You are on page 1of 69

Herramientas Estadísticas 1

Inferencia Estadística:
Prueba de Hipótesis

Sesión 5

Notas de clase elaboradas por el Prof. Tomás Minauro L. Lima, 2015.

Herramientas Estadísticas 2

Prueba de Hipótesis
Prueba de hipótesis: se utiliza para determinar si
una declaración acerca del valor de un parámetro
debe o no debe ser rechazada.
La hipótesis nula, denotada por H0, es una
afirmación acerca de un parámetro de la población.
La hipótesis alternativa, representada por Ha, es
lo contrario de lo que se afirma en la hipótesis
nula.
El procedimiento de prueba de hipótesis usa
datos de una muestra para verificar las hipótesis
planteadas H0 y Ha.
Notas de clase elaboradas por el Prof. Tomás Minauro L. Lima, 2015.

Herramientas Estadísticas 3

Desarrollo de las hipótesis
nula y alternativa
 No siempre es obvio cómo se deben formular las
hipótesis nula y alternativa.
 Se debe tener mucho cuidado para estructurar las
hipótesis de manera adecuada, para que la
conclusión de la prueba provea la información que se
desea.
 El contexto de la situación es muy importante para
determinar cómo se deben formular las hipótesis.
 En algunos casos es más fácil identificar primero la
hipótesis alternativa. En otros, la nula es la más fácil.
 Para una correcta formulación de hipótesis se
necesitará mucha práctica.

Notas de clase elaboradas por el Prof. Tomás Minauro L. Lima, 2015.

2015. Lima. H0:  > 0 H0:  < 0 H0:  = 0 Ha:  < 0 Ha:  > 0 Ha:  = 0 Una Cola Una Cola Dos Colas (izquierda) (derecha) Notas de clase elaboradas por el Prof. Tomás Minauro L. Herramientas Estadísticas 4 Resumen de Formas de las Hipótesis Nula y Alternativa acerca de la Media Poblacional  La parte de la hipótesis de la igualdad siempre aparece en la hipótesis nula. una prueba de hipótesis acerca del valor de una media poblacional  debe tomar una de las tres formas siguientes (donde 0 es el valor hipotético de la media poblacional).  En general. .

Lima. Tomás Minauro L. . Herramientas Estadísticas 5 Prueba de Hipótesis: Proceso Yo creo que la media de la población es 40 (Hipótesis) Población La media Es X = 22 @ muestral es 22  = 40? No! RECHAZO Hipótesis Muestra Notas de clase elaboradas por el Prof. 2015.

Herramientas Estadísticas 6 Prueba de Hipótesis: Idea Básica NO es probable que obtengamos . .. Si ésta fuera RECHAZAMOS media igual a la verdadera Media la Hipótesis de este valor. 22  = 40 Medias Muestrales Notas de clase elaboradas por el Prof.. Tomás Minauro L... Lima.. de la población.. Por lo tanto. 2015.. una muestra con . que  = 40...

Notas de clase elaboradas por el Prof. Lima. . Tomás Minauro L. Herramientas Estadísticas 7 Hipótesis Nula y Alterna Ejemplo: Medihelp Medihelp es un sistema de atención de emergencias médicas en la ciudad que se precia de tener el servicio más rápido. Operando con muchas clínicas de la ciudad y contando con una flota de 20 ambulancias. le permita saber si su meta se está cumpliendo o no. 2015. El director médico quiere plantear una prueba de hipótesis que usando una muestra de tiempos de respuesta. tiene por meta atender todas las emergencias que se le presenten en un tiempo medio de 12 minutos o menos.

donde:  = tiempo medio de respuesta a una emergencia médica en la población Notas de clase elaboradas por el Prof. no se requiere ninguna acción de seguimiento. Herramientas Estadísticas 8 Hipótesis Nula y Alterna H0 :  < 12 El servicio de emergencia está logrando las metas. . H1 :  > 12 El servicio de emergencia NO está logrando las metas. Tomás Minauro L. 2015. Lima. seguimiento adecuado de la acción es necesaria.

Herramientas Estadísticas 9 Error Tipo I  Desde que una prueba de hipótesis se basa en datos de una muestra. Lima. Notas de clase elaboradas por el Prof. Tomás Minauro L. se llama nivel de significación. nosotros debemos considerar la posibilidad de cometer error.  Error Tipo I es rechazar H0 cuando ésta es CIERTA. . 2015.  Aplicaciones de prueba de hipótesis que sólo controlan el error tipo I se denominan pruebas de significación.  La probabilidad de cometer error tipo I si la hipótesis nula es cierta.

Notas de clase elaboradas por el Prof. Herramientas Estadísticas 10 Error Tipo II  Error Tipo II es aceptar H0 cuando ésta es FALSA. 2015. .  Los estadísticos de alguna manera reducen el riesgo de cometer este error usando “no rechazo H0” en lugar de “acepto H0”. Lima. Tomás Minauro L.  Es difícil controlar la probabilidad de cometer error Tipo II. representada por .

. 2015. Herramientas Estadísticas 11 Errores Tipo I y Tipo II Situación Real H0 Cierta H0 Falsa Conclusión ( < 12) ( > 12) No rechaza H0 Decisión Error tipo II (Concluye  < 12) Correcta Rechaza H0 Decisión Error Tipo I (Concluye  > 12) Correcta Notas de clase elaboradas por el Prof. Lima. Tomás Minauro L.

Rechazar H0 si el valor-p < a. calculada utilizando la prueba estadística. Tomás Minauro L. El valor-p es la probabilidad de obtener un valor del estadístico muestral igual o más extremo que el observado. Notas de clase elaboradas por el Prof. que mide el apoyo (o la falta de apoyo) proporcionada por la muestra a la hipótesis nula. . Herramientas Estadísticas 12 Usando el valor-p en una prueba de hipótesis de una cola El valor p es la probabilidad. el valor de su estadístico de prueba está en la región de rechazo. Si el valor-p es menor o igual que el nivel de significación a. Lima. 2015.

0 X0 X* Notas de clase elaboradas por el Prof. 2015. .072 Valor-p < a . RECHAZO H0. Lima. X Entonces. Herramientas Estadísticas 13 Prueba de cola Inferior para la media de una población: s conocida Usando el Valor-p Distribución a = 0.10 Muestral de X Valor-p = 0. Tomás Minauro L.

05 Muestral de X Valor-p = 0. 2015. 0 RECHAZO H0. . Lima. Herramientas Estadísticas 14 Prueba de cola Superior para la media de una población: s conocida Usando el Valor-p Distribución a = 0. Entonces. Tomás Minauro L. X* X0 Notas de clase elaboradas por el Prof.024 X Valor-p < a .

5. Herramientas Estadísticas 15 Pasos para una Prueba de Hipótesis 1. 3. Notas de clase elaboradas por el Prof. Recolecte los datos de la muestra y calcule el valor del estadístico de prueba. . 2. Determine las hipótesis nula y alternativa. 2015. 6. Rechazar H0 si el valor-p < a. Especifique el nivel de significación a. 4. Seleccione el estadístico de prueba que utilizará para probar la hipótesis. Lima. Use el valor del estadístico de prueba para calcular el valor-p. Tomás Minauro L.

2015. . Lima. La media muestral es 13. con un nivel de significación adecuado de si se cumple o no la meta de responder a toda emergencia antes de los 12 minutos. Tomás Minauro L.25 minutos. Notas de clase elaboradas por el Prof. Se tiene el conocimiento de que desviación estándar poblacional es 3.2 minutos. Herramientas Estadísticas 16 Prueba de Hipótesis de una cola para la media de una población: s conocida Ejemplo: Medihelp Se ha recogido el tiempo de respuesta en emergencias médicas para una muestra de tamaño 40. El director médico del servicio desea plantear una prueba de hipótesis.

Lima. 2015. Tomás Minauro L. Si el intervalo de confianza contiene el valor hipotético 0. Herramientas Estadísticas 17 Intervalos de Confianza como aproximación a una prueba de dos colas para la Media de la Población Seleccionar una muestra aleatoria simple de la población y use el promedio muestral X para desarrollar un intervalo de confianza para la estimación de . entonces NO rechazar H0. Notas de clase elaboradas por el Prof. . rechazar H0. De otro modo.

De lo contrario el proceso será ajustado. . 2015. se seleccionará una muestra de 30 tubos a fin de verificar el proceso de llenado. Notas de clase elaboradas por el Prof. Periódicamente. Herramientas Estadísticas 18 Intervalos de Confianza como aproximación a una prueba de dos colas para la Media de la Población Ejemplo: Pasta de dientes Glow La línea de producción de pasta de dientes Glow está diseñado para llenar los tubos con un peso promedio de 6 oz. Lima. Tomás Minauro L. Hay procedimientos de aseguramiento de calidad del proceso de llenado que verifican si los resultados de la muestra son consistentes con la hipótesis de que el peso medio de llenado de la población es de 6 oz. permitiendo la continuidad del proceso.

Tomás Minauro L. Realizar una prueba de hipótesis.1 oz La desviación estándar de la población se cree que es 0. Lima. Herramientas Estadísticas 19 Intervalos de Confianza como aproximación a una prueba de dos colas para la Media de la Población Ejemplo: Pasta de dientes Glow Supongamos que una muestra de 30 tubos de crema dental proporciona un medio de muestra de 6.2 oz. para determinar si el proceso de llenado debe seguir operando o debe ser detenido y corregido. Notas de clase elaboradas por el Prof. . 2015. con un nivel de significación de 3%.

Tomás Minauro L. Notas de clase elaboradas por el Prof. 2015. Lima. Herramientas Estadísticas 20 Prueba para la media de una población: s desconocida Estadístico de Prueba X – 0 t= s/ n Este estadístico de prueba tiene una Distribución t-student con (n-1) grados de libertad. .

Herramientas Estadísticas 21 Prueba para la media de una población: s desconocida Ejemplo: Patrulla de Carreteras Una patrulla de caminos toma muestras de velocidad de los vehículos periódicamente en varios lugares en una carretera en particular. una muestra de 64 vehículos dio una velocidad media de 66.2 mph con una desviación estándar de 4. Tomás Minauro L. Los lugares donde se rechaza H0 se consideran las mejores ubicaciones para los radares. . En una determinada ubicación. Esta muestra de velocidades de los vehículos se utiliza para probar la hipótesis H0:  < 65.2 mph. Use un nivel de significación del 5% para probar la hipótesis. Notas de clase elaboradas por el Prof. Lima. 2015.

Tomás Minauro L. 2015. una prueba de hipótesis acerca del valor de una proporción poblacional p debe tomar una de las tres formas siguientes (donde p0 es el valor hipotético de la proporción poblacional). H0: p > p0 H0: p < p0 H0: p = p0 Ha: p < p0 Ha: p > p0 Ha: p = p0 Una Cola Una Cola Dos Colas (izquierda) (derecha) Notas de clase elaboradas por el Prof. la igualdad siempre está en la hipótesis nula. . Lima. Herramientas Estadísticas 22 Resumen de las Formas que toman las Hipótesis para la Proporción Poblacional Como se dijo ya. En general.

2015. Lima. . Herramientas Estadísticas 23 Prueba acerca de una Proporción Poblacional Estadístico de Prueba P se distribuye normalmente con media p0 y desviación estándar sP. Donde: p0 (1– p0) sP = n Asumiendo que n*p0 > 5 y n*(1 – p0) > 5 Regla de Rechazo Rechazar H0 si valor p < a Notas de clase elaboradas por el Prof. Tomás Minauro L.

Tomás Minauro L. 2015.000 personas heridas en las carreteras como consecuencia accidentes de tránsito. Ellos estiman que la mitad de ellos se debe a conductores ebrios. Use un nivel de significación del 5% para probar la hipótesis. . Lima. la policía estima que habrán 500 muertos y más de 25. Use esta data para discutir la afirmación de la policía. De una muestra de 120 accidentes. Herramientas Estadísticas 24 Prueba acerca de una Proporción Poblacional Ejemplo: Accidentes de tránsito Para la semana de Navidad y Año Nuevo. 69 de ellos fueron causados por conductores ebrios. Notas de clase elaboradas por el Prof.

Tomás Minauro L. 2015. Notas de clase elaboradas por el Prof. sin embargo existe una probabilidad de cometer error tipo II que no controlamos.  Se comparó el valor p con una probabilidad a de cometer error tipo I.  En una prueba de significación. . decidimos cuál es esta probabilidad. Herramientas Estadísticas 25 Prueba de Hipótesis y Toma de Decisiones  Hasta ahora. llamada nivel de significación de la prueba.  Por ello. Lima. luego la controlamos. las aplicaciones de prueba de hipótesis se refieren a pruebas de significación. se recomienda que la conclusión sea “No rechazar H0" en lugar de “Aceptar H0" ya que esto último nos pone en riesgo de cometer un error tipo II.

la evidencia estadística se considera NO concluyente.  En muchas situaciones de toma de decisiones el tomador de decisiones. se recomienda que el procedimiento de prueba de hipótesis se amplíe para incluir la probabilidad de cometer error tipo II. Tomás Minauro L. desea y en algunos casos puede ser obligado a tomar decisiones con ambas conclusiones: “No rechazar H0" y “Rechazar H0“.  En tales situaciones. 2015. esto es una indicación para posponer la decisión hasta obtener nueva evidencia. Herramientas Estadísticas 26 Prueba de Hipótesis y Toma de Decisiones  Con la conclusión de “No rechazar H0". Notas de clase elaboradas por el Prof. Lima. .  Por lo general.

Tomás Minauro L. 4. Formular la hipótesis nula y alternativa. Utilizando la distribución muestral de X y valores de  que satisfagan la hipótesis alternativa. Use el nivel de significación a y con el estadístico de prueba correspondiente. Herramientas Estadísticas 27 x Cálculo de P(Error tipo II)  en Pruebas para la media poblacional 1. 3. determine el valor crítico y la regla de rechazo de la prueba. Con el valor crítico hallado en 2. 2015. la probabilidad de cometer error tipo II para dichos niveles de ) Notas de clase elaboradas por el Prof. indicar los valores de la media muestral que conducen a la aceptación de H0. lo que se define como región de aceptación. . (Esto es. 2. calcular la probabilidad de que la media muestral estará en la región de aceptación. Lima.

Notas de clase elaboradas por el Prof. Herramientas Estadísticas 28 Calculo de la Probabilidad de Cometer Error Tipo II Ejemplo: Medihelp Recordemos que se había recogido el tiempo de respuesta a emergencias médicas para una muestra de tamaño 40. El director médico del servicio deseaba plantear una prueba de hipótesis. .2 minutos. Tomás Minauro L. con un nivel de significación adecuado que demostrara si se cumple o no la meta de responder a toda emergencia antes de los 12 minutos. 2015.25 minutos. La media muestral fue de 13. Y que se tiene el conocimiento de que desviación estándar de la población es de 3. Lima.

Por lo tanto: Si X < 12. s = 3. Lima. 0 = 12 y n = 40 entonces el Valor Crítico es 12. Tomás Minauro L.832 entonces NO Rechazar H0 Notas de clase elaboradas por el Prof. H0:  < 12 Ha:  > 12 2.2. 2015. Herramientas Estadísticas 29 Calculo de la Probabilidad de Cometer Error Tipo II Ejemplo: Medihelp 1. . Para a = 0.8322. Formular las hipótesis nula y alternativa.05.832 entonces Rechazar H0 3. Regla: Si X > 12.

0 0. Lima.6 0.5254 0. Herramientas Estadísticas 30 Calculo de la Probabilidad de Cometer Error Tipo II Ejemplo: Medihelp 4.4 0.0001 0.5000 0.4746 12. Tomás Minauro L.9500 0.1965 12.5000 12. Las probabilidades  de cometer Error Tipo II serían: Valores de   (1-) 14.0646 0.8 0.9354 13.0105 0.8322 0.7663 12.9895 13.8035 0.2 0. 2015.0500 Notas de clase elaboradas por el Prof. .2337 0.

. Ejemplo:  = 12.  = . Ejemplo:  = 14. Tomás Minauro L.9500  Cuando la verdadera media de la población es muy superior al valor de la hipótesis nula.  = . Herramientas Estadísticas 31 Calculo de la Probabilidad de Cometer Error Tipo II Observaciones sobre la tabla anterior:  Cuando la verdadera media de la población se encuentra cerca del valor de la hipótesis nula. Lima.0104 Notas de clase elaboradas por el Prof.0001. hay una alta probabilidad de cometer error tipo II. 2015.0. hay una baja probabilidad de cometer error tipo II.

se llama curva de potencia.) Notas de clase elaboradas por el Prof. Tomás Minauro L.  Para cualquier valor particular de . . (Vea la siguiente diapositiva. el poder es (1. Herramientas Estadísticas 32 Poder de la Prueba  El poder de la prueba es la probabilidad de Rechazar Correctamente H0 cuando es falsa. 2015. Lima.).  Un gráfico que muestra el poder asociado a cada valor de .

90 Probabilidad de Rechazar 0.0 12.70 H0 Falsa 0.00  11.40 0. 2015.5 13.20 0.10 0.5 Notas de clase elaboradas por el Prof.80 0. Herramientas Estadísticas 33 Curva de Poder 1. .5 12.0 13.30 0.60 0.50 0.0 14. Tomás Minauro L.00 Correctamente H0 cuando es falsa 0. Lima.5 14.

Herramientas Estadísticas 34 Comparación de Medias • Estimación de la Diferencia entre las medias de dos poblaciones: Muestras Independientes • Pruebas de Hipótesis acerca de la Diferencia entre las medias de dos poblaciones: Muestras Independientes • Inferencias acerca de la Diferencia entre las medias de dos poblaciones: Muestras Pareadas Notas de clase elaboradas por el Prof. Tomás Minauro L. 2015. Lima. .

2015. Tomás Minauro L. Herramientas Estadísticas 35 Estimación de la Diferencia entre las medias de dos poblaciones: Muestras Independientes  Estimador puntual de la Diferencia entre las medias de dos poblaciones  Distribución muestral de X1 – X2  Estimación por Intervalo de  Muestras grandes  Estimación por Intervalo de  Muestras pequeñas Notas de clase elaboradas por el Prof. . Lima.

. seleccionamos una muestra simple aleatoria de tamaño n1 de la población 1 y otra similar de tamaño n2 de la población 2.  Para estimar 1 . Tomás Minauro L.  El Estimador puntual de la Diferencia entre las medias de dos poblaciones es X1 – X2.  Sean X1 la media de la muestra 1 y X2 la de la muestra 2. Notas de clase elaboradas por el Prof. Lima. Herramientas Estadísticas 36 Estimador puntual de la Diferencia entre las medias de dos poblaciones  Sean 1 la media de la población 1 y 2 la media de la población 2.2. 2015.  La diferencia entre las medias de las poblaciones es 1 .2.

Herramientas Estadísticas 37 Distribución muestral de X1 – X2 Valor Esperado E(X1 – X2) = 1 – 2 Desviación Estándar s (X1 – X2) = s12 s 22 + n1 n2 donde: s1 = desviación estándar de la población 1 s2 = desviación estándar de la población 2 n1 = tamaño de la muestra de la población 1 n2 = tamaño de la muestra de la población 2 Notas de clase elaboradas por el Prof. Lima. Tomás Minauro L. 2015. .

Lima.2 Población 1 Población 2 1 = saldo promedio de 2 = saldo promedio de tarjetas de crédito tarjetas de crédito en la Sucursal 1 en la Sucursal 2 1 – 2 = diferencia entre los saldos medios Muestra aleatoria simple de n1 Muestra aleatoria simple de n2 tarjeta habientes. 2015. X1 = saldo medio de la muestra X2 = saldo medio de la muestra de la sucursal 1 de la sucursal 2 (X1 – X2) = Estimador puntual de 1 – 2 Notas de clase elaboradas por el Prof. Tomás Minauro L. Herramientas Estadísticas 38 Estimación por Intervalo de 1. . tarjeta habientes.

2: Caso de SIGMAs conocidos • Estimación por Intervalo con s1 y s2 conocidos (X1 – X2 ) + Za/2 s (X1 – X2) donde: (1 – a) es el nivel de confianza Notas de clase elaboradas por el Prof. . Lima. Herramientas Estadísticas 39 Estimación por Intervalo de 1 . Tomás Minauro L. 2015.

2015.2: Caso de SIGMAs conocidos Ejemplo: Banco de Río. Lima. El Banco de Río desea estimar la diferencia entre las medias de los saldos de tarjetas de crédito de dos de sus sucursales. . Herramientas Estadísticas 40 Estimación por Intervalo de 1 . Unas muestras aleatorias independientes de tarjeta habientes generaron los siguientes resultados: Sucursal 1 Sucursal 2 n1 = 32 n2 = 36 X1 = $500 X2 = $375 s1 = $150 s2 = $130 Notas de clase elaboradas por el Prof. Tomás Minauro L.

. 2015. Lima. Herramientas Estadísticas 41 Estimación por Intervalo de 1 .2: Caso de SIGMAs DESconocidos Suponiendo que s12 = s22 = s2 (X1 – X2 ) + ta/2 S(X1 – X2) donde: 1 1 S(X1 – X2) = S 2 ( + ) n1 n 2 (n1-1) S12 + (n2-1) S22 S2= (n1 +n2 – 2) Notas de clase elaboradas por el Prof. Tomás Minauro L.

Tomás Minauro L. . Herramientas Estadísticas 42 Prueba de Hipótesis acerca de la Diferencia entre las medias de dos poblaciones: Muestras Independientes Hipótesis: H0 : 1 – 2 > 0 H0 : 1 – 2 < 0 Ha : 1 – 2 < 0 Ha : 1 – 2 > 0 Cola izquierda Cola derecha Notas de clase elaboradas por el Prof. Lima. 2015.

2015. Lima. . Herramientas Estadísticas 43 Inferencia acerca de la Diferencia entre medias Dos poblaciones: Muestras Pareadas  Con un diseño de muestra pareada cada elemento muestreado provee un par de datos  Este diseño nos lleva generalmente a errores muestrales menores que en el caso de muestras independientes ya que eliminamos la variación entre muestras como fuente de error. Notas de clase elaboradas por el Prof. Tomás Minauro L.

Los datos se muestran en la tabla siguiente: Notas de clase elaboradas por el Prof. Lima. UPX (United Parcel Express) y INTEX (International Express). Herramientas Estadísticas 44 Inferencia acerca de la Diferencia entre medias Dos poblaciones: Muestras Pareadas Ejemplo: Reparto Express Una empresa con sede en Chicago tiene que hacer repartos rápidos de documentos a sus oficinas en diversos distritos. . Para decidir con cuál trabajar enviaron documentos a una muestra usando ambos servicios en simultáneo. La empresa debe decidir entre dos servicios de reparto. Tomás Minauro L. 2015.

. 2015. Louis 10 8 2 Milwaukee 7 9 -2 Denver 16 11 5 Notas de clase elaboradas por el Prof. Lima. Tomás Minauro L. Herramientas Estadísticas 45 Inferencia acerca de la Diferencia entre medias Dos poblaciones: Muestras Pareadas Tiempo de reparto (Horas) Oficina UPX INTEX Diferencia Seattle 32 25 7 Los Angeles 30 24 6 Boston 19 15 4 Cleveland 16 15 1 New York 15 13 2 Houston 18 15 3 Atlanta 14 15 -1 St.

. Tomás Minauro L. Herramientas Estadísticas 46 Inferencia acerca de la Diferencia entre medias Dos poblaciones: Muestras Pareadas Las hipótesis en este caso son: H0: d = 0 H1: d  0 Donde d = la media de la diferencia entre los valores de los tiempos empleados por ambos servicios en la población de oficinas distritales Notas de clase elaboradas por el Prof. Lima. 2015.

P2 Valor esperado E (P1 – P2) = p1 – p2 Desviación Estándar p1 * (1.p2) s(P = + 1 – P 2) n1 n2 donde: n1 = tamaño de muestra de la población 1 n2 = tamaño de muestra de la población 2 Notas de clase elaboradas por el Prof. Herramientas Estadísticas 47 Distribución Muestral de P1 . 2015. .p1) p2 * (1. Tomás Minauro L. Lima.

la distribución muestral de P1 – P2 se puede aproximar por la distribución normal. 2015.p2)> 5 Notas de clase elaboradas por el Prof.P2 Si los tamaños de muestra son grandes. Las muestras son grandes si se cumplen todas de las siguientes condiciones: n1*p1>5 n1 * (1.p1)> 5 n2*p2>5 n2 * (1. Tomás Minauro L. . Herramientas Estadísticas 48 Distribución Muestral de P1 . Lima.

Lima. Tomás Minauro L. . Herramientas Estadísticas 49 Distribución Muestral de P1 . 2015.P2 (p1 – p2) (P1 – P2) Notas de clase elaboradas por el Prof.

. Herramientas Estadísticas 50 Estimación por Intervalo de p1 . Lima. Tomás Minauro L.P1) P2 * (1.p2 Estimación por intervalo (P1 – P2 ) + Za/2 S(P 1 – P 2) Donde el estimado puntual de S(P es 1 – P 2) P1 * (1.P2) S(P = + 1 – P2) n1 n2 Notas de clase elaboradas por el Prof. 2015.

Lima. 2015.p2 Hipótesis H0: p1 – p2 < 0 H0: p1 – p2 > 0 H1: p1 – p2 > 0 H1: p1 – p2 < 0 Estadístico de 1 – P2) (Pprueba Z= S(P 1 – P 2) Notas de clase elaboradas por el Prof. Herramientas Estadísticas 51 Pruebas de Hipótesis para p1 . Tomás Minauro L. .

2015. Lima. Herramientas Estadísticas 52 Pruebas de Hipótesis para p1 . .p2 Estimador puntual de S(P si p1 = p2 1 – P 2) S(P P (1 – P) (1/n1+1/n2) 1 – P 2) = donde: (n1 P1 + n2 P2) P= (n1 + n2 ) Notas de clase elaboradas por el Prof. Tomás Minauro L.

1)s2/s 2 es una distribución chi-cuadrado siempre que se seleccione una muestra aleatoria de tamaño “n” de una población normal. . . Tomás Minauro L. •La distribución muestral de (n . Herramientas Estadísticas 53 Distribución Chi-cuadrado •Es la suma variables normales estándar como (z1)2 + (z2)2 + (z3)2 + . •Luego usamos esta distribución para desarrollar intervalos de confianza y realizar pruebas de hipótesis acerca de la Varianza de la población. Lima. . Notas de clase elaboradas por el Prof. y así. 2015.

Notas de clase elaboradas por el Prof.a es el nivel de confianza. Tomás Minauro L. Intervalo de confianza para s Calculando la raíz cuadrada de los límites inferior y superior del intervalo de confianza para la varianza de la población encontramos el intervalo de confianza para la desviación estándar de la población. 2015. Lima. . Herramientas Estadísticas 54 Intervalo de Confianza de s2 Intervalo de confianza para s 2 (n – 1) s2 (n – 1) s2 c2a/2 < s 2 < c2(  a/2) donde los valores de c2pertenecen a una distribución chi-cuadrado con n .1 grados de libertad y 1 .

2975 c. 2015.2025 Notas de clase elaboradas por el Prof. Tomás Minauro L.025 . . Lima.025 . Herramientas Estadísticas 55 Intervalo de Confianza de s2 •Distribución Chi-cuadrado con Áreas en la cola de .025 95% de los Posibles valores c2 c2 0 c.

. Lima. Herramientas Estadísticas 56 Prueba c2 para la varianza 1. Tomás Minauro L. Prueba de Hipótesis acerca del valor de la Varianza de una población 2. Y si no es Normal. La Población se distribuye Normalmente b. Supuestos a. puede Aproximarse por la Distribución Normal (n > 30) Notas de clase elaboradas por el Prof. 2015. Procedimiento de Prueba Paramétrico 3.

Herramientas Estadísticas 57 Prueba de Hipótesis Acerca de la Varianza de la Población Hipótesis H0: s2 < s20 H0: s2 > s20 H0: s2 = s20 H1: s2 > s20 H1: s2 < s20 H1: s2 = s20 Estadístico de prueba para los tres casos: c2C = (n – 1) s2 / s20 Notas de clase elaboradas por el Prof. Lima. 2015. Tomás Minauro L. .

Herramientas Estadísticas 58

Prueba F para la Diferencia entre Dos
Varianzas Poblacionales
1. Prueba de Diferencia entre 2 Varianzas de
Poblaciones Independientes
2. Procedimiento de Prueba Paramétrico
3. Supuestos
Ambas Poblaciones están distribuidas
Normalmente

Notas de clase elaboradas por el Prof. Tomás Minauro L. Lima, 2015.

Herramientas Estadísticas 59

Prueba F para la Diferencia entre
Dos Varianzas Poblacionales
1. Hipótesis
H0: s12 < s22 o H0: s12  s22
H1: s12 > s22 H1: s12  s22

2. Estadístico de Prueba
F = S12 /S22
Dos juegos de Grados de Libertad
gl1 = n1 - 1; gl2 = n2 - 1
Se distribuye como la F de Fisher

Notas de clase elaboradas por el Prof. Tomás Minauro L. Lima, 2015.

Herramientas Estadísticas 60

Ejemplo
Usted es un Analista de Mercado. Habrá diferencias
entre los ingresos (cientos de dólares) obtenidos por
dos segmentos de la población? Los Datos son:
Segmento A Segmento B
Numero 21 25
Media 3.27 2.53
Desv.Est. 1.30 1.16
Se puede decir que las Varianzas
son diferentes (a = 0.05)?

Notas de clase elaboradas por el Prof. Tomás Minauro L.© 1984-1994
Lima, 2015.
T/Maker Co.

30 2 F = = = 1.25 H1: s12 > s22 S2 2 1. . Tomás Minauro L.16 2 a = . Lima.05 varianzas son diferentes 0 1. Herramientas Estadísticas 61 Solución Estadístico de prueba: H0: s12 < s22 S 12 1.298 Conclusión: Rechazo NO hay evidencia de que las a= 0. 2015.05 Decisión: df1 = 20 df2 = 24 NO Rechazar Ho Valor p = 0.25 F Notas de clase elaboradas por el Prof.

Herramientas Estadísticas 62 Prueba de Bondad de Ajuste Prueba Chi Cuadrado Es una prueba no paramétrica que sirve para verificar la conveniencia de utilizar o no una determinada distribución de probabilidad. Notas de clase elaboradas por el Prof. Nos permite precisar hasta qué punto los datos que observamos encajan en una determinada distribución. Tomás Minauro L. Lima. Las hipótesis en este caso. . 2015. lo hacen a la forma de la distribución de los datos. no se refieren a ningún parámetro.

999 1000 .499 500 .1999 2000 . . Herramientas Estadísticas 63 Prueba de Bondad de Ajuste Ejemplo Un banco desea planear la cantidad de efectivo que debe mantener en bóveda. 2015. Tomás Minauro L. Lima.2499 2500 a más Frecuencia 18 35 62 65 28 17 ¿Es adecuada la afirmación del gerente? Notas de clase elaboradas por el Prof. Para verificar esta afirmación se reunió la siguiente información: Depósito 0 . Para esto el gerente afirma que los depósitos de un cliente se distribuyen normalmente con media $1500 y desviación estándar de $600.1499 1500 .

.fo)2 cC =  fe Notas de clase elaboradas por el Prof. Herramientas Estadísticas 64 Prueba de Bondad de Ajuste H0: No hay diferencias entre las frecuencias observadas y las esperadas. H1: Si hay diferencias (fe . Cualquier diferencia se atribuye sólo al azar. 2015. Lima. Tomás Minauro L.

98 4.81% Notas de clase elaboradas por el Prof. 2015.499 18 10.32 2500 a más 17 10.98 0.cuadrado = 10.25 4.77 1. Herramientas Estadísticas 65 Ejemplo Depósito fo fe (fe . Lima.999 35 34. Tomás Minauro L.77 6.77 -0.37 1500 .00 1000 .98 0.26 Chi.98 1.26 Valor p = 6.2499 28 34. .1999 65 66.25 3.06 2000 .1499 62 66.fo) (fe .63 Total 225 225 10.75 -6.23 0.88 500 .fo)2/fe 0 .75 -7.

Herramientas Estadísticas 66 Distribución c2 Limitación Este estadístico nos puede llevar a conclusiones erradas si hay un número pequeño de frecuencia esperada en algunas celdas. . 2015. Notas de clase elaboradas por el Prof. La regla dice que si hay más del 25% de las celdas con frecuencias esperadas menores a 5. Lima. esta prueba no es apropiada. Tomás Minauro L.

2015. Lima. Notas de clase elaboradas por el Prof. . una para cada variable. Está constituida por renglones y columnas. Herramientas Estadísticas 67 Prueba de Hipótesis: Una Prueba de Independencia Tabla de Contingencia Es una clasificación de datos considerando dos variables nominales u ordinales. Tomás Minauro L.

Lima. 2015. Un estudio que divide la ciudad en cuatro regiones arrojo los resultados de la tabla. Tiene razones para estar preocupado? Región1 Región2 Región3 Región4 Total Compran la marca 44 55 46 64 209 No compran 56 45 54 36 191 Total 100 100 100 100 400 Notas de clase elaboradas por el Prof. . Herramientas Estadísticas 68 Prueba de Hipótesis: Una Prueba de Independencia Ejemplo Un gerente de marca está preocupado porque su participación de mercado no es la misma en toda la ciudad. Tomás Minauro L.

. Lima. Frec. 2015. (fe . Tomás Minauro L.fo)2 cC =  fe (total renglón) (total columna) Donde. Herramientas Estadísticas 69 Prueba de Hipótesis: Una Prueba de Independencia H0: No existe relación entre las variables.Esperada = Gran Total Notas de clase elaboradas por el Prof. H1: Si existe relación entre las variables.