You are on page 1of 50

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

4.1 INTRODUCCIN PRUEBAS DE HIPTESIS Introduccin: Prueba de hiptesis En esta unidad nos concentraremos en la prueba de hiptesis, otro aspecto de la inferencia estadstica que al igual que la estimacin del intervalo de confianza, se basa en la informacin de la muestra. Se desarrolla una metodologa paso a paso que le permita hacer inferencias sobre un parmetro poblacional mediante el anlisis diferencial entre los resultados observados (estadstico de la muestra) y los resultados de la muestra esperados si la hiptesis subyacente es realmente cierta. En el problema de estimacin se trata de elegir el valor de un parmetro de la poblacin, mientras que en las pruebas de hiptesis se trata de decidir entre aceptar o rechazar un valor especificado (por ejemplo, si el nivel de centramiento de un proceso es o no lo es). Prueba de hiptesis: Estadsticamente una prueba de hiptesis es cualquier afirmacin acerca de una poblacin y/o sus parmetros. Una prueba de hiptesis consiste en contrastar dos hiptesis estadsticas. Tal contraste involucra la toma de decisin acerca de las hiptesis. La decisin consiste en rechazar o no una hiptesis en favor de la otra. Una hiptesis estadstica se denota por H y son dos: - Ho: hiptesis nula - H1: hiptesis alternativa Partes de una hiptesis 1-La hiptesis nula Ho 2-La hiptesis alternativa H1 3-El estadstico de prueba 4-Errores tipo I y II 5La regin de rechazo (crtica) 6-La toma de decisin 1. Concepto: Una prueba de hiptesis estadstica es una conjetura de una o ms poblaciones. Nunca se sabe con absoluta certeza la verdad o falsedad de una hiptesis estadstica, a no ser que se examine la poblacin entera. Esto por su puesto sera imprctico en la mayora de las situaciones. En su lugar, se toma una muestra aleatoria de la poblacin de inters y se utilizan los datos que contiene tal muestra para proporcionar evidencia que confirme o no la hiptesis. La evidencia de la muestra que es un constante con la hiptesis planteada conduce a un rechazo de la misma mientras que la evidencia que apoya la hiptesis conduce a su aceptacin. Definicin de prueba de hiptesis estadstica es que cuantifica el proceso de toma de decisiones. Por cada tipo de prueba de hiptesis se puede calcular una prueba estadstica apropiada. Esta prueba estadstica mide el acercamiento del calor de la muestra (como un promedio) a la hiptesis nula. La prueba estadstica, sigue una distribucin estadstica bien conocida (normal, etc.) o se puede desarrollar una distribucin para la prueba estadstica particular. 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.

4.2 DISTRIBUCIN NORMAL Y DISTRIBUCIN T DE STUDENT

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

En estadstica y probabilidad se llama distribucin normal, distribucin de Gauss o distribucin gaussiana, a una de las distribuciones de probabilidad de variable continua que con ms frecuencia aparece en fenmenos reales. La grfica de su funcin de densidad tiene una forma acampanada y es simtrica respecto de un determinado parmetro. Esta curva se conoce como campana de Gauss. La importancia de esta distribucin radica en que permite modelar numerosos fenmenos naturales, sociales y psicolgicos. Mientras que los mecanismos que subyacen a gran parte de este tipo de fenmenos son desconocidos, por la enorme cantidad de variables incontrolables que en ellos intervienen, el uso del modelo normal puede justificarse asumiendo que cada observacin se obtiene como la suma de unas pocas causas independientes. De hecho, la estadstica es un modelo matemtico que slo permite describir un fenmeno, sin explicacin alguna. Para la explicacin causal es preciso el diseo experimental, de ah que al uso de la estadstica en psicologa y sociologa sea conocido como mtodo correlacional. La distribucin normal tambin es importante por su relacin con la estimacin por mnimos cuadrados, uno de los mtodos de estimacin ms simples y antiguos. La distribucin normal tambin aparece en muchas reas de la propia estadstica. Por ejemplo, la distribucin muestral de las medias mustrales es aproximadamente normal, cuando la distribucin de la poblacin de la cual se extrae la muestra no es normal.[1] Adems, la distribucin normal maximiza la entropa entre todas las distribuciones con media y varianza conocidas, lo cual la convierte en la eleccin natural de la distribucin subyacente a una lista de datos resumidos en trminos de media muestral y varianza. La distribucin normal es la ms extendida en estadstica y muchos tests estadsticos estn basados en una supuesta "normalidad". En probabilidad y estadstica, la distribucin t (de Student) es una distribucin de probabilidad que surge del problema de estimar la media de una poblacin normalmente distribuida cuando el tamao de la muestra es pequeo. Aparece de manera natural al realizar la prueba t de Student para la determinacin de las diferencias entre dos medias muestrales y para la construccin del intervalo de confianza para la diferencia entre las medias de dos poblaciones cuando se desconoce la desviacin tpica de una poblacin y sta debe ser estimada a partir de los datos de una muestra. La distribucin t de Student es la distribucin de probabilidad del cociente

Donde Z tiene una distribucin normal de media nula y varianza 1 V tiene una distribucin chi-cuadrado con grados de libertad Z y V son independientes

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

Si es una constante no nula, el cociente es una variable aleatoria que sigue la distribucin t de Student no central con parmetro de no-centralidad . 4.3 PRUEBAS DE SIGNIFICANCIA Las pruebas de significancia estadstica son un procedimiento que brinda un criterio objetivo para calificar las diferencias que se presentan al comparar los resultados de dos muestras, con el objetivo de explicar si dichas diferencias se mantienen dentro de los lmites previstos por el diseo estadstico (un error y una confianza esperados) o si, por el contrario, la diferencia entre ellas resulta lo suficientemente grande como para inferir que ha ocurrido un cambio real en el indicador 4.4 COMPARACIN DE DOS MUESTRAS INDEPENDIENTES: PRUEBAS T PARA LAS DIFERENCIAS ENTRE NORMALES. Para comparar las medias de dos muestras aleatorias procedentes de dos poblaciones normales e independientes, se utiliza el procedimiento Prueba T para muestras independientes, y para ello, se selecciona:

A continuacin se abre una ventana con los siguientes campos: Contrastar variables: donde se han de introducir las variables que se van a analizar, es decir, aquellas variables sobre las que se va a contrastar si hay o no, diferencias de grupos. Variable de agrupacin: aqu se debe introducir la variable que se utiliza para definir los grupos de sujetos sobre los que se estudian las diferencias. Entonces el sistema activa el botn definir grupos y al presionarlo aparece una ventana donde se introducen los valores de la variable que definen los dos grupos de sujetos a comparar, o el valor de la variable que har de corte para definir dichos grupos. Si el valor de la variable para un individuo es menor o igual que el valor especificado, el individuo pertenecer al primer grupo, y en caso contrario, al segundo. Opciones: presionando este botn se obtiene una ventana donde se especifica igual que en la seccin anterior el nivel de confianza para el intervalo y la forma de tratar los valores missing. Ejemplo: Vamos a comprobar si existen diferencias significativas entre los tiempos medios de dedicacin a la docencia, para los profesores asociados y los titulares de

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

universidad de Profesores2.sav. Para ello, seleccionamos el procedimiento Prueba T para muestras independientes, y elegimos la variable Tiemdoc para llevarla al campo contrastar variables. Seguidamente seleccionamos como variable agrupacin la variable categora, presionamos el botn definir grupos, y tecleamos un 1 en el primer grupo y un 3 en el segundo. Por ltimo pulsamos continuar y aceptar para ejecutar el procedimiento. El resultado que muestra la Tabla contiene dos tablas. La primera recoge para ambos grupos, profesores asociados y titulares de universidad, el nmero de casos en cada muestra, los tiempos medios dedicados a la docencia, las desviaciones tpicas y los errores tpicos de la media. La segunda tabla muestra el valor del estadstico para la prueba de Levene sobre la igualdad de varianzas, junto con su p-valor. Este se distribuye como una F de Snedecor y vale 0.808, mientras que su p-valor 0.373, lo que nos conduce a aceptar que las varianzas sean iguales, ya que el p-valor es mayor que 0.05. Tambin aparece en la tabla el valor del estadstico para resolver el contraste de igualdad de medias, supuesto varianzas iguales y distintas, (en ambos casos se distribuye como una t de Student), junto con los correspondientes grados de libertad y sus p-valores. Puesto que hemos concluido que las varianzas coinciden, fijmonos en el que se han asumido varianzas iguales, el cual vale 8.661, y cuyo p-valor es 0, luego se rechaza que las medias coincidan. Razonamiento que tambin se puede deducir del intervalo de confianza, que no contiene el cero. Tabla : Contraste sobre las Medias de dos Poblaciones Independientes Prueba T Estadsticos de Grupo Desviacin Error tp. de Categora N Media tp. la media Tiempo diario 1 29 251,3759 29,36731 5,4534 para la docencia 3 23 187,1000 22,5337 4,6986 Prueba de muestras independientes Prueba de Levene para la igualdad Prueba T para la igualdad de medias de varianzas Error Sig. Diferenci tpico de Intervalo de F Sig. t gl bilater a de la confianza para al medias diferenci la diferencia a Superio Inferior r Asumiend 0.80 0,37 8,66 49,370 79,181 Tiempo 50 0.000 64,2759 7,4209 o 8 3 1 4 3 varianzas diario iguales para la No 8,92 49,96 0.000 64,2759 7,1983 49,817 78,734 Asumiend 9 1 3 5

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

o docenci varianzas a iguales En muchos estudios, incluidos la mayora de los ensayos clnicos, es necesario comparar ciertas caractersticas en dos o ms grupos de sujetos. Tal sera el caso, por ejemplo, si pensamos que un tratamiento nuevo puede tener un porcentaje de mejora mayor que otro estndar, o cuando nos planteamos si los nios de las distintas comunidades autnomas tienen o no la misma altura. En este artculo se analizar nicamente el problema de la comparacin de dos grupos con respecto a una variable continua. La eleccin de un mtodo de anlisis apropiado en este caso depender de la naturaleza de los datos y la forma en la que estos hayan sido obtenidos. Fundamentalmente, cuando se comparan dos o ms grupos de observaciones pueden darse dos tipos de diseo: aquel en el que las observaciones se refieren a dos grupos independientes de individuos, o el caso en el que cada serie de datos se recoge en los mismos sujetos bajo condiciones diferentes. El tipo de metodologa ser distinto segn el caso en el que nos encontremos. Otro aspecto a tener en consideracin ser el tipo y distribucin de los datos. Para grupos independientes, los mtodos paramtricos requieren que las observaciones en cada grupo provengan de una distribucin aproximadamente normal con una variabilidad semejante, de modo que si los datos disponibles no verifican tales condiciones, puede resultar til una transformacin1,2,3 de los mismos (aplicacin del logaritmo, raz cuadrada, etc.) o, en todo caso, se debera recurrir a la utilizacin de procedimientos no paramtricos4. Normalmente en este tipo de anlisis podremos establecer una hiptesis de partida (hiptesis nula), que generalmente asume que el efecto de inters es nulo, por ejemplo que la tensin arterial es la misma en hombres y mujeres o que dos tratamientos para la hipercolesterolemia son igualmente efectivos. Posteriormente se puede evaluar la probabilidad de haber obtenido los datos observados si esa hiptesis es correcta. El valor de esta probabilidad coincide con el valor-p que nos proporciona cada test estadstico, de modo que cuanto menor sea ste ms improbable resulta que la hiptesis inicial se verifique. En un primer apartado, se presentar el test t de Student para dos muestras independientes, introduciendo las modificaciones necesarias en el caso de que la variabilidad de ambos grupos sea distinta. A continuacin se introducir el test t de Student para el caso de dos muestras dependientes. t de Student para dos muestras independientes Uno de los anlisis estadsticos ms comunes en la prctica es probablemente el utilizado para comparar dos grupos independientes de observaciones con respecto a una variable numrica. Como ejemplo, consideremos los datos que se muestran en la Tabla 1, correspondientes a 75 individuos con sobrepeso sometidos a dos dietas alimenticias distintas, de modo que se desea comparar el peso de los individuos que iniciaron cada una de las dietas. Como ya se ha adelantado, la aplicacin de un contraste paramtrico requiere la normalidad de las observaciones para cada uno de los grupos. La comprobacin de esta hiptesis puede realizarse tanto por mtodos grficos (por medio de histogramas, diagramas de cajas o grficos de normalidad) como mediante tests estadsticos5 (test de Kolmogorov-Smirnov, test de Shapiro-Wilks). Un nmero suficiente de observaciones (digamos mayor de 30) como ocurre en el ejemplo planteado justifica, no obstante, la utilizacin del mismo test. As mismo, este tipo de metodologa exigir que la varianza en ambos grupos de observaciones sea la misma. En primer lugar se desarrollar el test t de

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

Student para el caso en el que se verifiquen ambas condiciones, discutiendo posteriormente el modo de abordar formalmente el caso en el que las varianzas no sean similares. Bajo las hiptesis de normalidad e igual varianza la comparacin de ambos grupos puede realizarse en trminos de un nico parmetro como el valor medio (Figura 1a), de modo que en el ejemplo planteado la hiptesis de partida ser, por lo tanto: H0: La media de peso inicial es igual en ambos grupos Se denotar por {X1, X2,...,Xn} e {Y1,Y2,...,Ym} al peso observado en cada uno de los sujetos sometidos a la dieta A y a la dieta B respectivamente. En general no se exigir que coincida el nmero de observaciones en cada uno de los grupos que se comparan, de modo que en el ejemplo n=40 y m=35. El t test para dos muestras independientes se basa en el estadstico:

(1)

Donde

denotan el peso medio en cada uno de los grupos:

las cuasi varianzas mustrales correspondientes:

Con lo cual, en este caso particular, el valor utilizado para el contraste ser:

Si la hiptesis de partida es cierta el estadstico (1) seguir una distribucin t de Student con n+m-2 grados de libertad. De ser as, el valor obtenido debera estar dentro del rango de mayor probabilidad segn esta distribucin. Usualmente se toma como referencia el rango de datos en el que se concentra el 95% de la probabilidad. El valor-p que usualmente reportan la mayora de paquetes estadsticos no es ms que la probabilidad de obtener, segn esa distribucin, un dato ms extremo que el que proporciona el test. Como ya se dijo, refleja tambin la probabilidad de obtener los datos observados si fuese

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

cierta la hiptesis inicial. Si el valor-p es muy pequeo (usualmente se considera p<0.05) es poco probable que se cumpla la hiptesis de partida y se debera de rechazar. La regin de aceptacin corresponde por lo tanto a los valores centrales de la distribucin para los que p>0.05. En el ejemplo planteado el valor-p correspondiente es de 0.425, de modo que no existe evidencia estadstica de que el peso medio en ambos grupos sea diferente. En la Tabla 2, se determina los grados de libertad (en la primera columna) y el valor de (en la primera fila). El nmero que determina su interseccin es el valor crtico correspondiente. De este modo, si el estadstico que se obtiene toma un valor mayor se dir que la diferencia es significativa. Otro modo de obtener esta misma informacin es mediante el clculo de intervalos de confianza para la diferencia de la respuesta media en ambos grupos. A mayores, el intervalo de confianza constituye una medida de la incertidumbre con la que se estima esa diferencia a partir de la muestra, permitiendo valorar tanto la significacin estadstica como la magnitud clnica de esa diferencia6. En el caso que nos ocupa, el intervalo de confianza vendr dado como:

Donde denota el valor que segn la distribucin t de Student con n+m-2 grados de libertad deja a su derecha el 2.5% de los datos. En el ejemplo, el intervalo de confianza con una seguridad del 95% para la diferencia de peso viene dado por:

Que expresa en definitiva un rango de valores entre los que se puede encontrar el valor real de la diferencia entre los pesos de ambos grupos. Proporciona adems la misma informacin que obtenamos del contraste estadstico. El hecho de que el valor cero pertenezca al intervalo indica que no se dispone de evidencia para concluir que el peso sea distinto en ambos grupos. A medida que el tamao muestral aumenta, la distribucin del estadstico (1) se hace ms prxima a la de una variable Normal estndar. De este modo, en algunos textos se opta por utilizar esta distribucin para realizar la comparacin de medias. Aunque esta aproximacin es correcta para muestras suficientemente grandes, ambos mtodos proporcionan en este caso resultados prcticamente idnticos, por lo que resulta ms simple utilizar, independientemente del tamao de la muestra, la misma metodologa a partir de la distribucin t. El mismo planteamiento podra utilizarse en el caso de varianzas distintas o de muestras apareadas. Dos muestras dependientes Ya se ha comentado que cuando se trata de comparar dos grupos de observaciones, es importante distinguir el caso en el que son independientes de aquel en el que los datos estn apareados. Las series dependientes surgen normalmente cuando se evala un mismo dato ms de una vez en cada sujeto de la muestra. Tambin se puede encontrar este tipo de observaciones en estudios de casos y controles donde cada caso se aparea individualmente con un control. Supongamos que queremos comprobar, en los datos de la Tabla 1 si realmente se produce una prdida de peso significativa en esos individuos, para lo que se recoge en
TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

cada sujeto su peso antes y despus de someterse a la dieta. En este tipo de anlisis el inters no se centra en la variabilidad que puede haber entre los individuos, sino en las diferencias que se observan en un mismo sujeto entre un momento y otro. Por este motivo, resulta intuitivo trabajar con la diferencia de ambas observaciones (en el ejemplo ser la prdida de peso), de modo que se quiere contrastar la hiptesis: H0: La prdida de peso es nula frente a la alternativa de que la prdida de peso sea importante (es decir, distinta de cero). La veracidad de dicha hiptesis puede ser contrastada igualmente mediante el test t de Student. Como se ha dicho, este tipo de mtodos tienen como hiptesis fundamental la normalidad de los datos. En este caso, sin embargo, no ser necesario que las observaciones en ambos grupos provengan de poblaciones normales, sino que nicamente se requiere verificar la normalidad de su diferencia. Denotando por prdida media de peso la hiptesis de la que se parte es que: la

frente a la alternativa

A partir de las observaciones mustrales {Y1,Y2,..., Yn} e {Y1,Y2,...,Yn} en cada uno de los grupos se calcula la diferencia de peso para cada sujeto {d1,d2,...,dn} con dj=Xj-Yj j=1,2,...,n. Ntese que en este caso un requisito fundamental es que se tenga un nmero igual de observaciones en ambos grupos. A partir de estos datos, el contraste se basa en el estadstico:

o en el clculo del 95% intervalo de confianza:

Donde

denota la media de la prdida de peso estimada a partir de la muestra:

denota la cuasi varianza muestral de la diferencia dada por:

En nuestro ejemplo el valor del estadstico vendra dado por:

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

a comparar del modo habitual con la distribucin t de Student con n-1=74 grados de libertad. El intervalo de confianza para la prdida media de peso correspondiente a una seguridad del 95% es de (3.56;4.41), lo cual se traduce en una prdida de peso significativamente distinta de cero, tal y como indica el valor-p correspondiente de p<0.001.

Figura 1. Comparacin de dos poblaciones normales a) Poblaciones normales con igual varianza y medias distintas

b) Poblaciones normales con igual y diferentes varianzas.

Figura 2. Regiones de aceptacin y rechazo en el contraste de hiptesis

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

Tabla 1. Datos de 75 pacientes con sobrepeso sometidos a dos dietas alimenticias. Dieta Peso inicial Peso final A A A A A A A A A A A 94,07 96,79 92,15 92,30 96,50 83,11 91,16 90,81 81,37 89,81 84,92 86,59 93,08 87,85 86,83 92,70 76,80 83,40 86,74 77,67 85,70 79,96 Dieta B B B B B B B B B B B Peso inicial Peso final 88,02 88,22 103,45 82,94 89,71 94,83 81,93 83,41 73,59 108,47 72,67 84,12 86,13 101,21 79,08 86,19 91,93 78,97 78,89 69,76 104,20 70,01

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

A A A A A A A A A A A A A A A A A A A A A A A A

84,43 86,33 87,60 81,08 92,07 81,14 96,87 99,59 83,90 89,41 85,31 89,25 93,20 89,17 93,51 88,85 88,40 82,45 96,47 99,48 99,95 100,05 87,33 87,61

79,80 81,15 81,92 76,32 90,20 73,34 93,58 92,36 77,23 85,45 84,59 84,89 93,10 86,87 86,36 83,24 81,20 77,18 88,61 94,67 93,87 94,15 82,17 86,01

B B B B B B B B B B B B B B B B B B B B B B B B

96,84 88,48 89,57 85,22 103,76 87,84 91,50 93,04 92,14 85,26 89,42 92,42 93,13 80,86 88,75 95,02 92,29 89,43 93,32 92,88 89,88 82,25 88,99 82,07

93,66 87,00 87,24 82,09 102,24 84,66 88,95 88,73 88,07 81,36 86,64 88,99 89,73 77,81 85,93 91,90 91,28 87,22 89,77 89,38 88,00 80,81 86,87 79,74

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

A A A A A

89,28 89,72 95,57 97,71 98,73

83,78 83,56 89,58 91,35 97,82

4.5 PRUEBA DE FISHER PARA VARIANZAS Y DE IGUALDAD DE LAS VARIANZAS DE DOS POBLACIONES NORMALES. La necesidad de disponer de mtodos estadsticos para comparar las varianzas de dos poblaciones es evidente a partir del anlisis de una sola poblacin. Frecuentemente se desea comparar la precisin de un instrumento de medicin con la de otro, la estabilidad de un proceso de manufactura con la de otro o hasta la forma en que vara el procedimiento para calificar de un profesor universitario con la de otro.

Intuitivamente, podramos comparar las varianzas de dos poblaciones, y , utilizando la razn de las varianzas muestrales s21/s22. Si s21/s22 es casi igual a 1, se tendr poca evidencia para indicar que y no son iguales. Por otra parte, un valor muy grande o muy pequeo para s21/s22, proporcionar evidencia de una diferencia en las varianzas de las poblaciones. La variable aleatoria F se define como el cociente de dos variables aleatorias ji-cuadrada independientes, cada una dividida entre sus respectivos grados de libertad. Esto es,

Donde U y V son variables aleatorias ji-cuadrada independientes con grados de libertad

respectivamente.

Sean U y V dos variables aleatorias independientes que tienen distribucin ji cuadradas con grados de libertad, respectivamente. Entonces la distribucin de la variable

aleatoria

est dada por:

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

y se dice que sigue la distribucin F con grados de libertad en el denominador. La media y la varianza de la distribucin F son:

grados de libertad en el numerador y

para

para La variable aleatoria F es no negativa, y la distribucin tiene un sesgo hacia la derecha. La distribucin F tiene una apariencia muy similar a la distribucin ji-cuadrada; sin embargo, se encuentra centrada respecto a 1, y los dos parmetros una flexibilidad adicional con respecto a la forma de la distribucin. proporcionan

Si s12 y s22 son las varianzas mustrales independientes de tamao n1 y n2 tomadas de poblaciones normales con varianzas

, respectivamente, entonces:

Para manejar las tablas de Fisher del libro de Introduccin a la Inferencia Estadstica del autor Genther, se tendr que buscar primero los grados de libertad dos para luego localizar el rea correspondiente, relacionndola con los grados de libertad uno, para calcular el valor de F. Las tablas tienen la siguiente estructura:

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

1 2 3 . .. 500

0.0005 0.001 0.005 . . 0.9995 30.4

El valor de 30.4 es el correspondiente a una Fisher que tiene 3 grados de libertad uno y 6 grados de libertad dos con un rea de cero a Fisher de 0.995. Si lo vemos grficamente:

Como nos podemos imaginar existen varias curvas Fisher, ya que ahora su forma depende de dos variables que son los grados de libertad. Ejemplos: 1. Encontrar el valor de F, en cada uno de los siguientes casos:

a. El rea a la derecha de F, es de 0.25 con

=4 y

=9.

b. El rea a la izquierda de F, es de 0.95 con

=15 y

=10.

c. El rea a la derecha de F es de 0.95 con con

=6 y

=8.

d. El rea a la izquierda de F, es de 0.10 con con

=24 y

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

=24 Solucin: Como el rea que da la tabla es de cero a Fisher, se tiene que localizar primero los grados de libertad dos que son 9, luego un rea de 0.75 con 4 grados de libertad uno.

En este caso se puede buscar el rea de 0.95 directamente en la tabla con sus respectivos grados de libertad.

Se tiene que buscar en la tabla un rea de 0.05, puesto que nos piden un rea a la derecha de F de 0.95.

Se busca directamente el rea de 0.10, con sus respectivos grados de libertad.

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

Si s12 y s22 son las varianzas mustrales de muestras aleatorias independientes de tamaos n1=10 y n2 =20, tomadas de poblaciones normales que tienen las mismas varianzas, encuentre P(s12/s22 Solucin: Primero se establecen los grados de libertad. Como en el numerador est la poblacin uno y en el denominador la poblacin dos, entonces los grados de libertad uno equivalen a 10-1=9 y los grados de libertad dos a 20-1=19. Se procede a ir a la tabla a buscar los grados de libertad dos que son 19 y se observa que no estn, por lo tanto se tiene que interpolar entre 15 y 20 grados de libertad, buscando el valor de fisher que quedara: 2.42).

Este valor de 2.42 se busca en la columna de 9 grados de libertad uno, con 15 grados de libertad dos, y se encuentra el siguiente: Area

0.90 0.95

2.09 2.59

Al interpolar entre estos dos valores nos queda un rea de 0.933. Se procede a hacer lo mismo pero con 20 grados de libertad dos: Area

0.95 0.975

2.39 2.84

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

Al interpolar entre estos dos valores nos queda un rea de 0.9516. Ahora ya se tienen las dos reas referentes a los grados de libertad dos, por lo que se interpolar para ver cunto le corresponde a los grados libertad dos con un valor de 19. Al interpolar nos queda que para 9 grados de libertad uno y 19 grados de libertad dos con un valor de Fisher de 2.42 el rea a la izquierda es de 0.9478.

Area

15 20

0.933 0.9516

Si s12 y s22 representan las varianzas de las muestras aleatorias independientes de tamao n1= 25 y n2 = 31, tomadas de poblaciones normales con varianzas
2 2 2 1

=10 y

= 15, respectivamente, encuentre P(s /s2 > 1.26).

2 1

Solucin: Calcular el valor de Fisher:

Luego se va a la tabla de Fisher a buscar 30 grados de libertad 2 con 24 grados de libertad uno. Cuando se este en esta posicin se busca adentro de la tabla el valor de Fisher de 1.89. Al localizarlo y ver a la izquierda de este valor se obtiene un rea de 0.95, pero esta rea correspondera a la probabilidad de que las relaciones de varianzas mustrales fueran menor a 1.26, por lo que se calcula su complemento que sera 0.05, siendo esta la probabilidad de que s12/s22 > 1.26.

Intervalo de Confianza para el Cociente de Varianzas de Dos Distribuciones Normales Supngase que se tienen dos poblaciones normales e independientes con varianzas
2 2 desconocidas y 2 , respectivamente. De este par de poblaciones, se tienen disponibles dos muestras aleatorias de tamaos n1 y n2, respectivamente, sean s12 y s22

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

las dos varianzas muestrales. Se desea conocer un intervalo de confianza del 100( ) por ciento para el cociente de las dos varianzas,
2 1

Para construir el intervalo de confianza para el cociente de dos varianzas poblacionales, se coloca la varianza muestral mayor en el numerador del estadstico F. Ejemplos: Un fabricante de automviles pone a prueba dos nuevos mtodos de ensamblaje de motores respecto al tiempo en minutos. Los resultados se muestran el la tabla: Mtodo 1 n1 = 31 s12 = 50 Mtodo 2 n2 = 25 s22 = 24

Construya un intervalo de confianza del 90% para Solucin:

2 2

Por la recomendacin de que la varianza muestral mayor va en el numerador se tiene la siguiente frmula:

al despejar:

F toma dos valores dependiendo del nivel de confianza y de los grados de libertad. En este caso los grados de libertad uno valen 30 y los grados de libertad dos 24.

1.

2.

4.6 COMPARACIONES DE DOS MUESTRAS PAREADAS

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

Una de las hiptesis sobre las que habitualmente se fundamentan las pruebas estadsticas de comparacin es que las observaciones pertenecientes a cada una de las muestras son independientes entre s, no guardan relacin; siendo precisamente ese uno de los objetivos de la aleatorizacin (eleccin aleatoria de los sujetos o unidades de observacin). Sin embargo, la falta de independencia entre las observaciones de los grupos puede ser una caracterstica del diseo del estudio para buscar fundamentalmente una mayor eficiencia del contraste estadstico al disminuir la variabilidad. En otras ocasiones con este tipo de diseo pareado lo que se busca es dar una mayor validez a las inferencias obtenidas, controlando o eliminando la influencia de variables extraas cuyo efecto ya es conocido o sospechado, y no se desea que intervenga en el estudio actual pudiendo enmascarar el efecto del tratamiento o de la variable de inters. Las muestras apareadas se obtienen usualmente como distintas observaciones realizadas sobre los mismos individuos. Un ejemplo de observaciones pareadas consiste en considerar a un conjunto de n personas a las que se le aplica un tratamiento mdico y se mide por ejemplo el nivel de insulina en la sangre antes (X) y despus del mismo (Y). En este ejemplo no es posible considerar aX eY como variables independientes ya que va a existir una dependencia clara entre las dos variables. 4.7 MODELO TOTALMENTE ALEATORIO: ANLISIS DE VARIANZA DE UN FACTOR. Hay varias formas en las cuales puede disearse un experimento ANOVA. Quizs el ms comn es el diseo completamente aleatorizado a una va. El trmino proviene del hecho que varios sujetos o unidades experimentales se asignan aleatoriamente a diferentes niveles de un solo factor. Por ejemplo: varios empleados (unidades experimentales) pueden seleccionarse aleatoriamente para participar en diversos tipos (niveles diferentes) de un programa de capacitacin (el factor). El anlisis de varianza se basa en una comparacin de la cantidad de variacin en cada uno de los tratamientos. Si de un tratamiento al otro la variacin es significativamente alta, puede concluirse que los tratamientos tienen efectos diferentes en las poblaciones. a. Esta variacin entre el nmero total de las 14 observaciones. Esto se llama variacin total. b. Existe variacin entre los diferentes tratamientos (muestras). Esto se llama variacin entre muestras. c. Existe variacin dentro de un tratamiento dado (muestra). Esto se denomina variacin dentro de la muestra. 4.8 SELECCIN DEL TAMAO DE MUESTRA PARA ESTIMAR LA DIFERENCIA DE DOS MEDIAS En Estadstica el tamao de la muestra es el nmero de sujetos que componen la muestra extrada de una poblacin, necesarios para que los datos obtenidos sean representativos de la poblacin. 1. Estimar un parmetro determinado con el nivel de confianza deseado. 2. Detectar una determinada diferencia, si realmente existe, entre los grupos de estudio con un mnimo de garanta. 3. Reducir costes o aumentar la rapidez del estudio. Por ejemplo, en un estudio de investigacin epidemiolgico la determinacin de un tamao adecuado de la muestra tendra como objetivo su factibilidad. As: Si el nmero de sujetos es insuficiente habra que modificar los criterios de seleccin, solicitar la colaboracin de otros centros o ampliar el periodo de reclutamiento. Los

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

estudios con tamaos muestrales insuficientes, no son capaces de detectar diferencias entre grupos, llegando a la conclusin errnea de que no existe tal diferencia. Si el nmero de sujetos es excesivo, el estudio se encarece desde el punto de vista econmico y humano. Adems es poco tico al someter a ms individuos a una intervencin que puede ser menos eficaz o incluso perjudicial. El tamao de una muestra es el nmero de individuos que contiene. Una frmula muy extendida que orienta sobre el clculo del tamao de la muestra para datos globales es la siguiente: n = ( (k^2) * N*p*q) / ( (e^2 * (N-1) )+( (k^2) * p*q)) N: es el tamao de la poblacin o universo (nmero total de posibles encuestados). k: es una constante que depende del nivel de confianza que asignemos. El nivel de confianza indica la probabilidad de que los resultados de nuestra investigacin sean ciertos: un 95,5 % de confianza es lo mismo que decir que nos podemos equivocar con una probabilidad del 4,5%. Los valores k ms utilizados y sus niveles de confianza son: K 1,15 1,28 1,44 1,65 1,96 2 2,58 Nivel de confianza 75% 80% 85% 90% 95% 95,5% 99% (Por tanto si pretendemos obtener un nivel de confianza del 95% necesitamos poner en la frmula k=1,96) e: es el error muestral deseado. El error muestral es la diferencia que puede haber entre el resultado que obtenemos preguntando a una muestra de la poblacin y el que obtendramos si preguntramos al total de ella. Ejemplos: Ejemplo 1: si los resultados de una encuesta dicen que 100 personas compraran un producto y tenemos un error muestral del 5% comprarn entre 95 y 105 personas. Ejemplo 2: si hacemos una encuesta de satisfaccin a los empleados con un error muestral del 3% y el 60% de los encuestados se muestran satisfechos significa que entre el 57% y el 63% (60% +/- 3%) del total de los empleados de la empresa lo estarn. Ejemplo 3: si los resultados de una encuesta electoral indicaran que un partido iba a obtener el 55% de los votos y el error estimado fuera del 3%, se estima que el porcentaje real de votos estar en el intervalo 52-58% (55% +/- 3%). p: proporcin de individuos que poseen en la poblacin la caracterstica de estudio. Este dato es generalmente desconocido y se suele suponer que p=q=0.5 que es la opcin ms segura. q: proporcin de individuos que no poseen esa caracterstica, es decir, es 1-p. n: tamao de la muestra (nmero de encuestas que vamos a hacer). Altos niveles de confianza y bajo margen de error no significan que la encuesta sea de mayor confianza o est ms libre de error necesariamente; antes es preciso minimizar la principal fuente de error que tiene lugar en la recogida de datos. Para calcular el tamao de la muestra suele utilizarse la siguiente frmula: Otra frmula para calcular el tamao de la muestra es: n=(N^2 Z^2)/((N-1) e^2+^2 Z^2 ) Donde: n = el tamao de la muestra. N = tamao de la poblacin.

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

= Desviacin estndar de la poblacin que, generalmente cuando no se tiene su valor, suele utilizarse un valor constante de 0,5. Z = Valor obtenido mediante niveles de confianza. Es un valor constante que, si no se tiene su valor, se lo toma en relacin al 95% de confianza equivale a 1,96 (como ms usual) o en relacin al 99% de confianza equivale 2,58, valor que queda a criterio del encuestador. e = Lmite aceptable de error muestral que, generalmente cuando no se tiene su valor, suele utilizarse un valor que vara entre el 1% (0,01) y 9% (0,09), valor que queda a criterio del encuestador. La frmula anterior se obtiene de la frmula para calcular la estimacin del intervalo de confianza para la media: X -Z /n ((N-n)/(N-1))X +Z /n ((N-n)/(N-1)) En donde el error es: e=Z /n ((N-n)/(N-1)) Elevando al cuadrado el error se tiene: (e) ^2=(Z /n ((N-n)/(N-1)))^2 e^2=Z^2 ^2/n (N-n)/(N-1) Multiplicando fracciones: e^2= (Z^2 ^2 (N-n))/n(N-1) Eliminando denominadores: e^2 n(N-1)=Z^2 ^2 (N-n) Eliminando parntesis: e^2 nN-e^2 n=Z^2 ^2 N-Z^2 ^2 n Transponiendo n a la izquierda: e^2 nN-e^2 n+Z^2 ^2 n=Z^2 ^2 N Factor comn de n: n(e^2 N-e^2+Z^2 ^2 )=Z^2 ^2 N Despejando n: n=(Z^2 ^2 N)/(e^2 N-e^2+Z^2 ^2 ) Ordenando se obtiene la frmula para calcular el tamao de la muestra: n=(N^2 Z^2)/((N-1) e^2+^2 Z^2 ) Ejemplo ilustrativo: Calcular el tamao de la muestra de una poblacin de 500 elementos con un nivel de confianza del 99% Solucin: Se tiene N=500, para el 99% de confianza Z = 2,58, y como no se tiene los dems valores se tomar =0,5, y e = 0,05. Reemplazando valores en la frmula se obtiene: n=(N^2 Z^2)/((N-1) e^2+^2 Z^2 ) n=(500 0,5 ^2 2,58 ^2)/((500-1) (0,05) ^2+ 0,5 ^2 2,58 ^2 ) =832,05/2,9116=285,77=286 Suponga que se tienen dos poblaciones distintas, la primera con media
1

y desviacin

estndar 1, y la segunda con media 2 y desviacin estndar 2. Ms an, se elige una muestra aleatoria de tamao n1 de la primera poblacin y una muestra independiente aleatoria de tamao n2 de la segunda poblacin; se calcula la media muestral para cada muestra y la diferencia entre dichas medias. La coleccin de todas esas diferencias se llama distribucin muestral de las

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

Ejemplo: Si se tienen dos poblaciones con medias

y varianzas
1

respectivamente, un estimador puntual de la diferencia entre estadstica


1

est dado por la

. Por tanto. Para obtener una estimacin puntual de

2,

se seleccionan dos muestras aleatorias independientes, una de cada poblacin, , de las medias muestrales.

de tamao n1 y n2, se calcula la diferencia

Recordando a la distribucin muestral de diferencia de medias:

Al despejar de esta ecuacin

se tiene:

En el caso en que se desconozcan las varianzas de la poblacin y los tamaos de muestra sean mayores a 30 se podr utilizar la varianza de la muestra como una estimacin puntual. Ejemplo: Se lleva a cabo un experimento en que se comparan dos tipos de motores, A y B. Se mide el rendimiento en millas por galn de gasolina. Se realizan 50 experimentos con el motor tipo A y 75 con el motor tipo B. La gasolina que se utiliza y las dems condiciones se mantienen constantes. El rendimiento promedio de gasolina para el motor A es de 36 millas por galn y el promedio para el motor B es 24 millas por galn. Encuentre un intervalo de confianza de 96% sobre la diferencia promedio real para los motores A y B. Suponga que las desviaciones estndar poblacionales son 6 y 8 para los motores A y B respectivamente. Solucin: Es deseable que la diferencia de medias sea positiva por lo que se recomienda restar la media mayor menos la media menor. En este caso ser la media del motor B menos la media del motor A. El valor de z para un nivel de confianza del 96% es de 2.05.

3.43<

<8.57

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

La interpretacin de este ejemplo sera que con un nivel de confianza del 96% la diferencia del rendimiento promedio esta entre 3.43 y 8.57 millas por galn a favor del motor B. Esto quiere decir que el motor B da mas rendimiento promedio que el motor A, ya que los dos valores del intervalo son positivos. Una compaa de taxis trata de decidir si comprar neumticos de la marca A o de la B para su flotilla de taxis. Para estimar la diferencia de las dos marcas, se lleva a cabo un experimento utilizando 12 de cada marca. Los neumticos se utilizan hasta que se desgastan, dando como resultado promedio para la marca A 36,300 kilmetros y para la marca B 38,100 kilmetros. Calcule un intervalo de confianza de 95% para la diferencia promedio de las dos marcas, si se sabe que las poblaciones se distribuyen de forma aproximadamente normal con desviacin estndar de 5000 kilmetros para la marca A y 6100 kilmetros para la marca B. Solucin:

-2662.68<

<6262.67

Grficamente:

Como el intervalo contiene el valor "cero", no hay razn para creer que el promedio de duracin del neumtico de la marca B es mayor al de la marca A, pues el cero nos est indicando que pueden tener la misma duracin promedio. 4.9 APLICACIONES

UNIDAD 5 PRUEBAS DE HIPOTESIS CON DOS MUESTRAS DATOS CATEGORICOS Y VARIAS MUESTRAS CON DATOS CATEGORICOS. 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

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

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) La prueba estadstica se puede expresar en trminos de la proporcin de xitos como sigue: En donde p = proporcin de xitos de la hiptesis nula Ahora se determinar si el proceso funciona correctamente para las llantas producidas para el turno de da. Los resultados del turno de da indican que cinco llantas en una muestra de 100 se reventaron antes de 10,000 millas para este problema, si se selecciona un nivel de significancia de .05, las regiones de rechazo y no rechazo se estableceran como a continuacin se muestra: Y la regla de decisin sera: Rechazar Ho si > + 1.645; de lo contrario no rechazar Ho. Con los datos que se tienen, = .05 Y entonces, = 1.107 Z 1.107 < + 1.645; por tanto no rechazar Ho. La hiptesis nula no se rechazara por que la prueba estadstica no ha cado en la regin de rechazo. Se llegara a la conclusin de que no hay pruebas de que ms del 8% de las llantas producidas en el turno de da se revienten antes de 10,000 millas. El gerente no ha encontrado ninguna prueba de que ocurra un nmero excesivo de reventones en las llantas producidas en el turno de da. Pruebas de hiptesis a partir de proporciones.

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

Las pruebas de hiptesis a partir de proporciones se realizan casi en la misma forma utilizada cuando nos referimos a las medias, cuando se cumplen las suposiciones necesarias para cada caso. Pueden utilizarse pruebas unilaterales o bilaterales dependiendo de la situacin particular. La proporcin de una poblacin Las hiptesis se enuncian de manera similar al caso de la media. Ho: p = p0 H1: p p0 En caso de que la muestra sea grande n>30, el estadgrafo de prueba es: Se distribuye normal estndar. Regla de decisin: se determina de acuerdo a la hiptesis alternativa (si es bilateral o unilateral), lo cual puedes fcilmente hacerlo auxilindote de la tabla 4.4.1. En el caso de muestras pequeas se utiliza la distribucin Binomial. No lo abordaremos por ser complicado y poco frecuente su uso. Diferencia entre las proporciones de dos poblaciones La situacin ms frecuente es suponer que existen diferencias entre las proporciones de dos poblaciones, para ello suelen enunciarse las hiptesis de forma similar al caso de las medias: Ho: p1 = p2 p1 - p2 = 0 H1: p1 p2 Puede la hiptesis alternativa enunciarse unilateralmente. El estadgrafo de prueba para el caso de muestras independientes: Siendo a1 y a2, el nmero de sujetos con la caracterstica objeto de estudio en las muestras 1 y 2 respectivamente, es decir, en vez de calcular la varianza para cada muestra, se calcula una p conjunta para ambas muestras bajo el supuesto que no hay diferencias entre ambas proporciones y as se obtiene la varianza conjunta. Recuerda que q = 1-p. Est de ms que te diga que este estadgrafo se distribuye normal estndar. La regla de decisin se determina de manera similar a los casos ya vistos anteriormente. El objetivo de la prueba es comparar estas dos proporciones, como estimadores

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

H1: p1 p2 Recuerda que la H1 tambin puede plantearse de forma unilateral. 5.1 PRUEBA Z PARA LA DIFERENCIA ENTRE DOS PROPORCIONES. En algunos diseos de investigacin, el plan muestral requiere seleccionar dos muestras independientes, calcular las proporciones muestrales y usar la diferencia de las dos proporciones para estimar o probar una diferencia entre las mismas. Las aplicaciones son similares a la diferencia de medias, por ejemplo si dos empresas consultoras ofrecen datos de proporciones de personas que van a votar por el PRI y al hacer dos estudios diferentes salen resultados ligeramente diferentes pero qu tanta diferencia se requiere para que sea estadsticamente significativo? De eso se pruebas estadsticas de diferencias de proporciones. El estadstico Z para estos casos se calcula de la siguiente manera:

Ejemplo: Una muestra de 87 mujeres trabajadoras profesionales mostr que la cantidad promedio que pagan a un fondo de pensin privado el 5% de su sueldo. Una muestra de 76 hombres trabajadores profesionales muestra que la cantidad que paga un fondo de pensin privado es 6.1% de su sueldo. Un grupo activista de mujeres desea demostrar que las mujeres no pagan tanto como los hombres en fondos de pensin privados. Si se usa alfa = 0.01 Se confirma lo que el grupo activista de mujeres desea demostrar o no? Paso 1. Determinar la hiptesis Nula Ho y Alternativa Ha Ntese que este problema es de una cola.

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

Ho: Lo que pagan las mujeres en el fondo de pensin es igual o mayor a lo que pagan los hombres (algunos autores solo le colocan igual).

Ha: _______________________________________ (El estudiante debe describir la Ha) La hiptesis alternativa es lo que las mujeres del grupo activista desean demostrar. Paso 2. Determinar el nivel de significancia. Definida por el analista, en este casi se desea usar = 0.01 Grficamente el nivel de significancia se distribuye en la curva de distribucin normal como se muestra en la figura:

Paso 3. Calcular los intervalos que implican ese nivel de significancia Para dicho nivel de significancia el valor de Z es: Z=-2.326 Grficamente queda de la siguiente manera:

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

Paso 4

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

Ejemplo: En un estudio de infeccin de vas urinarias no complicadas, los pacientes fueron asignados para ser tratados con trimetoprim / sulfametoxazol o fosfomicina / trometamol. 92% de los 100 tratados con fosfomicina/ trometamol mostraron curacin bacteriolgica mientras que el 61% de los 100 manejados con trimetoprim / sulfametoxazol se cur la infeccin. Cuando comparamos proporciones de muestras independientes, debemos primero calcular la diferencia en proporciones. El anlisis para comparar dos proporciones independientes es similar al usado para dos medias independientes. Calculamos un intervalo de confianza y una prueba de hiptesis para la diferencia en proporciones. La notacin que usamos para el anlisis de dos proporciones es el mismo que para una proporcin. Los nmeros inferiores son para distinguir los dos grupos. Parmetros Poblacin 1 Proporcin 1 2 2 Muestra 1 p1 2 p2

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

Desviacin estndar

1(1-2) 2)

2(1-

p1(1-p1) p2)

p2(1-

El cuadrado del error estndar de una proporcin es conocido como la varianza de la proporcin La varianza de la diferencia entre las dos proporciones independientes es igual a la suma de las varianzas de las dos proporciones de las muestras. Las varianzas son sumadas debido a que cada muestra contribuye al error de muestreo en la distribucin de las diferencias. ES = p(1-p)/n Varianza = p(1-p)/n p1(1- p1) Varianza (p1-p2)= varianza de p1 + varianza de p2 = --------n1 p2(1- p2) + ---------n2

El error estndar de la diferencia entre dos proporciones es dado por la raz cuadrada de la varianza. ES (p1-p2)= [p1(1-p1)/n1 + p2(1-p2)/n2] Para calcular el intervalo de confianza necesitamos conocer el error estndar de la diferencia entre dos proporciones. El error estndar de la diferencia entre dos proporciones es la combinacin del error estndar de las dos distribuciones independientes, ES (p1) y ES (p2). Hemos estimado la magnitud de la diferencia de dos proporciones de las muestras; ahora calcularemos el intervalo de confianza para esa estimacin. La frmula general para el intervalo de confianza al 95% es: Estimado 1.96 x ES La frmula para 95% IC de dos proporciones sera: (p1-p2) 1.96 ES(p1-p2) En el estudio de infeccin de vas urinarias, la proporcin en el grupo de fosfomicina/ trometamol fue 0.92 y para trimetoprim/ sulfametoxazol fue 0.61 Diferencia en proporciones = 0.92-0.61=0.31 ES = [(0.92(1-0.92)/100 + 0.61(1-0.61)/100] = 0.056 El intervalo de confianza al 95% sera: 0.31 1.96 (0.056) = 0.310.11 = 0.2 a 0.42 El intervalo de confianza al 95% sera: 1.96 (0.056) = 0.310.11 = 0.2 a 0.42

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

Tengo 95% de confianza de que la diferencia en las proporciones en la poblacin estara entre 0.2 y 0.42. Como la diferencia no incluye 0, estamos confiados que en la poblacin la proporcin de curados con fosfomicina/trometamol es diferente que con trimetoprim sulfametoxazol. Una prueba de hiptesis usa la diferencia observada y el error estndar de la diferencia. Sin embargo, usamos un error estndar ligeramente diferente para calcular la prueba de hiptesis. Esto se debe a que estamos evaluando la probabilidad de que los datos observados asumen que la hiptesis nula es verdad. La hiptesis nula es que no hay diferencia en las proporciones de las dos poblaciones y ambas grupos tienen una proporcin comn, . El mejor estimado que podemos obtener de es la proporcin comn, p, de las dos proporciones de la muestra. P=r1+r2/n1+n2 Donde: r1 y r2 son los nmeros de respuestas positivas en cada muestra n1 y n2 son los tamaos de muestra en cada muestra. La proporcin comn siempre estar entre las dos proporciones individuales. El error estndar puede ser calculado sustituyendo p, por p1 y p2. ES(p1-p2)=p(1-p)(1/n1 +1/n2) Esto se conoce como error estndar agrupado. En el estudio de infeccin de vas urinarias, la proporcin en el grupo de fosfomicina/ trometamol fue 0.92 y para trimetoprim/ sulfametoxazol fue 0.61 Fueron 100 intregrantes en cada grupo. Proporcin comn, p= 92 + 61/100+100 = 153/200 = 0.765 ES(p1-p2)=0.77(1-0.77)(1/100 +1/100)= 0.1771 x 0.002 = 0.019 Si asumimos una aproximacin a la Normalidad para la distribucin Binomial, calculamos la prueba de z , como antes. Para calcular la prueba de hiptesis, debemos: 1.- Sealar la hiptesis nula Ho 2.- Sealar la hiptesis alternativa H1 3.- Calcular la prueba de hiptesis z. Hiptesis nula: Cuando comparamos dos proporciones de poblaciones independientes es usualmente que las dos proporciones son iguales. Ho: 1 = 2 Es lo mismo que si la diferencia en las proporciones de las dos poblaciones es igual a 0. Ho: 1 - 2 = 0

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

Hiptesis alternativa: Es usualmente que las dos proporciones no son iguales. H1: 1 2 Es lo mismo que la diferencia en proporciones no es igual a cero. H1: 1 2 0 0.92 de xito para fosfomicina / trometamol y 0.61 para trimetoprim / sulfametoxazol ES = 0.019 (p1-p2) 0 0.31 - 0

z= -------------- = -----------= 16.3 ES(p1-p2) P<0.05 Rechazamos la hiptesis nula de que las dos proporciones son iguales y aceptamos la hiptesis alternativa de que son diferentes. 5.2 PRUEBA PARA LA DIFERENCIA ENTRE DOS PROPORCIONES. Las pruebas de hiptesis a partir de proporciones se realizan casi en la misma forma utilizada cuando nos referimos a las medias, cuando se cumplen las suposiciones necesarias para cada caso. Pueden utilizarse pruebas unilaterales o bilaterales dependiendo de la situacin particular. La proporcin de una poblacin Las hiptesis se enuncian de manera similar al caso de la media. Ho: p = p0 H1: p p0 En caso de que la muestra sea grande n>30, el estadgrafo de prueba es: se distribuye normal estndar. Regla de decisin: se determina de acuerdo a la hiptesis alternativa (si es bilateral o unilateral. En el caso de muestras pequeas se utiliza la distribucin Binomial. No lo abordaremos por ser complicado y poco frecuente su uso. Diferencia entre las proporciones de dos poblaciones La situacin ms frecuente es suponer que existen diferencias entre las proporciones de dos poblaciones, para ello suelen enunciarse las hiptesis de forma similar al caso de las medias: Ho: p1 = p2 p1 - p2 = 0 0.019

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

H1: p1 p2 Puede la hiptesis alternativa enunciarse unilateralmente. El estadgrafo de prueba para el caso de muestras independientes: donde

Siendo a1 y a2, el nmero de sujetos con la caracterstica objeto de estudio en las muestras 1 y 2 respectivamente, es decir, en vez de calcular la varianza para cada muestra, se calcula una p conjunta para ambas muestras bajo el supuesto que no hay diferencias entre ambas proporciones y as se obtiene la varianza conjunta. Recuerda que q = 1-p. Est de ms que te diga que este estadgrafo se distribuye normal estndar. La regla de decisin se determina de manera similar a los casos ya vistos anteriormente. El objetivo de la prueba es comparar estas dos proporciones, como estimadores H1: p1 p2 Recuerda que la H1 tambin puede plantearse de forma unilateral. En algunos diseos de investigacin, el plan muestral requiere seleccionar dos muestras independientes, calcular las proporciones mustrales y usar la diferencia de las dos proporciones para estimar aprobar una diferencia entre las mismas .Las aplicaciones son similares a la diferencia de medias, por ejemplo si dos empresas consultoras ofrecen datos de proporciones de personas que van a votar por el PRI y al hacer dos estudios diferentes salen resultados ligeramente diferentes pero qu tanta diferencia se requiere para que sea estadsticamente significativo? De eso se tratan las Pruebas estadsticas de diferencias de proporciones. Estimacin de la Diferencia de dos Proporciones En la seccin anterior se vio el tema de la generacin de las distribuciones muestrales, en donde se tena el valor de los parmetros, se seleccionaban dos muestras y podamos calcular la probabilidad del comportamiento de los estadsticos. Para este caso en particular se utilizar la distribucin muestral de diferencia de proporciones para la estimacin de las mismas. Recordando la formula:

Despejando P1-P2 de esta ecuacin:

Aqu se tiene el mismo caso que en la estimacin de una proporcin, ya que al hacer el despeje nos queda las dos proporciones poblacionales y es precisamente lo que

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

queremos estimar, por lo que se utilizarn las proporciones de la muestra como estimadores puntuales:

Ejemplo: Se considera cierto cambio en un proceso de fabricacin de partes componentes. Se toman muestras del procedimiento existente y del nuevo para determinar si ste tiene como resultado una mejora. Si se encuentra que 75 de 1500 artculos del procedimiento actual son defectuosos y 80 de 2000 artculos del procedimiento nuevo tambin lo son, encuentre un intervalo de confianza de 90% para la diferencia real en la fraccin de defectuosos entre el proceso actual y el nuevo. Solucin: Sean P1 y P2 las proporciones reales de defectuosos para los procesos actual y nuevo, respectivamente. De aqu, p1=75/1500 = 0.05 y p2 = 80/2000 = 0.04. con el uso de la tabla encontramos que z para un nivel de confianza del 90% es de 1.645.

-0.0017<P1-P2<0.0217 Como el intervalo contiene el valor de cero, no hay razn para creer que el nuevo procedimiento producir una disminucin significativa en la proporcin de artculos defectuosos comparado con el mtodo existente. Un artculo relacionado con la salud, reporta los siguientes datos sobre la incidencia de disfunciones importantes entre recin nacidos con madres fumadoras de marihuana y de madres que no la fumaban: Usuaria Tamao Muestral Nmero disfunciones de 1246 42 0.0337 No Usuaria 11178 294 0.0263

Proporcin muestral

Encuentre el intervalo de confianza del 99% para la diferencia de proporciones. Solucin: Representemos P1 la proporcin de nacimientos donde aparecen disfunciones entre todas las madres que fuman marihuana y definamos P2, de manera similar, para las no fumadoras. El valor de z para un 99% de confianza es de 2.58.

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

-0.0064<P1-P2<0.0212 Este intervalo es bastante angosto, lo cual sugiere que P1-P2 ha sido estimado de manera precisa. Determinacin de Tamaos de Muestra para Estimaciones Al iniciar cualquier investigacin, la primer pregunta que surge es: de qu tamao debe ser la o las muestras?. La respuesta a esta pregunta la veremos en esta seccin, con conceptos que ya se han visto a travs de este material. EJEMPLO: Oficiales escolares comparan el coeficiente intelectual entre nios de dos grupos. De una muestra de 159 nios del grupo 1 78 califican con ms de 100 puntos, de una muestra de 250 nios del grupo 2 123 califican con ms de 100 puntos. Construya un intervalo de confianza par a la diferencia entre las dos proporciones del grupo 1 y 2 de los nios con califican con ms de 100.

Ejemplo: Algunas veces estamos interesados en analizar la diferencia entre las proporciones de poblaciones de grupos con distintas caractersticas. Por ejemplo, pensemos que la administracin de las tiendas Oxxo cree, sobre la base de una investigacin, que el porcentaje de hombres que visitan sus tiendas 9 o ms veces al mes (clientes frecuentes) es mayor que el porcentaje de mujeres que hacen lo mismo. Las especificaciones requeridas y el procedimiento para probar esta hiptesis es la siguiente: 1. Las hiptesis nula y alternativa son las siguientes:

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

, la proporcin de hombres que reportan 9 o ms visitas por mes

H o = PH PM 0
es la misma o menor que la proporcin de mujeres que hacen lo mismo. , la proporcin de hombres que reportan 9 o ms visitas por mes

H a = PH PM > 0
es mayor a la proporcin de mujeres que hacen lo mismo. La informacin proporcionada es:

nH = 45 nM = 71

PH = .58 PM = .42 PH PM = .58 .42 = .16


2.
Especifica el nivel de significacin de . El valor crtico para la prueba de

= .05
una sola cola es de 1.64. 3. Estima el error estndar de la diferencia de las dos proporciones:

1 1 s p hm = P(1 P ) + n nM H
donde:

P=

nH PH + nM PM nH + nM

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

PH = proporcin muestra de hombres (H) PM = proporcin muestra de mujeres (M) NH = tamao de muestra hombres NM = tamao de muestra mujeres Por lo tanto:

P=
y

45(.58) + 71(.42) = 0.48 45 + 71

1 1 s p hm = .48(1 .48) + = 0.10 45 71


4. Calcula de prueba estadstica:

Z=

(diferencia entre_ proporcion _ observadas (diferencia entre_ proporcion _ H o ) _ es ) _ es s ph m

Z=

(.58 .42) (0) = 1.60 .10

La hiptesis nula es aceptada porque el valor de la Z calculada es menor que el valor crtico Z. La administracin no puede concluir con un 95 por ciento de confianza que la proporcin de hombres que visita 9 o ms veces los Oxxo es mayor que la proporcin de mujeres.

5.3 PRUEBA PARA LA DIFERENCIA EN n PROPORCIONES Z. Una distribucin poblacional representa la distribucin de valores de una poblacin y una distribucin muestral representa la distribucin de los valores de una muestra. En contraste con las distribuciones de mediciones individuales, una distribucin muestral es una distribucin de probabilidad que se aplica a los valores posibles de una estadstica muestral. As, la distribucin muestral de la media es la distribucin de probabilidad de los valores posibles de la media muestral con base en un determinado tamao de muestra. Para cualquier tamao de muestra dado n, tomado de una poblacin con media , los valores de la media muestralvaran de una muestra a otra. Esta variabilidad sirve de base

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

para la distribucin muestral. La distribucin muestral de la media se describe determinando el valor esperado E () o media, de la distribucin y la desviacin estndar de la distribucin de las medias, . Como esta desviacin estndar indica la precisin de la media muestral como estimador puntual, por lo general se le denomina error estndar de la media. Ejemplo: Un fabricante de reproductores de discos compactos utiliza un conjunto de pruebas amplias para evaluar la funcin elctrica de su producto. Todos los reproductores de discos compactos deben pasar todas las pruebas antes de venderse. Una muestra aleatoria de 500 reproductores tiene como resultado 15 que fallan en una o ms pruebas. Encuentre un intervalo de confianza de 90% para la proporcin de los reproductores de discos compactos de la poblacin que no pasan todas las pruebas. Solucin: n=500 p = 15/500 = 0.03 z(0.90) = 1.645

0.0237<P<0.0376 Se sabe con un nivel de confianza del 90% que la proporcin de discos defectuosos que no pasan la prueba en esa poblacin est entre 0.0237 y 0.0376. Ejemplo: En una muestra de 400 pilas tipo B fabricadas por la Everlast Company, se encontraron 20 defectuosas. Si la proporcin p de pilas defectuosas en esa muestra se usa para estimar P, que vendr a ser la proporcin verdadera de todas las pilas defectuosas tipo B fabricadas por la Everlast Company, encuentre el mximo error de estimacin de p. Solucin: p=x/n = 20/400=0.05 z(0.95)=1.96 tal que se pueda tener un 95% de confianza en que P dista menos de

Si p=0.05 se usa para estimar P, podemos tener un 95% de confianza en que P dista menos de 0.021 de p. En otras palabras, si p=0.05 se usa para estimar P, el error mximo de estimacin ser aproximadamente 0.021 con un nivel de confianza del 95% Para calcular el intervalo de confianza se tendra:

Esto da por resultado dos valores, (0.029, 0.071). Con un nivel de confianza del 95% se sabe que la proporcin de pulas defectuosas de esta compaa est entre 0.029 y 0.071.

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

Si se requiere un menor error con un mismo nivel de confianza slo se necesita aumentar el tamao de la muestra. 5.4 PRUEBA DE INDEPENDENCIA (ji-CUADRADA). Cuando comparamos dos situaciones podemos esperar que sean ya bien dependientes o independientes esto quiere decir que pueden o no estar relacionados sus datos debido a muchos factores que pueden influir en ellos o bien, un problema no tenga relacin con otro. La prueba de independencia trata sobre esto, ya que su objetivo es determinar si alguna situacin es afectada por otra, basndose en datos estadsticos y valores probabilstico obtenidos de la fabulacin de datos o de pronsticos por medio de frmulas y tablas, para esto se basa en un nivel de significancia en un caso y en el otro a comparar, valindonos de tablas de contingencia para obtener frecuencias esperadas y poder aplicarlas, para as obtener datos comparativos que son determinantes en la decisin de independencia. La estadstica de prueba que ser utilizada en la toma de una decisin acerca de la hiptesis nula es ji cuadrado, X2 (X es la letra griega ji minscula. Los valores de ji cuadrado se obtienen con las siguientes formula: X2 = i (Oi ei)2 ei

Grados de libertad V = (r-1)*(c-1) Frecuencia Esperada = Total de la columna * Total del rengln Gran total Caractersticas X2 toma valores no negativos; es decir, puede ser cero o positiva. X2 no es simtrica; es asimtrica hacia la derecha. Existen muchas distribuciones X2 como en el caso de la distribucin t, hay una distribucin, X2 diferente para cada valor de los grados de libertad. Nos dan una tabla de contingencia. Una tabla de contingencia es una disposicin de datos en una clasificacin de doble entrada. Los datos se ordenan en celdas y se reporta l nmero de datos en cada una. En la tabla de contingencia estn implicados dos factores (o variables), y la pregunta comn en relacin con tales tablas es si los datos indican que las dos variables son independientes o dependientes. Para ilustrar la utilizacin y anlisis de una tabla de contingencia, considrese la clasificacin por sexo de los estudiantes de una escuela y su rea acadmica favorita. Ejemplo: Cada persona de un grupo de 300 estudiantes fue identificada como hombre o mujer, preguntndosele si prefera recibir cursos en el rea de matemticas, ciencias sociales o humanidades. La siguiente tabla es una de contingencia que indica las frecuencias encontradas para esas categoras. Presenta esta tabla la evidencia suficiente para rechazar la hiptesis nula la preferencia por las matemticas, ciencias sociales o humanidades es independiente del sexo de un alumno, al nivel de significancia del 0.05?

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

Solucin: Paso 1 Ho: La preferencia por matemticas, ciencias sociales o humanidades es independiente del sexo de los estudiantes de la escuela. Ha: La preferencia por las reas es no independiente del sexo de los estudiantes. Pas 2 Para determinar el valor crtico de la ji cuadrada debe conocerse los grados de libertad, implicado. En el caso de tablas de contingencia, este nmero es exactamente el nmero de celdas en la tabla que puede ser llenadas libremente cuando se conocen los totales. Estos ltimos se indican en la tabla siguiente. 122 178 300

72

113

115

Dados estos totales, solo pueden llenarse dos celdas antes que las restantes queden determinadas. (por supuesto, los totales deben ser los mismos.) Por ejemplo, una vez que se seleccionen dos valores arbitrarios (por ejemplo, 50 y 60) para las dos primeras celdas de la primera fila (vase la tabla siguiente), quedan fijos los otros cuatro valores. 50 D 72 60 E 113 C F 115 122 178 300

Dichos valores deben ser C=12, D=22, E=53 y F=103. De otra manera los totales no sern correctos. En consecuencia, para este problema existen dos selecciones libres. Cada una de estas corresponde a un grado de libertad. As, el nmero de grados de libertada en este ejemplo es 2 (v=2). Por esta razn, si se utiliza es X2 (2, 0.05) = 6. Vase la siguiente figura. =0.05, el valor critico

Pas 3 Antes de poder hallar el valor calculado de ji cuadrada, es necesario examinar los valores esperados E para cada celda. Para tal fin debe recordarse la hiptesis nula, la cual

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

asevera que estos factores son independientes. En consecuencia, se espera que los valores estn distribuidos en proporcin a los totales marginales. Hay 122 hombres; se espera que estn distribuidos entre M, CS y H proporcionalmente a los totales 72, 113 y 115. As, para los hombres las cuentas esperadas de celda son: 72/300 x 122 72/300 x 178 113/300 x 122 113/300 x 178 115/300 x 122 115/300 x 178 Similarmente, se esperan: Para las mujeres. Entonces los valores esperados son como se indica en la tabla siguiente (siempre verifquense los totales nuevos contra los antiguos.)

M 42.72 Total Nota 72.00

CS 29.28 67.05 113.00

H 45.95 68.23 115.00

Total 46.77 178 300.00 122

El clculo de los valores esperados puede verse de manera alternativa. Recurdese que la hiptesis nula se supone cierta en tanto no haya evidencia para rechazarla. Habiendo hecho este supuesto en el ejemplo, de hecho s est afirmando que son independientes los eventos un estudiante seleccionado aleatoriamente es hombre, y un estudiante elegido al azar prefiere cursos de matemticas. El estimador puntual para la probabilidad de que un estudiante sea hombre es 122/300, y para la probabilidad de que un estudiante prefiera los cursos de matemtica es 72/300. En consecuencia, la probabilidad de que ocurran ambos eventos es el producto de las probabilidades. Para estudiar la dependencia entre la prctica de algn deporte y la depresin, se seleccion una muestra aleatoria simple de 100 jvenes, con los siguientes resultados: Sin depresin Con depresin Deportista 38 9 22 31 47 53 100

No deportista 31 69

L = (38 32,43)2/32,43 + (31 36,57)2/36,57 + (9 14,57)2/14,57 + (22 16,43)2/16,43 = 0,9567 + 0,8484 + 2,1293 + 1,8883 = 5,8227 El valor que alcanza el estadstico L es 5,8227. Buscando en la tabla terica de Chi Cuadrado para 1 grado de libertad se aprecia Lt = 3,84146 < 5,8227 lo que permite rechazar la hiptesis de independencia de caracteres con un nivel de significacin del 5%, admitiendo por tanto que la prctica deportiva disminuye el riesgo de depresin. Ejemplo: Ilustraremos esta tcnica con el estudio que realiz Cervecera Modelo, la cual fabrica y distribuye tres tipos de cerveza: ligera, clara y oscura. En un anlisis de

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

segmentacin de mercado para las tres cervezas, el grupo de investigacin encargado ha planteado la duda de si la preferencia para las tres cervezas es diferente entre los consumidores hombres y mujeres. Si la preferencia de las cervezas fuera independiente del gnero del consumidor, se iniciara una campaa de publicidad para todas las cervezas Modelo. Sin embargo, si la preferencia depende del gnero del consumidor, se ajustaran las promociones para tener en cuenta los distintos mercados meta. Una prueba de independencia usa la pregunta de si la preferencia de la cerveza (ligera, clara y oscura) es independiente del gnero del consumidor (hombre, mujer). Las hiptesis para esta prueba de independencia son: Ho: La preferencia de la cerveza es independiente del gnero del consumidor Ha: La preferencia de la cerveza no es independiente del gnero del consumidor Podemos usar una tabla como la 1 para describir el caso que se estudia. Despus de identificar a la poblacin, consumidores hombres y mujeres, se puede tomar una muestra y preguntar a cada persona que diga su preferencia entre las cervezas modelo. Cada persona de la muestra se clasificar en una de las seis celdas de la tabla. Por ejemplo una persona puede ser hombre y prefiera la cerveza clara [celda (1,2)], una mujer que prefiere la cerveza ligera [celda (2,1)], una mujer que prefiere la cerveza oscura [celda (2,3)] y as sucesivamente. Como en la lista aparecen todas las combinaciones posibles de predileccin de cerveza y gnero, en otras palabras aparecen todas las contingencias posibles, a la tabla se Cerveza preferida le llama tabla de contingencia. Ligera Clara Oscura Gnero Hombre Celda (1,1) Celda (1,2) Celda (1,3) Mujer Celda (2,1) Celda (2,2) Celda (2,3)

Supongamos que se ha tomado una muestra aleatoria simple de 150 bebedores de cerveza. Despus de saborear cada una, se les pide expresar su preferencia o primera alternativa. La tabulacin cruzada de la siguiente tabla 2 resume las respuestas obtenidas. Observamos que, los datos para la prueba de independencia se agrupan en trminos de cantidades o frecuencias para cada celda o categora. De las 150 personas de la muestra, 20 fueron hombres que prefirieron la cerveza ligera, 40 fueron mujeres que prefirieron la cerveza clara, 20 fueron hombres que prefirieron la cerveza oscura, y as sucesivamente. Los datos de la tabla 2 constituyen las frecuencias observadas para las seis clases o categoras.

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

Cerveza preferida Ligera Clara Oscura Total Gnero Hombre 20 Mujer Total 30 50 40 30 70 20 10 30 80 70 150 Si podemos determinar las frecuencias esperadas bajo la hiptesis de independencia entre la preferencia de cerveza y el gnero del consumidor, podemos usar la distribucin ji cuadrada para determinar si existe una diferencia significativa entre la frecuencia

observada y la esperada. Las frecuencias esperadas en las celdas de la tabla de contingencia se basan en el siguiente razonamiento. Primero suponemos que es verdadera la hiptesis nula, de independencia entre la cerveza preferida y el gnero del consumidor. A continuacin observamos que en toda la muestra de 150 consumidores, hay 50 que prefieren la cerveza ligera, 70 la cerveza clara y 30 la cerveza oscura. Expresada en fraccin, la conclusin es que de 50/150 = 1/3 de los consumidores de cerveza prefieren la ligera; 70/150 = 7/15 la clara y 30/150 = 1/5 la oscura. Si es vlida la hiptesis de independencia, decimos que estas fracciones se deben de aplicar por igual a los consumidores hombres y mujeres. As bajo la hiptesis de independencia, esperaramos que la muestra de 80 consumidores hombres indicara que (1/3) 80 = 26.7 prefieren cerveza ligera, (7/15) 80 = 37.33 la clara y (1/5) 80 = 16 la oscura. La aplicacin de las mismas fracciones a las 70 consumidoras mujeres produce las frecuencias esperadas que aparecen en la tabla. Cerveza preferida Ligera Clara Gnero Hombre 26.67 Mujer Total 23.33 50.00 Oscura Total 80 70 150

eij
Sea la frecuencia esperada en la categora del rengln i y la columna j de la tabla de contingencia. Con esta notacin reconsideremos el clculo de la frecuencia esperada para los hombres (rengln i = 1) que prefieren la cerveza clara (columna j = 2) esto es, la frecuencia esperada

37.33 16.00 32.67 14.00 70.00 30.00

e1, 2
. Apegndonos al esquema anterior para el clculo de las frecuencias esperadas, podemos demostrar que

e1, 2
= (7/15) 80 = 37.33 Esta ecuacin se puede escribir como sigue

e1, 2
= (7/15) 80 = (70/150) 80 = 37.33

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

Observe que 80 es la cantidad total de hombres (total del rengln 1), 70 es la cantidad total de individuos (hombres y mujeres) que prefieren la cerveza clara (total de la columna 2) y 150 es el tamao de la muestra total. En consecuencia vemos

e1, 2 =

(total del rengln1) (total de la columna2) tamao de la muestra

Al generalizar la ecuacin vemos que la frmula siguiente determina las frecuencias esperadas de una tabla de contingencias para la prueba de independencia.

Frecuencias esperadas en la tabla de contingencia suponiendo independencia

eij =

(Total del rengln i ) (total de la columna j ) tamao de la muestra

El procedimiento de prueba para comparar frecuencias observadas con las frecuencias esperadas, se parece a los clculos de bondad de ajuste. Especficamente, el valor de

2
basados en las frecuencias observadas y esperadas se calcula como sigue:

=
2

i =1

[f

oi

f ei f ei

Oi = Valor observado en la i-simo celda. Ei = K = Valor esperado en la i-simo celda. Categoras o celdas.

Con n renglones y m columnas en la tabla de contingencia, el estadstico de prueba tiene una distribucin ji cuadrada con (n 1) (m 1) grados de libertad, siempre y cuando las

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

frecuencias esperadas sean 5 o ms para todas las categoras. En consecuencia proseguimos con el clculo de la estadstica de prueba ji cuadrada.

Los clculos necesarios para determinar el estadstica ji cuadrada y ver si la preferencia de cerveza es independiente del gnero de quien la bebe se ven en la tabla. La cantidad de grados de libertad para la distribucin ji cuadrada adecuada se determina multiplicando la cantidad de renglones menos 1 por la cantidad de columnas menos 1. Como tenemos dos renglones y tres columnas, entonces (2 1) (3 1) = (1) (2) = 2 grados de libertad para la prueba de independencia entre cerveza y gnero del consumidor. Con

= .05 como nivel de significancia de la prueba, buscamos en la tabla

.2 05
de ji cuadrada y nos da un valor = 5.99. Observe que estamos usando el valor de la cola superior, porque rechazaremos la hiptesis nula slo si las diferencias entre

2
frecuencias observadas y esperadas producen un valor grande de . En el ejemplo

=6.13 es mayor que = 5.99. Por consiguiente, rechazaremos la hiptesis nula de independencia y concluimos que la, la preferencia cerveza preferida no es independiente del gnero del consumidor, es decir para las tres cervezas es diferente entre los consumidores hombres y mujeres y por lo tanto la Cervecera Modelo deber estratificar a los consumidores para ajustar las promociones y la publicidad, teniendo en cuenta estas Gnero Hombre Hombre Hombre Mujer Mujer Mujer Cerveza ligera clara Oscura ligera clara Oscura

fo
20 40 20 30 30 10

fe
26.67 37.33 16 23.33 32.67 14

( fo fe )
-6.67 2.67 4 6.67 -2.67 -4

( fo fe )2
44.4889 7.1289 16 44.4889 7.1289 16

( f o f e ) 2 / eij
1.66812523 0.19096973 1 1.90693956 0.21820937 1.14285714 6.12710104

2
diferencias.

5.5 PRUEBAS DE CONTINGENCIA (ji-CUDRADA). La prueba chi-cuadrado de contingencia sirve para comprobar la independencia de frecuencias entre dos variables aleatorias, X e Y.

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

Las hiptesis contrastadas en la prueba son: Hiptesis nula: X e Y son independientes. Hiptesis alternativa: X e Y no son independientes (No importa cul sea la relacin que mantengan ni el grado de esta. La condicin de independencia, tal como fue definida en la pgina anterior era: X e Y son independientes si y slo si para cualquier pareja de valores x e y la probabilidad de que X tome el valor x e Y el valor y, simultneamente, es igual al producto de las probabilidades de que cada una tome el valor correspondiente.

Por tanto, todo lo que necesitamos sern unas estimas de las funciones de probabilidad de ambas variables por separado (f(x) y f(y)) y de la funcin de probabilidad conjunta (f(x,y)) Empezaremos la prueba tomando una muestra de parejas de valores sobre la que contaremos la frecuencia absoluta con la que aparece cada combinacin de valores (xi,yj) o de grupos de valores (i,j) (Oij) La tabla siguiente, en la que se recogen estos datos, es en realidad nuestra estimacin de la funcin de probabilidad conjunta multiplicada por el nmero total de datos (T).

Para obtener las estimas de las funciones de probabilidad marginales debemos sumar por filas y por columnas los valores de las frecuencias conjuntas. Las sumas de filas (Fi) son, en cada caso, el nmero de veces que hemos obtenido un valor de X (xi) en cualquier combinacin con distintos valores de Y, es decir, son nuestra estima de la funcin de probabilidad de X multiplicada por el nmero total de observaciones; anlogamente, las sumas de columnas (Cj) son nuestra estima de la funcin de probabilidad de Y multiplicada por el nmero total de observaciones. El nmero total de observaciones lo podemos obtener como la suma de todas las frecuencias observadas o, tambin, como la suma de las sumas de filas o de las sumas de columnas:

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

As pues, si las variables fueran independientes debera cumplirse que

Naturalmente, nadie espera que esta condicin se cumpla exactamente debido al efecto de los errores de muestreo aleatorio. Por tanto, nuestro problema consiste en distinguir entre las diferencias producidas por efecto del muestreo y diferencias que revelen falta de independencia. Podemos convertir la ecuacin anterior a frecuencias absolutas multiplicando por T:

Si X e Y son independientes, Oij debe ser igual a

y, por tanto,

Bajo la hiptesis de independencia,

es el valor esperado de Oij (Eij)

Tal como pasaba en la prueba anterior, si las variables son independientes, es decir, si las frecuencias Eij son realmente los valores esperados de las frecuencias Oij, se puede calcular un parmetro que depende de ambas que tiene distribucin chi-cuadrado,

Por otra parte, si las variables no son independientes, las diferencias entre las series de frecuencias observadas y esperadas sern mayores que las atribuibles al efecto del azar y, al estar elevadas al cuadrado en el numerador de la expresin anterior, sta tender a ser mayor que lo que suele ser el valor de una variable chi-cuadrado.

Por tanto, el parmetro anterior ser el estadstico de la prueba de hiptesis y la regin crtica se encontrar siempre en la cola derecha de la distribucin chi-cuadrado. Nuevamente, esta prueba ser siempre de una sola cola.

Estadstico de contraste Se acepta la hiptesis nula si cuadrado con grados de libertad. , el percentil 1 de la distribucin chi-

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

Tal como ocurra en la prueba anterior lo corriente es que queramos demostrar que dos variables son independientes, es decir, que, habitualmente, nos veremos obligados a colocar nuestra hiptesis en la hiptesis nula. El nmero de grados de libertad de la chicuadrado que sirve de contraste se calcula de la siguiente forma: A priori tendremos tantos grados de libertad como combinaciones de valores x i, yj tengamos (I J) A este nmero tendremos que restarle I debido a que, para calcular las frecuencias esperadas, necesitamos calcular las I sumas de filas en la tabla anterior. Conocidas las sumas de filas obtenemos el nmero total de observaciones sin perder ningn grado de libertad. A continuacin, necesitaremos calcular, a partir de las frecuencias observadas J - 1 de las sumas de columnas; la restante podemos obtenerla restando la suma de las anteriores del total de observaciones (T). En resumen, el nmero de grados de libertad de la prueba es el producto del nmero de filas menos uno por el nmero de columnas menos uno.

En cuanto a la magnitud mnima necesaria de las frecuencias observadas y esperadas, rigen las mismas normas que en el caso de la prueba de ajuste. En este caso, si nos viramos obligados a juntar valores para sumar frecuencias, debemos unir columnas o filas completas (y contiguas). Obviamente, los grados de libertad no deben calcularse hasta que no se hayan realizado todas las agrupaciones necesarias y quede claro cul es el nmero de filas y columnas de la tabla definitiva. Como hemos visto, esta prueba no hace ninguna suposicin acerca del tipo de distribucin de ninguna de las variables implicadas y utiliza nicamente informacin de la muestra, es decir, informacin contingente. Esta es la razn por la que, habitualmente, se le llama chi-cuadrado de contingencia. 5.6 PRUEBAS DE BONDAD DE AJUSTE. Las pruebas de bondad de ajuste tienen por objetivo determinar si los datos se ajustan a una determinada distribucin, esta distribucin puede estar completamente especificada (hiptesis simple) o perteneciente a una clase paramtrica (hiptesis compuesta). Una hiptesis estadstica se defini como una afirmacin o conjetura acerca de la distribucin f(x,q) de una o ms variables aleatorias. Igualmente se plante que la distribucin poda tener uno o ms parmetros desconocidos, que denotamos por q y que la hiptesis se relaciona con este parmetro o conjunto de parmetros En otros casos, se desconoce por completo la forma de la distribucin y la hiptesis entonces se relaciona con una distribucin especfica f(x,q) que podamos asignarle al conjunto de datos de la muestra. El primer problema, relacionado con los parmetros de una distribucin conocida o supuesta es el problema que hemos analizado en los prrafos anteriores. Ahora examinaremos el problema de verificar si el conjunto de datos se puede ajustar o afirmar que proviene de una determinada distribucin. Las pruebas estadsticas que tratan este problema reciben el nombre general de Pruebas de Bondad de Ajuste. Se analizarn dos pruebas bsicas que pueden aplicarse: La prueba Chi - Cuadrado y la prueba de Smirnov-Kolmogorov. Ambas pruebas caen en la categora de lo que en estadstica se denominan pruebas de Bondad de Ajuste y miden, como el nombre lo indica, el grado de ajuste que existe entre la distribucin obtenida a partir de la muestra y

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

la distribucin terica que se supone debe seguir esa muestra. Ambas pruebas estn basadas en la hiptesis nula de que no hay diferencias significativas entre la distribucin muestral y la terica. Ambas pruebas estn basadas en las siguientes hiptesis: H0: f(x,q) = f0(x,q) H1: f(x,q) f0(x,q) Donde f0(x, q) es la distribucin que se supone sigue la muestra aleatoria. La hiptesis alternativa siempre se enuncia como que los datos no siguen la distribucin supuesta. Si se desea examinar otra distribucin especfica, deber realizarse de nuevo la otra prueba suponiendo que la hiptesis nula es esta nueva distribucin. Al especificar la hiptesis nula, el conjunto de parmetros definidos por q puede ser conocido o desconocido. En caso de que los parmetros sean desconocidos, es necesario estimarlos mediante alguno de los mtodos de estimacin analizados con anterioridad. Para formular la hiptesis nula debern tenerse en cuenta los siguientes aspectos o criterios: a) La naturaleza de los datos a analizar. Por ejemplo, si tratamos de investigar la distribucin que siguen los tiempos de falla de unos componentes, podramos pensar en una distribucin exponencial, o una distribucin gama o una distribucin Weibull, pero en principio no consideraramos una distribucin normal. Si estamos analizando los caudales de un ro en un determinado sitio, podramos pensar en una distribucin logartmica normal, pero no en una distribucin normal. b) Histograma. La forma que tome el histograma de frecuencia es quizs la mejor indicacin del tipo de distribucin a considerar. 5.7 APLICACIONES. Para la ocurrencia de dos eventos, en la cual se desea observar si son dependientes o independientes. La distribucin ji cuadrada sirve para todas las inferencias sobre la variancia de una poblacin. Existen muchos problemas para los cuales los datos son categorizados y los resultados expuestos en forma de conteos o cuentas. Se pueden aplicar en: un conjunto de calificaciones de un examen final puede ser representado como una distribucin de frecuencias. Estos valores son cuentas: l numera de datos que caen en cada celda. En una encuesta determinada se podra preguntar a unas personas si votaran por los candidatos A, B o C, por lo general, los resultados se indican en una grfica que informa acerca del nmero de votantes para cada categora posible.

TRABAJO EN EQUIPO

ESTADISTICA INFERENCIAL 1 MUESTRAS DE DATOS NUMRICOS

UNIDAD 4: PRUEBAS DE HIPOTESIS CON DOS MUESTRAS Y VARIAS

TRABAJO EN EQUIPO

You might also like