ESTADISTICA II

Integrantes:
-Noe
-luis
-lesly
-stefano

TITULO DEL TEMA :

PRUEBA

DE HIPOTESIS

¿Qué es una hipótesis ?

Hipótesis: Es una suposición acerca del valor de un parámetro de una
población con el propósito de discutir su validez. Ejemplo de hipótesis
acerca de un parámetro de una población son:


1) El sueldo promedio de un profesional recién egresado de la Universidad
asciende a s/2,625.



2) El 20% de las amas de casa de Lima utiliza aceite de oliva.

¿Qué es una prueba de hipótesis ?
 Prueba

de hipótesis: es un procedimiento,
basado en la evidencia de la muestra y en
la teoría de las probabilidades, usado para
determinar si la hipótesis es una afirmación
razonable y debería no ser rechazada o si
no es razonable debería ser rechazada.

Paso 1: Establecer la hipótesis nula y la
alternativa

Pr
ue
ba
de
hip
ót
esi
s

Paso 2: Seleccionar el nivel de significación

Paso 3: Identificar el estadístico de
prueba
Paso 4: Formular una regla de decisión

Paso 5: Tomar una muestra, llegar a
una decisión

No rechazar la hipótesis
nula

Rechazar la nula y
aceptar la
alternativa

Ø HIPOTESIS ESTADISTICAS

Una prueba de hipótesis examina dos hipótesis opuestas sobre una
población: la hipótesis nula y la hipótesis alternativa. La manera en que
se configuran estas hipótesis depende de lo que se intenta demostrar.
 

Hipótesis nula (H0): Una afirmación acerca del valor de
un parámetro de la población.


Hipótesis Alternativa (H1): Una afirmación que es

aceptada si la muestra provee la evidencia de que la
hipótesis nula es falsa.


Nivel de significación: La probabilidad de rechazar la
hipótesis nula cuando en realidad es verdadera.

Ø Errores de Tipo I y Tipo II
§
§

§
§

Error de Tipo I :
Si rechaza la hipótesis nula cuando ésta es verdadera, usted comete un error de
tipo I. La probabilidad de cometer un error de tipo I es α, que es el nivel de
significancia que usted establece para su prueba de hipótesis. Un α de 0.05
indica que usted está dispuesto a aceptar una probabilidad de 5% de que está
equivocado cuando rechaza la hipótesis nula. Para reducir este riesgo, debe
utilizar un valor más bajo para α. Sin embargo, si utiliza un valor más bajo para
alfa, significa que tendrá menos probabilidades de detectar una diferencia
verdadera, si es que realmente existe.
Error de tipo II :
Cuando la hipótesis nula es falsa y usted no la rechaza, comete un error de tipo
II. La probabilidad de cometer un error de tipo II es β, que depende de la
potencia de la prueba. Puede reducir su riesgo de cometer un error de tipo II al
asegurarse de que la prueba tenga suficiente potencia. Para ello, asegúrese de
que el tamaño de la muestra sea lo suficientemente grande como para detectar
una diferencia práctica cuando ésta realmente exista.

Ø Ejemplo de error I y error II
Para entender la interrelación entre los errores de tipo I y tipo II, y para
determinar cuál error tiene consecuencias más severas según sea su
caso, considere el siguiente ejemplo:
•Un investigador médico desea comparar la eficacia de dos
medicamentos. Las hipótesis nula y alterna son:

•Hipótesis nula (H0): μ1= μ2
•Los dos medicamentos tienen la misma eficacia.

•Hipótesis alternativa (H1): μ1≠ μ2
•Los dos medicamentos no tienen la misma eficacia.

Un error de tipo I se produce si el investigador rechaza la hipótesis nula y concluye
que los dos medicamentos son diferentes cuando, en realidad, no lo son. Si los
medicamentos tienen la misma eficacia, el investigador podría considerar que este
error no es muy grave, porque de todos modos los pacientes se beneficiarían con
el mismo nivel de eficacia independientemente del medicamento que tomen.
Sin embargo, si se produce un error de tipo II, el investigador no rechaza la
hipótesis nula cuando debe rechazarla. Es decir, el investigador concluye que los
medicamentos son iguales cuando en realidad son diferentes. Este error puede
poner en riesgo la vida de los pacientes si se pone en venta el medicamento
menos efectivo en lugar del medicamento más efectivo.
Cuando realice las pruebas de hipótesis, considere los riesgos de cometer errores
de tipo I y tipo II. Si las consecuencias de cometer un tipo de error son más graves
o costosas que cometer el otro tipo de error, entonces elija un nivel de
significancia y una potencia para la prueba que reflejen la gravedad relativa de
esas consecuencias.

Comparación de hipótesis direccionales
e hipótesis no direccionales
Una hipótesis alternativa no direccional establece que la hipótesis nula está
equivocada. Una hipótesis alternativa no direccional no predice si el parámetro de
interés es mayor o menor que el valor de referencia especificado en la hipótesis
nula.
Una hipótesis alternativa direccional establece que la hipótesis nula está equivocada
y también especifica si el verdadero valor del parámetro es mayor o menor que el
valor de referencia especificado en la hipótesis nula.
La ventaja de usar una hipótesis direccional es una mayor potencia para detectar el
efecto específico en el que usted está interesado.
La desventaja es que no hay potencia para detectar un efecto en la dirección
opuesta.

Ejemplo de hipótesis direccionales
y no direccionales
No direccional
Un investigador tiene resultados de una muestra de estudiantes que
presentaron un examen nacional en una escuela secundaria. El investigador
desea saber si las puntuaciones en esa escuela difieren del promedio nacional
de 850. Una hipótesis alternativa no direccional es apropiada porque el
investigador está interesado en determinar si los resultados son menores o
mayores que el promedio nacional.
(H0: μ = 850 vs. H1: μ≠ 850).

Direccional
Un investigador tiene los resultados de un examen nacional correspondientes a
una muestra de estudiantes que asistieron a un curso de preparación para el
examen. El investigador desea saber si los estudiantes que tomaron el curso
lograron mejores puntuaciones que el promedio nacional de 850. Se puede
usar una hipótesis alternativa direccional, porque el investigador plantea
específicamente la hipótesis de que las puntuaciones de los estudiantes que
asistieron al curso son mayores que el promedio nacional. (H0: μ = 850 vs. H1: μ
> 850).

¿Qué es un estadístico de prueba?
Es un valor, determinado a partir de la información de la muestra, usado
para decidir si rechazar o no la hipótesis nula.

¿Qué es un valor critico?
En las pruebas de hipótesis, un valor crítico es un punto en la distribución
de la prueba que se compara con el estadístico de prueba para determinar
si puede rechazarse la hipótesis nula. Si el valor absoluto del estadístico de
prueba es mayor que el valor crítico, usted puede declarar significancia
estadística y rechazar la hipótesis nula. Los valores críticos están asociados
con el nivel de significancia (α), así que sus valores se fijan cuando se elige
el α de la prueba.

Figura A

Figura B

Valores críticos en la distribución normal estándar para α = 0.05
La Figura A muestra que los resultados de una prueba Z de una cola
son significativos si el estadístico de prueba es igual a o mayor que
1.64, el valor crítico en este caso. El área sombreada representa el 5%
(α) del área por debajo de la curva. La Figura B muestra que los
resultados de una prueba Z de dos colas son significativos si el valor
absoluto del estadístico de prueba es igual a o mayor que 1.96, el
valor crítico en este caso. Las dos áreas sombreadas suman el 5% (α)
del área por debajo de la curva.

Ø Paso a paso …
a) Hipótesis
b)
Se debe formular el supuesto valor del parámetro de la población antes de
empezar el muestreo. La suposición que se desea probar, se denomina
hipótesis nula y se representa por H0. Si se rechaza la hipótesis nula, la
conclusión que debemos aceptar se llama hipótesis alternativa y se
simboliza por H1.
Ejemplo: Supongamos que se quiere probar la hipótesis de que el promedio de
calificación de los alumnos de cierta Universidad es de 8.5, entonces:
H0 : μ = 8.5 (Establece que la media de la población es igual a 8.5)
La hipótesis alternativa se puede interpretar de tres maneras:
H1 :μ ≠ 8.5 (Establece que la media de la población no es igual a 8.5)
H1 :μ > 8.5 (Establece que la media de la población es mayor que 8.5)
H1 :μ < 8.5 (Establece que la media de la población es menor que 8.5)

La prueba de hipótesis tiene como finalidad emitir un juicio sobre la diferencia
que existe entre el valor calculado del estadístico muestral y el parámetro
supuesto de la población. No consiste en poner en duda el valor calculado del
estadístico muestral.
Después de formular las hipótesis nula y alternativa, se debe decidir el criterio
que se va a aplicar para aceptar o rechazar la primera.

b) Nivel de significancia
Supongamos que la media de calificaciones del ejemplo anterior de 8.5, se
expresa con un nivel de confianza del 95%, entonces el nivel de significancia será
de 0.05, es decir:
α = 1 – 0.95 = 0,05
Se puede comprender mejor observando la gráfica siguiente:

El nivel de significancia está repartido en las zonas de rechazo, 0.025 + 0.025 =
0.05, significa que existe una diferencia significativa entre el estadístico de la
muestra y el supuesto parámetro de la población, es decir, que si esto se
demuestra, se rechaza la hipótesis nula H0 de que el promedio de la población
sea de 8.5 y se acepta la hipótesis alternativa H1.
Entonces se concluiría que el promedio de las calificaciones de la población, no
es de 8.5, puede ser diferente, mayor o menor de 8.5.
El nivel de significancia representa la zona de rechazo de la hipótesis nula y
el nivel de confianza de la zona de aceptación.

c) Errores de tipo I y II
Si se rechaza una hipótesis nula que sea verdadera es un error de tipo I, y su
probabilidad se representa con α.
Si se acepta una hipótesis nula que sea falsa se llama error de tipo II, y su
probabilidad se representa con  β. La probabilidad de cometer uno de estos
errores se reduce si se aumenta la probabilidad de incurrir en otro tipo de error.
A fin de conseguir una  β baja, habremos de conformarnos con una α alta. Para
sortear esto en situaciones personales y profesionales, los encargados de tomar
decisiones eligen el nivel apropiado de significancia examinando los costos o
castigos que conllevan a ambos tipos de error.

c) Errores de tipo I y II
Por ejemplo:
Supóngase que el cometer un error de tipo I implica el tiempo y el
trabajo de reelaborar un lote de sustancias químicas que debería haber
sido aceptado. En cambio, el incurrir en un error de tipo II significa
correr el riesgo de que se envenene un grupo entero de usuarios de la
sustancia. La gerencia de esta compañía preferiría el error de tipo I al
de tipo II y, en consecuencia, establecería niveles muy elevados de
significancia en sus pruebas para conseguir  β bajas.

d) Pasos para seleccionar la distribución correcta
1.- Se define el nivel de significancia a usar.
2.- Determinar la distribución adecuada de probabilidad: puede ser la
distribución normal o la distribución t. Las reglas para elegir la distribución
apropiada al efectuar pruebas de las medias son:
a) Si la muestra tomada es mayor de 30 (muestras grandes), debe elegirse la
distribución normal (Z).
b)Si la muestra tomada es igual o menor que 30 (muestras pequeñas), debe
elegirse la distribución t.

Uso de un intervalo de confianza para decidir si
rechazar la hipótesis nula
Supongamos que usted realiza una prueba de hipótesis. Recuerde que la
decisión de rechazar la hipótesis nula (H0) o no rechazarla puede
depender del valor p y del nivel de significancia elegido (también
denominado α). Si el valor p es menor que o igual al nivel de significancia
(α), usted rechaza H0; si es mayor que α, usted no puede rechazar H0.
•Su decisión también puede basarse en el intervalo de confianza (o límite)
que se calcula usando el mismo nivel α. Por ejemplo, la decisión para una
prueba al nivel de significancia 0.05 puede basarse en el intervalo de
confianza de 95%:Si el valor de referencia especificado en H0 está fuera del
intervalo (es decir, es menor que el límite inferior o mayor que el límite
superior), usted puede rechazar H0.
•Si el valor de referencia especificado en H0 está dentro del intervalo (es
decir, no es menor que el límite inferior ni mayor que el límite superior),
usted no puede rechazar H0.

PRUEBA DE HIPÓTESIS DE LAS MEDIAS DE
MUESTRAS GRANDES
Realizaremos algunos ejemplos, en diferentes condiciones cuando se
conocen
lasde
desviaciones
estándar
la medias
población.
a) Prueba
dos extremos
parade
las
b)
Es cuando el nivel de significancia (zona de rechazo) abarca los dos
extremos o colas de la campana de Gauss.
Ejemplo 1
El fabricante de una llanta especial para camiones afirma que la
duración media de la parte rodante de agarre es de 60,000 mi. La
desviación estándar de los millajes es de 5,000 mi. Una empresa de
transportes compró 48 llantas y halló que la duración media para sus
vehículos fue de 59,500 mi. ¿Es la experiencia distinta de la
expresada por el fabricante al nivel de significación de 0.05?
Solución:
 = 60000 mi;  = 5000 mi