a encontrar un resultado falso positivo, porque el investigador llega a la conclusin de que existe una diferencia entre las hiptesis cuando en realidad no existe. Se relaciona con el nivel de significancia estadstica.

Representacin de los valores posibles de la probabilidad de un error tipo II (rojo) en el ejemplo de un test de significancia estadstica para el parmetro . El error tipo II depende del parmetro . Mientras ms cerca se encuentre este del valor supuesto bajo la hiptesis nula, mayor es la probabilidad de ocurrencia del error tipo II. Debido a que el verdadero valor de es desconocido al hacer la presuncin de la hiptesis alternativa, la probabilidad del error tipo II, en contraste con el error tipo I (azul), no se puede calcular.

La hiptesis de la que se parte H0 aqu es el supuesto de que la situacin experimental presentara un estado normal. Si no se advierte este estado normal, aunque en realidad existe, se trata de un error estadstico tipo I. Algunos ejemplos para el error tipo I seran:

Se considera que el paciente est enfermo, a pesar de que en realidad est sano; hiptesis nula: El paciente est sano. Se declara culpable al acusado, a pesar de que en realidad es inocente; hiptesis nula: El acusado es inocente. No se permite el ingreso de una persona, a pesar de que tiene derecho a ingresar; hiptesis nula: La persona tiene derecho a ingresar.

En un estudio de investigacin, el error de tipo II, tambin llamado error de tipo beta () ( es la probabilidad de que exista ste error) o falso negativo, se comete cuando el investigador no rechaza la hiptesis nula siendo sta falsa en la poblacin. Es equivalente a la probabilidad de un resultado falso negativo, ya que el investigador llega a la conclusin de que ha sido incapaz de encontrar una diferencia que existe en la realidad.

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

Prueba De Hiptesis Para La Media

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 hipottica se encontrara como sigue: de la muestra y la media

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 a 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:

Tx-1

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 =4 000 millas y

=25 430 millas,

= 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)