eae Contrastes de hipotesis de una poblacion Eaten eae) 8.1. Conceptos del contraste de hipstesis 9.5. Valoracién de la potencia de un contraste 9.2. Contrastes de la media de una distribucién Contrastes de la media de una distribucién normal: varianza poblacional conocida ‘normal: variable poblacional conocida p-valor Potencia de los contrastes de proporciones Hipétesis alternativa bilateral poblacionales (grandes muestras) 9.3. Contrastes de la media de una distribuci6n 9.6. Contrastes de la varianza de una normal: varianza poblacional desconocida distribucién normal 9.4. Contrastes de la proporcién poblacional (grandes muestras) Introduccién En este capitulo, desarrollamos métodos para contrastar hipétesis que nos permiten contrastar la validez de una conjetura 0 de una afirmacién utiizando datos muestrales. Este tipo de inferencia contrasta con los métodos de estimacién desarrollados en los Capitulos 7 y 8 y los complementa. El proceso comienza cuando un invastigador formula una hipétesis sobre la naturaleza de una pobla- Cién, La formulacién de esta hipétesis implica claramente la eleccién entre dos opciones; a conti- ‘uacién, al investigador selecciona una de las opciones basdndose en los resultados de un estadis- tico calculado a partir de una muestra aleatoria de datos. He aqui algunos ejemplos de problemas representativos: 1. Cereales Malteados, S.A, fabricante de cereales de desayuno, sostiene que sus cajas de cereale posan, en promodio, al menos 16 onzas y, por tanto, no pesan menos de 16 onzas. La empresa puode contrastar esta afirmacién recogiendo una muestra aleatoria de cajas de Cereales, pesando cada una de ellas y calculando la media muestral de los pesos a partir de los datos. 2. Un fabricante de piezas de automévil quiere verificar su proceso de produccién para garanti Zar que el diémetro de los pistones cumple las especificaciones sobre tolerancia. Podria ‘obtener muestras aleatorias de la linea de produccién cada dos horas y utlizarias para ave- riguar si estan cumpliéndose las normas. Estos ejempios indican un método estandar. Formulamos una hipétesis sobre un parametro po- blacional y, a continuacién, recogomos datos muestrales para contrastar la validez de nuestra hipé- tesis,954 — Estadistica para administracion y economia 9.1. Conceptos del contraste de hipdtesis Aqui presentamos un modelo general para contrastar hipétesis. En primer lugar, como hemos setalado an- tes, tenemos que definir dos alternativas que cubran todos los resultados posibles. A continuacién, utilizan- do estadisticos calculados a partir de muestras aleatorias, seleccionamos una de las dos alternativas. Dado que estos estadisticos tienen una distribucién en el muestreo, tomamos nuestra decisién en presencia de una cierta variacién aleatoria. Por tanto, necesitamos unas reglas claras de decisién para clegir entre las dos alternativas. Los estadisticos muestrales no pueden utilizarse, en general, para «demostrar» de wna manera absoluta que una de las dos alternativas es correcta. Sin embargo, podemos observar que una de las altemna- tivas tiene muy pocas probabilidades de ser correcta. Por tanto, como consecuencia seleccionarfamos la otra alternativa, Este método es el proceso fundamental de toma de decisiones que se utiliza en la investiga- ci6n cientifica. El término contraste «contrafactual> se utiliza habitualmente para definir este proceso de decisién. Existe una analogfa directa entre el proceso que desarrollamos aqui y un juicio con jurado. Una persona acusada de un delito es inocente o culpable. En un juicio con jurado, suponemos iniciaimente que el acusa- do es inocente y cl jurado decidiré que una persona es culpable solo si existen pruebas muy contundentes en contra de la presuncién de inocencia. Es decir, el jurado rechazarfa e1 supuesto inicial de inocencia. Ese Proceso para elegir entre la culpabilidad y la inocencia tiene las siguientes caracterfsticas 1. Rigurosos procedimientos o reglas para presentar y evaluar la evidencia. 2. Un juez para aplicar las reglas. 3. Un proceso de decision que supone que el acusado es inocente a menos que existan pruebas que demuestren su culpahilidad més alld de una duda razonable Obsérvese que este proceso no condenaré a algunas personas que, en realidad, son culpables. Pero si se rechaza la inocencia de una persona y se la halla culpable, tenemos pruebas contundentes de que es cul- pable. ‘Comenzamos el método del contraste de hipstesis considerando un valor de un parémetro de la distribu- ci6n de probabilidad de una poblacién como la media, , la varianza, ¢°, 0 la proporciGn, P. Nuestro méto- do empieza con una hipétesis sobre el parémetro —llamada hipétesis nula— que mantendremos a menos {que existan pruchas contundentes en contra de ella. Si rechazamos la hipétesis nula, entonces aceptaremos la segunda hipétesis, llamada hipétesis alternativa. Sin embargo, si no rechazamos la hipétesis nula, no podemos concluir necesariamente que es correcta. Si no la rechazamos, o bien es correcta la hipstesis nula, © bien es correcta la hipétesis alternativa, pero nuestro método de contraste no es suficientemente fuerte para rechazar la hip6tesis nula, Utilizando nuestro ejemplo del fabricante de cereales, podrfamos comenzar suponiendo que el peso me- dio de las cajas es exactamente de 16 onzas, por lo que nuestra hipdtesis nula es: Ho: = 16 Una hipétesis, ya sea nula o altemativa, puede especificar un tinico valor —en este caso, = 16— para el parémetro pobiacional 1. Decimos que esta hipétesis es una hipétesis simple, que se lee de la siguiente ‘manera: la hipétesis nula es que el parémetro poblacional y« ¢s igual a un valor especitico de 16. En este ejemplo de los cereales, una hipstesis alternativa posible es que el peso medio de las cajas se encuentra en tun rango de valores superiores a 16 onzas: Hy:e>16 Esta hipstesis alternativa se llama hipétesis alternativa compuesta unilateral. Otra posibilidad seria con- trastar la hipstesis nula frente a la hipétesis alternativa compuesta bilateral: Hye 16Contrastes de hipotesis de na poblacién 388 legimos estas hipdtesis de manera que una 0 la otra tenga que ser verdadera. En este libro, representamos la hipstesis nula por medio del simbolo Hg y la hipdtesis alternativa por medio del simbolo H, Al igual que ocurre en un juicio con jurado, seguimos un riguroso método para elegir una hipotesis o la ‘tra, Utilizamos un estadistico calculado a partir de una muestra aleatoria, como una media muestral, x, una varianza muestral, s?, 0 una proporcién muestral, El estadistico tendrd una distribucién en el muestreo conocida, basada en el método de muestreo y el valor del pardmetro especificado por la hipstesis nula, A partir de esta distribucién en el muestreo, hailamos los valores del estadistico que tienen una pequela pro- babilidad de ocurrir si la hipdtesis nula es verdadera, Si el estadistico tiene un valor que tiene una pequefia probabilidad de ocurrir cuando la hipstesis nula es verdadera, rechazamos la hip6tesis nula y aceptamos la hip6tesis alternativa. Sin embargo, si el estadistico no tiene una pequefia probabilidad de ocurrir cuando la hip6tesis nula es verdadera, no rechazamos la hipdtesis nula, La especificacién de la hipdtesis mula y de la hipotesis altemativa depende del problema, como indican los siguientes ejemplos. 1. A Cereales Maltcados le gustarfa que el peso medio de las cajas fuera mayor de lo que estas indi- can, Sea 1 el peso medio poblacional (en onzas) de los cereales por caja. La hipétesis nula com- puesta es que esta media es de 16 on Hy S16 y la alternativa evidente es que el peso medio es de mas de 16 onzas: Hyin > 16 En este problema, buscariamos prucbas contundentes de que e! peso medio de las cajas no es infe- rior 0 igual a 16 onzas y, por tanto, es superior a 16 onzas. La empresa quiere evitar que se empren- dan acciones legales contra ella o que los clientes estén insatisfechos porque el peso de las cajas sea ajo. Tendria confianza en su conclusién —eso significa que el peso de las cajas es de mas de 16 ‘onzas— si tuviera pruebas contundentes que permitieran rechazar Ho, 2. Una fabrica de pistones para automéviles ha propuesto un proceso para controlar periédicamente el dismetro de los pistones. Cada dos horas se seleccionarfa una muestra aleatoria dem = 6 pistones del proceso de produccidn y se medirfan sus didmetros. Se calcularia el didmetro medio de los seis pistones y se utilizarfa para contrastar la hipdtesis nula simple: 3,800 Ho: frente a la hipétesis alterativa: Hy24 # 3,800 En este ejemplo, no se puede utilizar un pistén que sea demasiado grande o demasiado pequetto. La empresa continuarfa produciendo a menos que se rechazara ta hip6tesis nula en favor de la hip6tesis altemativa, Se rechazarfa si la media muestral tuviera un valor bajo 0 un valor alto, cualquiera de los cuales tendria una pequefia probabilidad de ocurrir si Ia hipétesis nula —el didmetro de los pistones es igual a 3,800— fuera verdadera. La existencia de pruebas contundentes de que los pistones no estén cumpliendo las normas de tolerancia Hevaria a interrumpir el proceso de produccién. Una vez que hemos especificado Ia hipdtesis nula y la hipstesis alternativa y hemos recogide datos muestrales, debemos tomar una decisién sobre la hipétesis nula. Podemos rechazarla y aceptar la hipstesis altemativa o no rechazarla, Hay buenas razones por las que muchos estadfsticos prefieren no decir «acepta- ‘mos la hipétesis nulay; en lugar de eso, dicen «no rechazamos la hipdtesis nula». Cuando no rechazamos la hipotesis nula, 0 bien esta es verdadera, o bien nuestro método de contraste no es suficientemente fuerte para rechazarla y hemos cometido un error. Para seleccionar la hip6tesis —nula 0 alternativa— desarrolla- ‘mos una regla de decisién basada en la evidencia muestral. Mas adelante en este capitulo, presentamos reglas de decisién especificas para varios problemas. En muchos casos, la forma de la regla es bastanteEstadistica para administracion y economia obvia. Para contrastar la hip6tesis nula de que el peso medio de las cajas de cereales es como maximo de 16 conzas, obtenemos una muestra aleatoria de cajas y calculamos la media muestral. Si la media muestrl es considerablemente superior a 16 onzas, podemos rechazar la hipdtesis nula y aceptar la hip6tesis alternati- va, En general, cuanto més por encima de 16 se encuentre la media muestral, mayor seré la probabilidad de rechazar la hip6tesis nula. Mas adelante desarrollamos reglas de decisiGn especificas. En nuestro andlisis de las distribuciones en el muestreo del Capitulo 6, vimos que la media muestral es diferente de a media poblacional. Con una media muestral solamente, no podemos estar seguros del valor de la media poblacional. Por tanto, sabemos que la regla de decisién adoptada tiene alguna probabilidad de extraer una conclusién errénea. La Tabla 9.1 resume los tipos posibles de error. El error de Tipo I cs la probabilidad de rechazar la hipstesis nula cuando esta es verdadera, Definiremos nuestra regla de decisién de tal forma que la probabilidad de rechazar una hipétesis nula verdadera, representada por 2, sea «peque- iia». 2 es el nivel de significacién del contraste. La probabilidad de no rechazar la hipétesis nula cuando es verdadera es (1 ~ 2). Tambign existe otro error posible, llamado error de Tipo II, que se comete cuando no se rechaza una hipétesis nula falsa. En una regla de decisidn especifica, la probabilidad de cometer ese error cuando a hipdtesis nula es falsa se representa por medio de . La probabilidad de rechazar una hip6- tesis nula falsa es (1 ~ fi) y se denomina potencia del contraste. Tabla 9.1. Estados de la naturaleza y decisiones sobre la hip6tesis nula, con las probabilidades de tomar las decisiones, dados los estados de ta naturaleza Estados de Ia naturaleza Decisiones sobre Ta hipétesis mula iP6tesis mula es verdadera La hipétests muta es falsa No rechazar Hy Decision correcta Error de Tipo t Probabilidad = 1 — « Probabilidad = 6 Rechazar Ho Error de Tipo 1 Decisi6n correcta Probabitidad = Probabilidad = 1 — 6 (ase Hama nivel (= Bse llama potencia del contraste) Tlustraremos estas ideas por medio del ejemplo anterior. El director de una fabrica esté tratando de ave riguar si la media poblacional del peso de las cajas €s mayor de lo que indican estas. La hipstesis nula es que en 1a poblacién el peso medio de las cajas es inferior o igual al de 16 onzas que indican estas. Se contrasta esta hipstesis nula frente a la hipdtesis altemativa de que el peso medio de las cajas es de mas de 16 onzas. Para contrastar la hip6tesis, tomamos una muestra aleatoria independiente de cajas de cereales y calculamos la media muestral. Si esta es muy superior a 16 onzas, rechazamos la hip6tesis nula. En caso contrario, no la rechazamos. Sea ¥ la media muestral. Una regla de decisién posible es rechazar Hy si ¥ > 16,13 ‘Supongamos ahora que la hip6tesis nula es verdadera, Podriamos observar, atin asf, que la media mux tral es superior a 16,13 y, segin nuestra regla de decisidn, la hipdtesis nula se rechazarfa, En ese caso, habriamos cometido un error de Tipo I. La probabilidad de rechazo cuando la hipdtesis nula es verdadera es el nivel de significacién a. Supongamos, por el contrario, que la hipétesis nula es falsa y que la media poblacional del peso de las cajas es de mas de 16. Podriamos observar, atin asf, que la media muestral es inferior a 16,13 y, segiin nuestra regla de decisiGn, la hipstesis nula no se rechazarfa. Por tanto, habriamos cometido un error de Tipo Il. La probabilidad de cometer ese error dependera de la cuantfa exacta en que la media poblacional sea superior a 16, Veremos que es més probable que se rechace la hipstesis mula, dado el tamaio de la muestra, sila media poblacional es 16,5 que si es 16,1.Contrastes de hipotesis de una poblacién 387. En teoria, nos gustaria que las probabilidades de los dos tipos de error fueran lo més pequeas posibles. Sin embargo, existe una disyuntiva entre las probabilidades de los dos tipos de errores. Dada una muestra, cualquier redueciGn de la probabilidad de cometer un error de Tipo I, 2, provocard un aumento de la proba- bilidad de cometer un error de Tipo I, f, y viceversa, Debemos hacer hineapié aqui en que no existe una sustitucidn lineal directa (por ejemplo, una reduccién de x de 0,02 normalmente no da como resultado un aumento de f de 0,02). Por tanto, en el ejemplo anterior, la probabilidad de cometer un error de Tipo I, a, se podria reducir cambiando la regla de decisi6n por: rechazar Hy si § > 16,23 Pero es mas probable que no se rechace Ia hipétesis nula, aunque sea falsa, Como consecuencia, aumentaria la probabilidad de cometer un error de Tipo HI, f. En la practica, seleccionamos una pequefia probabilidad de cometer un error de Tipo I (por ejemplo, de menos de 0,10) y utilizamos esa probabilidad para formular la regia de decisi6n. A continuacién, hallamos la probabitidad de cometer un error de Tipo HI, como mues- tra la Figura 9.1 Elinvestigndor eige el rivet Se formula ta Probabilidad de come de sigricacien (prababiidad am oy Pepa danenedcalarciniea ys rogla do decision ‘un errr de Tipo It Figura 9.1. Consecuencias de la fijacién del nivel de significacién de un contraste. Supongamos que el director de la fbrica quiere averiguar si el verdadero peso medio de las cajas de cereales es de mas de 16 onzas. Comenzaria el andlisis fijando primero la probabilidad de cometer un error de Tipo I, lo cual es en cierto sentido como decidir las reglas de un partido de béisbol o de futbol antes de que comience en lugar de ir estableciendo las reglas a medida que se juega el partido. Tras analizar la naturaleza del proceso de decisién, podria decidir que la regla de decisién debe tener una probabilidad de 0.05 o menos de rechazar la hipétesis nula cuando es verdadera, Lo harfa seleceionando un niimero apropiado, ¥,, de acuerdo con la siguiente regla de decisién: rechaz: esis ula si la media muestral ces superior a1, on7as». En los apartados siguientes, explicamos el método para elegir x. Una ver elegido el miimero ¥., se puede calcular la prohabilidad de cometer un error de Tipo II —para un valor de j1 incluido en Hy— utilizando los métodos que desarrollamos en el Apartado 9 ‘Otro concepto que se utiliza en el contraste de hipstesis es la potencia del contraste, que es la probabili- dad de rechazar Hy cuando H, es verdadera. Se calcula para valores especificos de 4 que satisfacen la hipdtesis nula, La potencia normalmente es diferente para cada valor de .. Consideremos el problema de los cereales, en el que Hyin = 16 Hy:u> 16 Asi, para cualquier valor de jt contenido en la hipstesis nula, M, Potencia = P (rechazar Holst, (11 = H,)) Dado que la regla de decisi6n depende del nivel de significacién elegido para el contraste, el concepto de potencia no afecta directamente a la decision de rechazar 0 no rechazar una hip6tesis nula. Sin embargo, calculando la potencia del contraste para niveles de significacién y valores de j1 especificos incluidos en H,, tendremos valiosa informacién sobre las propiedades de la regla de decisi6n. Por ejemplo, veremos que aumentando el tamafo de la muestra, la potencia del contraste aumentaré para un nivel dado de signifiea- cidn, 2. Por tanto, sopesaremos el incremento de los costes que implica un aumento del tamafio de la mues- ta y los beneficios de aumentar la potencia del contraste. El edlculo de la potencia también es itil cuando, dado el tamafio de la muestra, podemos elegir entre dos 0 mas contrastes que tienen los mismos niveles de significacion. En ese caso, serfa adecuado elegir el contraste que tenga la menor probabilidad de cometer un error de Tipo Il, es decir, el contraste que tenga la mayor potencia.Estadistica para admintstracion y economéa En los Apartados 9.2 a 9.4, mostramos como se pueden formular reglas de decisién, dados unos niveles de significacién, para algunas clases importantes de problemas de contraste de hipétesis. En el 9.5, mostra- mos cmo se puede calcular la potencia de un contraste. A continuacién, resumimos los términos y las ideas importantes que hemos presentado hasta ahora. Resumen de la terminologia del contraste de hiptesis Hipétesis nula, 1: hipétesis que se mantiene que es verdadera, a menos que se obtenga suficiente ‘evidencia en contra, Hipdtesis altornativa, 1: hipétesis frente a la que se contrasta la hipétesis nula y que se mantiene que es verdadera si se declara que la hipétesis nula es falsa. en hipdtesis que especitica un tinico valor para un parémetro poblacional de interés. Hipstesis compuesta: hipétesis que especifica un rango de valores para un pardmetro poblacional. Hipdtesis alternativa unilateral: hipdtesis alternativa que implica todos los valores posibles de un pa- rémetro poblacional a un lado 0 al otro (es decir, mayores o menores que) del valor especificado por una hipétesis nula simple. Hipdtesis altemativa bilateral: hipdtesis alternativa que implica todos los valores posibles de un pa- rémetro poblacional distintos del valor especificado por una hipdtesis nula simple (es decir, tanto mayo- res como menores que este valor). Decisiones de un contraste de hipdtesis: se formula una regia de decisién que lleva al investigador a rechazar o a no rechazar la hip6tesis nula baséndose en la evidencia muestral. Error de Tipo |: rechazo de una hipdtesis nula verdadera. Error de Tipo il: aceptacién de una hipdtesis nula falsa. ‘Nivel de significacién: probabilidad z de rechazar una hipstesis nula que es verdadera. Esta proba- bilidad a veces se expresa en porcentaje, por lo que un contraste de nivel de significacion a se denomi- ‘na contraste de nivel (1002)% (por ejemplo, cuando 2 ~ 0,05, tenemos un contraste de nivel 5 %. Potencia: probabilidad de rechazar una hipétesis nula que es falsa. En los resimenes formales de los resultados de los contrastes, utilizamos los términos rechacar y no rechazar posibles decisiones sobre una hipétesis ula, Veremos que estos términos no reflejan correcta ‘mente la asimetrfa de los estatus de hipdtesis nula e hipstesis altemnativa 0 las consecuencias de un método en el que el nivel de significacién es fijo y la probabilidad de cometer un error de Tipo I no se controla, La hipétesis nula tiene el estatus de una hipstesis que se mantiene —que se sostiene que es verdadera— a ‘menos que los datos contengan prucbas contundentes para rechazarla. Fijando un bajo nivel de significa cidn, 2, tenemos una pequefla probabilidad de rechazar una hipétesis nula verdadera. Cuando la rechaza- ‘mos, la probabilidad de cometer un error es el nivel de significacién, a. Pero si solo hay una pequefia mues- tra, rechazamos la hipdtesis nula solamente cuando es totalmente errénea, A medida que aumentamos el tamafo de la muestra, también aumenta la probabilidad de rechazar una hipstesis mula alsa. Pero si no se rechaza una hipétesis nula, es mucha mayor la incertidumbre, ya que no sabemos cual es la probabilidad de cometer un error de Tipo UI, Por tanto, si no rechazamos una hipstesis nula, o bien es verdadera, 0 bien nuestro método para detectar una hipstesis nula falsa no tiene suficiente potencia, por ejemplo, e! tamaiio de la muestra es demasiado pequefio. Cuando rechazamos la hipstesis nula, tenemos pruebas contundentes de que no es verdadera y. por tanto, de que la hipétesis alternativa es verdadera. Si buscamos pruebas con- tundentes a favor de un determinado resultado, ese resultado es la hipétesis alternativa, H,, y el otro es la hipétesis nula, Hy, Se denomina argumento contrafactual. Cuando rechazamos Ho, existen pruebas con- tundentes a favor de H, y estamos seguros de que nuestra decisién es correcta, Pero si no rechazamos Ho. tenemos una gran incertidumbre. En los siguientes apartados, vemos muchas aplicaciones de esta idea La analogia con un juicio es evidente. El acusado goza de la presuncién de inocencia (la hipétesis nula) 4 menos que existan pruebas contundentes que indiquen que es culpable mas alld de una duda razonable (rechazo de la hip6tesis nula). El acusado puede ser declarado inocente hien porque lo es, bien porque las pruebas no son lo bastante poderosas para condenarlo. La carga de la prucba esti en los datos muestrales.Contrastes de hipotesis de una poblacion 389 Ejercicios Ejercicios basicos 9.5. El director de una sucursal de ou. 92. 93. bbanco intemacional de Kuala Lumpur (Malasia) ha re los altos ejecutivos de Ia oficina central del banco en el sayuno tiene al menos un 20 % de todo el mercado. For- cl tiempo medio que esperan los clientes para ser atendi- mule la hipstesis nula y la hipdtesis alternativa utilizando dos por un cajero no supera los cinco minutos. Desde que nuevos métodos operativos han reducido el porcentaje de Sera Beer ee et mncat de ees Maria. Amaldo quiere utilizar los resultados de un estudio de mercado basado en una muestra aleatoria para buscar El banco central esté reunido para decidir si haja 0 no los tipos de interés para estimular el crecimiento econsmico, Formule la hipstesis nula y la hipdtesis alternativa sobre el crecimiento econmico que formularta el baneo central para tomar su decisién, nciales que se cele Ejercicios aplicados nalmente la victoria de George W. Bush frente a Al Gore, oa. afirmando que no era adecuado contar manualmente los votos que habfan sido rechazados por las méquinas de vo- tar en varios condados. En ese momento, Bush tenfa una Pequea ventaja basada en los votos que se habfan conta- do, Imagine que fuera un abogado de Al Gore, Formule su hipstesis nula y su hipstesis alternativa sobre los totales poblacionales de votos de cada candidato. Dadas sus hipstesis, ,que dirfa sobre los resultados del recuento pro- puesto si se hubiera realizado realmente? En ef Reino Unido, algunos. grupos de automovilistas quieren que se eleve el limite de velocidad en las auto tas; sostienen que no serfa peligroso y permitirfa a los automovilistas Hegar antes a su destino. Sin embargo, al- _gunos grupos preacupados por la seguridad en las carrete- ras alirman que ta velocidad puede ser un factor en los accidentes y creen que seria peligroso aumentar el Himite de velocidad existente. a. Formule Ia hipstesis nulay la hipétesis alt desde la perspectiva de ls grupos de automovili b, Formule li hipétesis ula y la hipstesis.alternatiy desde la perspectiva de los grupos preocupados por la seguridad en las earreteras, 9.2. Contrastes de la media de una distribuci6n normal: varlanza poblacional conocida En este apartado, presontamos contrastes de ka media de una distribucién normal (varianza poblacio- nal conocida) que se pueden aplicar a problemas empresariales y econémicos. Utilizamos una muestra aleatoria de n observaciones que siguen una distribuciGn normal x),.X3. .. %, procedentes de una poblacién de media yy de varianza 0° conocida, Contrastaremos una hipstesis sobre lt media poblacional desconoci- da. Mas adelante abandonaremos en muchos casos nuestro supuesto de 1a normatidad debido al teorema del limite central ‘nel anélisis del contraste de hipdtesis del Apartado 9.1, hemos sefialado que si se rechaza una hipdte- sis nula utilizando un contraste con un nivel de significacidn a, se conoce la probabilidad de cometer un este caso, o bien la decisisn es correcta, © bien hemos cometido un error de Tipo I. Pero si no 6tesis nula, no sabemos cudl es la probabilidad de cometer un error. Por tanto, tenemos rechavamos una3960 —_Estadistica para administracion y economia pruebas contundentes para apoyar una postura especifica si elegimos la hiptesis nula y la hipotesis alterna tiva de tal manera que el rechazo de Ia hipstesis nula y la aceplacién de la hipétesis alternativa llevan a apoyar nuestra postura especitica. Consideremos nuesiro ejemplo anterior sobre el peso de las cajas de cereales. Supongamos que las normas del sector dicen que si la media poblacional del peso de las cajas es de 16,1 onzas © menos en una poblacién de cajas que indican que su. peso es de 16 onzas, el fabricante agard una cuantiosa multa. Por tanto, nuestro objetivo es conseguir prucbas contundentes de que el peso medio de las cajas, 1, es superior a 16,1 onzas. En este caso, nuestra hipétesis nula serfa Hy: = ty = 16.1 y la hipétesis alternativa Hy: > ty = 161 Formulando nuestra regla de contraste con un nivel de significacién 2, sabemos que el rechazo de Ia hipéte- sis nula constituye una prucba contundente de que el peso medio es de més de 16,1 onzas, ya que la proba- bilidad de cometer un error tiene un valor pequefo, 2, Nuestro contraste de la media poblacional utiliza la media muestra. Si la media muestral es conside- rablemente superior @ fly = 16,1, entonces rechazamos la hipdtesis mula, Para obtener el valor de decision ‘adecuado, utilizamos el hecho de que la variable aleatoria estandarizada x Ho oiJn sigue una distribuciGn normal esténdar de media 0 y de varianza 1, dado que Hy es verdadera. probabilidad de cometer un error de Tipo I y Z es grande de tal manera que P>z)na centonces para contrastar Ia hip6tesis nula, podemos utilizar la siguiente regla de decision E=bo Pie rechavar Ho si ain Por tanto, la probabilidad de rechazar la hipétesis nula, Hp, cuando es verdadera es el nivel de significa- cidn a. Obsérvese que mediante una sencilla manipulaci6n algebraica, también podrfamos formular la regla de in de La forma siguiente: de rechazar Hy si S > X= Hy + 2,0/ Jn El valor i, a menudo se llama valor eritieo de la decision. Obsérvese que para todo valor z, procedente de la distribuci6n normal esténdar, también hay un valor x, y cualquiera de las dos reglas de decisién anterio- res da exactamente el mismo resultado, Supongamos que en este problema la desviacién tipica poblacional es « = 0,4 y obtenemos una mues- tra aleatoria de tamatio 25. Para realizar un contraste de hipstesis unilateral con un nivel de significacién = 0,05, vemos en la tabla de la distribuci6n normal estindar que el valor de z, es 1,645. En este caso, nuestra regla de decisién es recharar Hy si En otras palabras, la regla es rechazar Hy sii > F = py + cy ala/n = N+ LORS % (04/4/38) = 16.232Contrastes de hipétesis de una poblacion 861 Si rechazamos Hy utilizando esta regla, aceptamos la hip6tesis alternativa de que el peso medio es de mas de 16,1 onzas con la probabilidad de cometer un error de Tipo I de 0,05 © menos. Esta es una prueba contundente en la que apoyar nuestra conclusion, Pero el hecho de no rechazar la hipdtesis nula nos Heva a concluir que 0 bien My es verdadera, o bien el método de contraste seleccionado no es suficientemente sensible para rechazar Hp. Las reglas de decisién se muestran en ta Figura 9.2. = = 0.05 7634 7 16,26 “pRechiazar Ip =") Rechazat Mo 1645) 16,232 Figura 9.2. Funcién de densidad normal que muestra los valores tanto de Z como de i para la regia de decision para contrastar la hipdtesis nula 4: = 16,1 frente a Hy:4 > 16,1 A continuacién, resumimos el contraste de hipétesis para una hipstesis nula simple sobre la media po blacional Un contraste de la media de una poblacién normal: variable poblacional conocida Tenemos una muestra aleatoria de n observaciones procedentes de una poblacién que sigue una distr- bucién normal de media x y varianza conocida a?. Caloule la media myestral x. Se obtiene un contraste on un nivel de significacion 2 de la hipétesis nula. frente a la alternativa A) © lo que es 10 mismo, rechazar Hy 818 >." ty + t0//n donde z, ¢5 el numero para el que PU>2)=0 Z08 la variable aleatoria normal esténdar. Detengdmonos un momento a ver qué se entiende por rechazo de una hiptesis nula. En el problema de ja de cercales, la hipstesis de que la media poblacional es 16.1 se rechazaria con un nivel de significa- ngamos una prucha de que la media pobla- la cidn de 0,05 si x > 16,232. Eso no significa, desde luego, queEstadistica para administracion y economia ional del peso es superior a 16.1 unidades. Dada dinicamente la informacién muestral, nunca podemos estar seguros sobre un parimetro poblacional. Concluimos, més bien, que los datos han puesto en tela de Juicio la veracidad de la hip6tesis nula. Si esta fuera verdadera, vemos que si en una muestra encontramos tuna media muestral, por ejemplo, de ¥ = 16,25 (observemos que 16,25 > 16,232), esta representarfa una tinica observacién improbable extraida de una distribucién normal de media 16,1 y desviacion tipica Lo que estamos preguntindonos realmente es qué probabilidad habria de observar un valor tan extremo si la hipétesis nula fuera, en realidad, verdadera. Hemos visto que la probabilidad de observar un valor medio superior a 16,232 es 0,05. Por tanto, al rechazar la hip6tesis nula, 0 bien esta es falsa, o bien hemos abser- vvado un suceso improbable, un suceso que solo ocurrirfa con una probabilidad inferior ala especificada por {el nivel de significacin. Este es el sentido en el que la informacién muestral ha suscitado dudas sobre la hipotesis mula p-valor Existe otro conocido método para examinar el contraste de la hipétesis nula. Obsérvese que en nuestro problema de los cereales, se ha rechazado la hipdtesis nula al nivel de significacién de 0,05, pero no se habria rechazado al nivel mas bajo de 0,01. Si utilizéramos un nivel de significacién mas bajo, reducirfa- mos la probabilidad de rechazar una hipétesis nula verdadera, Eso modificarfa nuestra regla de decisién para que fuera menos probable que rechazéramos la hipdtesis nula independientemente de que fuera o n0 verdadera. Evidentemente, cuanto menor es el nivel de significacién al que rechazamos una hipstesis nula, mayores son las dudas sobre su veracidad cuando rechazamos a hipOtesis nula. En lugar de contrastar hip6tesis a niveles de significaciGn preasignados, los investigadores también pueden hallar el nivel menor de significacién al que se puede rechazar una hipétesis nula, dada la media muestral observada. El p-valor es la probabilidad de obtener un valor del estadistico del contraste igual de extrem o més que el valor efectivo obtenido cuando la hipétesis nula es verdadera. Por tanto, el p-valor es el menor nivel de significacién al que se puede rechazar una hipétesis nula, dado el estadfstico muestral observado. Su- pongamos, por ejemplo, que en el problema de las cajas de cereales con una media poblacional igual a 16,1, 0 = 0,4 y n= 25 y que partiendo de la hipétesis nula, hubiéramos obtenido una media muestral de 16.3 onzas. En ese caso, el p-valor serfa PG > 163): = 16,1) = P(z > “8219 95) - ase 1G > 16,3|Ha: w= 16,1) = P(Z>— 5) = 04 En la tabla de probabilidad normal, vemos que la probabilidad de obtener una media muestral de 16,3 0 ‘més si tomamos una distribucién nermal de media poblacional 16,1 y desviacidn tipica de la media mues- tral 0.08 es igual a 0,0062. Por tanto, el p-valor de este contraste es 0.0062. Ahora bien, ¢l p-valor (0,0062) representa el menor nivel de significacién, a, que Nevarfa a rechazar la hipétesis nula. Cuando calculamos el p-valor, podemos contrastar la hipstesis nula utilizando la regla siguiente: rechavar Hy si p-valor mo El pvalor del contraste es =H paler = # (5 site an donde z, 8s ol valor normal esténdar correspondiente al menor nivel de significacién al que puede re- chazarse la hipétesis nula, La mayoria de los programas informéticos estadisticos calculan normal- ‘mente el p-valor baséndose en la media muestral calculada; el p-valor suministra mas informacién so- bre el contraste, basdndose en la media muestral observada, por Io que es un instrumento que se utliza frecuentemente en muchas aplicaciones estadisticas. ss os Es importante sefalar que el p-valor es una variable aleatoria observada que es diferente para cada muestra aleatoria obtenida para realizar un contraste estadistico, Por tanto, dos analistas diferentes podrian ‘obtener sus propias muestras aleatorias y sus propias medias muestrales de una misma poblacién y, por tanto, calcular cada uno un p-valor diferente BERGER Evaluacién de un nuevo proceso de produccién (contraste de hipétesis) El director de produccién de Ventanas Norte, $.A., le ha pedido que evalie un nuevo método pro- puesto para producir su linea de ventanas de doble hoja. El proceso actual tiene una produccién me- dia de 80 unidades por hora con una desviacién t{pica poblacional de o = 8. El director no quiere sustituirlo por el nuevo método, a menos que existan prucbas contundentes de que el nivel medio de produccién es mayor con ese nuevo método. Solucién, El director solo adoptard e! nuevo método si existen pruebas contundentes a su favor. Por tanto, la hipétesis nula es Hyin < 80 y la hip6tesis alternativa Hy: > 80964 — Estadistica para administracion y economia ‘Vemos que si fijamos el nivel de significacisn « = 0,05 y llegamos a la conclusién de que ¢l nuevo método es mas productivo, nuestra probabilidad de error es de 0,05 0 menos. Eso implicarfa que existen prucbas contundentes a favor de nuestra recomendacién, Obtenemos una muestra aleatoria de n = 25 horas de produccidn utilizando el nuevo método pro- puesto y calculamos la media muestral x, a menudo utilizando un ordenador. Con un nivel de signifi- cacién de a = 0,05, la regla de decision es peti Agee s 1.645 31/25 donde se obtiene Z 9s = 1,645 en la tabla de la normal esténdar. También podrfamos utilizar la regla rechazar Hy 81% > = pp + z0/,/n = 80 + 1,645 x (8/,/25) = 82,63 ‘Supongamos que Ia media muestral resultante fuera ¥ = 83. Baséndonos en ese resultado, 83 — 80 ee 81/25 rechazarfamos la hipdtesis nula y concluirfamos que tenemos pruebas contundentes para apoyar la conelusién de que el nuevo método aumenta la productividad. Dada esta media muestral, también podriamos calcular el p-valor de la forma siguiente: p-valor ~ P(Z, > 1,875) = 0,03 Podrfamos recomendar, pues, el nuevo método al director de produccién. = 1,875 > 1,645 Un contraste de la media de una distribucién normal (varianza conocida): hipétesis nula y alternativa compuestas. EI método adecuado para contrastar, a un nivel de significacién 2, la hipétesis nula Ho: MS Hy frente a la hipétesis altemativa CEES. es precisamente igual que el que se emplea cuando la hipotesis nula @8 Ho: 4 = jo. Ademas, los _p-valores también se calculan exactamente de la misma forma. Consideremos nuestro ejemplo anterior sobre el peso de las cajas de cereales. Supongamos que las nor- mas del sector establecen que si el peso medio de las cajas no es de 16 onzas més en una poblacién de ajas que indican que pesan 16 onzas, se presentard una demanda contra la empresa. En esta situacién, el organismo regulador solo podria demandarla si encontrara pruebas contundentes de que el peso medio de las cajas es de menos de 16 onzas. Por tanto, su objetivo es demostrar que el peso medio de las cajas, j1, no es de 16,0 onzas o mAs. En este caso, la hipdtesis nula simple seria Ho: = tly = 16,0 ©, utilizando la hipétesis compuesta, Ho: 2 Ho = 16.0Contrastes de hipotesis de una poblacién 968 Y Ia hipotesis alternativa seria Hy: < Hg = 160 para la hipétesis simple o para la hipétesis compuesta. Formulando nuestra regla de contraste con un nivel de significacién 2, sabemos que si rechazamos la hipétesis nula, tenemos pruebas contundentes de que el peso medio es de’ menos de 16,0 onzas, ya que la probabilidad de cometer un error de Tipo I tiene un pequetio valor, a Nuestro coniraste de la media poblacional utiliza la media muestral, ¥, Si la media muestral es conside- rablemente inferior a jiy = 16,0, rechazamos la hipétesis nula. Para obtener el valor de decisién adecuado, utilizamos ef hecho de que la variable aleatoria esténdar X= m ain sigue una distribucién normal esténdar de media 0 y varianza 1 cuando la media poblacional es fig. Si z tiene un elevado valor negative tal que P< entonces para contrastar la hip6tesis nula, podemos utilizar la regla de decision Ho. recharar Hy si Por tant cién a. Obsérvese que realizando una sencilla manip guiente regla de decision: la probabilidad de rechazar la hipstesis nula, Hp, cuando es verdadera, es el nivel de signifi ici6n algebraica, también podriamos formular la si- rechazar Hy S18< i= ty ~ 2y0//n I valor x, 3 el «valor critico» de la decisi6n, Obsérvese que para todo valor ~z, obtenido de la distribu- cién normal esténdar, también hay un valor, y cualquiera de las reglas de decisién anteriores da exacta- ‘mente el mismo resultado, Supongamos que en este problema la desviacién tipica poblacional es ¢ = 0,4 y obtenemos una mues- tra aleatoria de 25. En el caso de un contraste de hipstesis con un nivel de significacién = 0,05, vemos en tabla de la distribucién normal estindar que el valor de z, = 1,645. En este caso, nuestra regla de deci- sign es z 6 recharar Hy si —H? = 5168 & _ 1 645 ain 04/25 © podriamos wilizar la siguiente regia de decision rechazar Hy sit <= plo ~ 2:0/4/n = 16,0 — 1,645 x (0,4/,/25) = 15,868 Si rechazamos Ho utilizando esta regla, aceptamos la hip6tesis alternativa de que el peso medio es de me- os de 16,0 onzas con la probabilidad de cometer un error de Tipo I de 0,05 0 menos. Esta es una prueba contundente a favor de nuestra conclusion, Esta regla de decisin se muestra en la Figura 9.3. ‘Obsérvese que este contraste de hipétesis es cl complemento del primer ejemplo. Las reglas del con- traste de hipstesis de las hip6tesis altemnativas que se refieren a la cola inferior son imagenes gemelas de las reglas del contraste de hipdtesis que se refieren a la cola superior de la distribuciGn. Este resultado se resu- me en la EcuaciGn 9.3. También se pueden calcular los p-valores utilizando las probabilidades de la cola inferior en lugar de las probabilidades de la cola superior.Estadistica para administracion y economia Rechazar io | 15,068 Figura 9.3. Funcion de densidad normal que muestra los valores de x correspondientes @ la regla de decision para contrastar la hipdtesis nula Hy: « > 16.0 frente a Hy 1 < 16.0. Los ejemplos de los cereales que hemos puesto tenfan dos objetivos distintos. En el primer caso, queria ‘mos encontrar pruebas contundentes de que el peso medio era de més de 16,1 onzas, por lo que la hipétesis, nla era Hoe < 161 En el segundo caso, querfamos encontrar pruebas contundentes de que la media era de menos de 16 onzas, por lo que la hipétesis nula era Ho: 4216 Este tipo de posibilidades exté prescate en muchas sitiaciones en las que hay que tomar decisiones y el responsable de tomarlas tiene que saber qué opcidn debe utilizar en el problema en cvestin, Un contraste de ta media de una distribucién normal (varianza conocida): hip6tesis nula y alternativa compuestas o simples EI método adecuado para contrastar al nivel de significacién « la hipdtesis nula HoH = Hg 0 RP Ho frente a la hipstesis altemativa My : utliza la siguiente regla de decision: rehire me 0 lo que es lo mismo, rechavar Hy 61 <%= fy — 2,0//n 3) donde ~2, es el nimero para el que PZ<-2)= 0 y Zes la varlabie aleatoria normal estandar. ‘Ademés, se pueden calcular los p-valores utilizando las probabilidades de la cola inferior.Contrastes de hipdtests de una poblacion 367 Produccién de rodamientos (contraste de hipétesis) El director de produccién de Rodamientos Niquelados, S.A. le ha pedido ayuda para evaluar un pro- eso modificado de produccién de rodamientos. Cuando el proceso funciona correctamente, produce rodamientos cuyos pesos siguen una distribuci6n normal de media poblacional cinco onzas y desvia- cidn t{pica poblacional 0,1 onzas. Se ha recurrido a un nuevo proveedor de materia prima para un lote reciente de produccién y el director quiere saber si, como consecuencia del cambio, el peso medio de los rodamientos es menor. No hay raz6n alguna para sospechar que el nuevo proveedor plantea pro- blemas, por lo que el director continuard recurriendo a él a menos que existan pruebas contundentes de que estin produciéndose rodamientos de menor peso que antes. Soluci6n. En este caso, nos interesa saber si existen prucbas contundentes para concluir que estén produciéndose rodamientos de menor peso. Por tanto, contrastamos 1a hipstesis nula Ho: = to = 5 frente a la hip6tesis alternativa Hye> == 1.52 y 1 // ¥ = 4,962 > ¥, = 4,959. Por tanto, concluimos que no tenemos prucbas contundentes de que e! pro- ceso de produccién esté produciendo rodamientos de menor peso que antes. ‘También podrfamos calcular el p-valor correspondiente a este resultado muestral sefialando que cen el caso de la distribucién normal esténdar pevalor = PG, < 1,52) = 0,0643 Hipétesis alternativa bilateral Hay algunos problemas en los que las desviaciones demasiado altas o demasiado bajas tienen la misma importancia, Por ejemplo, ef dimetro de un pistén de un automévil no puede ser ni demasiado grande ni do pequefo, En esas situaciones, consideramos el contraste de la hipdtesis nula dema Ho: t= Mo frente a la hipétesis alternativa HiKt ty968 Estadistica para administracion y economia En este caso, no tenemos razones contundentes para sospechar que hay desviaciones por encima 0 por debajo de la media poblacional postulada como hipétesis, fig. Dudarfamos de la hip6tesis nula si la media ‘muestral fuera mucho mayor © mucho menor que jig. De nuevo, si la variable aleatoria sigue una distribu- cin normal con una varianza conocida , obtenemos un contraste con un nivel de significacién a utilizan- do el resultado de que segtin la hipétesis nula P> WAZ Y PL<-in)=5 En este caso, hemos dividido el nivel de significacién por igual entre las dos colas de la distribucién normal. Por tanto, la probabilidad de que Z sea superior a zy 0 inferior a ~zyq es a. La regla de decisién de un contraste con un nivel de significacién x es = Ho rechazar Hy si ohn es superior a z,7 0 inferior a ~z,. Estos resultados se resumen en la Ecuacién 9.4. Un contraste de la media de una distribucién normal frente a una hipétesis alternativa bilateral (varianza conocida) E] método adecuado para contrastar a un nivel de significacin « la hipdtesis nula Hoi ty frente a la hipétesis aternativa W:H4 bo utiliza la regia de decision cH da © rechazar Ho ea) O lo que es lo mismo, techarat Hy si F'n tone o\joshaiae ty E> it eael/a ‘Ademés, se pueden calcular los p-valores observando que la probabilidad de la cola correspondiente ‘se duplicaria para reflejar un p-valor que se refiere a la suma de las probabilidades de la cola superior y {m cele et pera fs valores pogtivomy napmnve nec, El -velerconagponidats a cocraats co os. pyvalor = 2P > pln = mo) 0s) ain donde z,. 88 el valor normal esténdar correspondiente a la menor probabilidad de rechazar la hipstesis ‘nula en cualquiera de las dos colas de la distribucién de probabilidad. EERE snatisis cet dismetro de tos taladros (contraste de hipétesis) El director de produccién de Circuitos Hlimitados le ha pedido ayuda para analizar un proceso de produccién. Este proceso consiste en hacer taladros cuyos didmetros siguen una distribucién normal que tiene una media poblacional de dos centimetros y una desviacién tipica poblacional de 0,06 cen-Contrastes de hipotests de una poblacion 369 tfmetros. Una muestra aleatoria de nueve mediciones tenfa una media muestral de 1,95 centimetros. Utilice un nivel de significaci6n de a = 0,05 para averiguar si la media muestral observada es excep- cional y, por tanto, se debe ajustar la taladradora, Solucién. En este caso, el diimetro podria ser demasiado grande o demasiado pequefio. Por tanto, realizamos un contraste de hipstesis de dos colas planteando la siguiente la hipdtesis nula Ho: n= 2.0 y la hipstesis alternativa Hye #20 La regla de decisidn es rechazar Hy en favor de H, si y eneste problema para un contraste de nivel del 5 %, a = 0.05 y za ™ Zoos = 1.96. Por tanto, como —2,50 es menor ‘que ~ 1,96, rechazamos la hipstesis nula y concluimos que es necesario ajustar la taladradora, Para calcular el p-valor, primero observamos que en la tabla de distribucién normal la probabili- dad de obtener una Z inf 50 es 0,0062. Aqui queremos el p-valor para un contraste de dos colas y debemos duplicar el ‘Valor de una cola. Por tanto, el p-valot de este contraste es 2 x 0,0062 = 0,0124 y Ia hipstesis mula se habrfa rechazado para un nivel de significacién superior a 124% En Ja Figura 9.11, que se encuentra en el apéndice del capitulo, hemos resumido las distintas alternati- vas para contrastar hipotesis analizadas en este apartado. Ejercicios Ejercicios basicos Calcule el valor eritico &, y formule su regla de decision 9.7. Se obtiene una muestra aleatoria de una poblacién que pars le algalernes opens ma varianza @? = 625 y se calcula la media nes a. La varianza poblacional es 0? = 225 teal. Contraste la hipétesis nula Hot = 100 frente a la 9. La varianra poblacional es @ = 900 hipdtesis alternativa H,:41 > 100 con 2 = 0,05. Calcule ¢. La varianza poblacional es a* = 400. el valor eritico x, y formule su regla de decision para las 1s poblacional es ¢? ~ 600. siguientes opciones. 99. muestra aleatoria de una poblacién que a, Tamafo de la muestra n = 25, tiene una varianza 0” = 400 y se calcula ta media mues- , Tamatio de la muestra n = 16. wal x, = 70, Considere la hipstesis nula Hy: 4. = 80 fren- Tamafo de la muestra n = 44. ipstesis alernativa Hy: j1 < 80. Calcule el p-valor d. Tamaiio de la muestra = 32. para las siguientes opciones. 98, Se obtiene una muestra sleatoria de tamaiio » ‘a. Tamaiio de la muestra n = 25. tuna poblacién que tiene una variansa a” y se b. Tamao de la muestra n = 16. media muestral. Contraste Ia hipstesis nula Hy: 4 ~ 100 cc. Tamafo de la muestra n = 44. Frente a la hipstesis alternativa HY 41 > 100 con 2 = 0.05, d. Tamafo de la muestra n970 _Estadistica para administracion y economia 9.10. Se obtiene una muestra aleatoria de ‘amano n rm e i. ey card 4 ee 7 we stad =70. Conide fn hipdess nla vlogs de 48.2 horas, Contaste a rive el 10% lips Ho: = 80 frente a la hipstesis alternativa Hy: < 80. tesis nula de que Ia media poblacional de la duracion es Calcul el p-valor para las siguientes opciones. al menos de 50 horas 1 La varianza poblacional es 0° = 225. 9.13. Una empresa farmacéutica quiere que la concentracin ». La varianza poblaciona es 0? ~ 990. de impurezas de sus pfldoras no supere el 3 %. Se sabe «. La varianza poblacional es 0! ~ 400. {que la concentracisn de impureras de un lote sigue una La varianza poblacional es” = 600, distribucién normal con una desviacién tipica del 0.4 %: a Se comprucha una muestra aleatoria de 64 pfldoras de un lote y se observa que la media muestral de la concentra- Efercicios aplicados cién de impurezas es de 3,07 % 9.11. Un fabricante de detergente sotiene que el contenido de Pe aaas igi caed aa tas cajas que vende pesan, en promedio, 160 granos co- media poblacional de la concentacién de impure i talons 6 Ss aes vee ee ‘es del 3 % frente a la alternativa de que es de ms del tnal y tiene una desviacign tipica de 40 gramos. Una oe muestra aleatoria de 16 cajas ha dado un peso medio eae ee muestral de 158.4 gramos. Contrate a nivel de signi €. Suponga que la hipStesis alemativa hubiera sido bi acign del 10 % la hipétesis nula de que la media pobla- ec oe eoeeeet oe atta ta ional del peso es al menos de 160 gramos. Hj -ediae sin e os cAeao5el pao na empresa que rece envfos de pilas eomprucba una ‘el conraste seria mayor, menor o igual que el obe- 7 mcors dewla mony aren Go scp oe nid en el aprtado (b). Represent gréficamerte su fre que la verdadera duracign media de todas las fazonamient, BSE dvs sees menos de 80 horn See por expe. __Explique por qué en exe problema es mis adecuala icin poblacional de la duracién es ‘una hipdtesis alternativa unilateral que una bilateral riencia que la distri 9.3. Contrastes de la media de una distribucion normal: varianza poblacional desconocida En este apartado, analizamos el mismo conjunto de contrastes de hipétesis que hemos analizado en el Apartado 9.2. La tinica diferencia estriba en que la variable poblacional es desconocida y, por tanto, debe- mos utilizar contrastes basados en la distribucién ¢ de Student. En cl Apartado 7.3, presentamos la distribu- cién ¢ de Student y mostramos su aplicaci6n para desarrollar intervalos de confianza. Recuérdese que la distribucién # de Student depende de los grados de libertad para calcular la varianza muestral, n — 1. Ade- mas, va pareciéndose cada ver. mas a la distribuciGn normal a medida que aumenta cl tamafio de la muestra, Por tanto, cuando el tamafo de la muestra es de mas de 100, la distribucién de probabilidad normal es una buena aproximacién de la distribucién 1 de Student. Utilizando la media muestral y la varianza muestral, sabemos que la variable aleatoria sigue una distribueién ¢ de Student con n ~ 1 grados de libertad. Los métodos para realizar contrastes de hipétesis de Ia media de una distribucién normal (con una varianza poblacional desconocida) se defi- nen en las Ecuaciones 9.6, 9.7 y 9.8, Contrastes de la media de una distribucién normal: variable poblacional desconocida ‘Tenemos una muestra aleatoria de n observaciones procedentes de una poblacién normal que tiene una media z. Utiizando la media muestral y la desviacion tipica muestral, x ys, respectivamente, pode- ‘mos utilizar los siguientes contrastes con el nivel de significacion x.Contrastes de hipotests de una poblacion 871 1. Para contrastar cualquiera de las dos hipétesis nulas Ho:i= lo 0 Hy < ty trent ia alternativa Hen> to la regia de decision es He recharar My sit =H, shia (lo que es lo mismo, ead ga ewe cael 06) 2. Para contrastar cualquiera de las dos hipotesis nulas HoH = ty © Ho: > ty frente a la alterativa Hens to Ja regla de decision es rechazar Ho sit Ar teyel on iw We © lo que es lo mismo, rechazat Hg si <= Hp ~ 18h 3. Para contrastar la hipétesis nula Hy k= to frente a la hipdtesis alternativa Hen hy Ja regia de decision e y rechazar Ho si aa 0 rechazar Hy si? > ty .00 08) shJn © 10 que 6s fo mismo, rrechazar Hy $i < ply asin 0 rechazar Hy Si¥ > py + ty—1.an8/a/m donde 1, 2 @8 el valor de la r de Student con n ~ 1 grados de libertad y probabilidad 2/2 Los p-valores de estos contrastes se calculan de a misma forma que en el caso de los contrastes, con varianza conocida, con la salvedad de que el valor de la Z normal se sustituye por el valor de la de ‘Student. Para hallar el p-valor, a menudo necesitamos interpolar valores con la tabla de la 0 utilizar un paquete informatico,972 Estadistica para administracién y economia BEMEEEEE Analisis do as ventas somanales de brécoll congelado (contraste de hipétesis) Grand Junction Vegetables es un productor de una amplia variedad de verduras congeladas. El presi- dente de la empresa le ha pedido que averigue si las ventas semanales de bolsas de brécoli congelado de 16 onzas han aumentado. En los seis diltimos meses, se ha vendido una media semanal de 2.400 bolsas. Ha obienido una muestra aleatoria de datos de ventas de 134 tiendas para realizar el estudio. Los datos se encuentran en el fichero de datos Broccoli. Solucién. Dados los objetivos de! proyecto, decidimos que hay que contrastar la hipétesis nula de que la media poblacional de las ventas es 2.400 frente a la alternativa de que las ventas han aumenta- do utilizando un nivel de significacién « = 0,05. La hipdtesis nula es Ho: = 2.400 frente a la hip6tesis alternativa Hy:m > 2.400 La Figura 9.4 muestra la salida Minitab que contiene 1a media muestral y la varianza muestral. En la salida Minitab vemos que la media muestral es mucho mayor que la mediana y que la distancia centre el tercer cuartl y las ventas maximas es bastante grande. Es evidente, pues, que la distribucién de as observaciones no es normal. Pero el tamafio de la muestra es grande y, por tanto, aplicando el teorema del limite central del Capftulo 6, podemos suponer que la distribucién de la media muestral en el muestreo es normal. Por tanto, serfa adecuado un contrasie basado en la 1 de Student para el contraste de hipétesis. Vemos que la media muestral es 3.593 y que la desviacién tipica muestral es 4.919. El estadistico del contraste es: _ 3:593 = 2.400 _ 3.593 - 2.400 we = 281 4.9191,/134 425 Descriptive Statistics: Broccoli Variable MM Mean SE Moan StDev Minimum 01 Median 03. Maximum Broccoli 134 "0 3.599 425 4.919 156 707 2-181 2.300 27.258 Figura 9.4. Ventas de brécoli (estadisticos descriptivos). El valor de con n ~ 1 = 133 grados de libertad y = 0,05 en el caso de la cola superior es aproxi- madamente 1,645. Basdndonos en este resultado, rechazamos la hip6tesis nula y concluimos que las ‘ventas medias han aumentado, El programa Minitab y la mayorfa de los buenos paquetes estadisticos tienen opciones para calcular los valores criticos y realizar el contraste de hip6tesis siguiendo el método anterior. Sin embargo. para utilizar correctamente la opcién, hay que saber cémo se formula la hipstesis siguiendo el andlisis del Apartado 9.2. El lector lo comprenderé todo mejor si al principio sigue los detalles del calculo de los ejemplos anteriores. Después, una ver que se sienta cémodo con el método, podré utilizar las opciones para obtener los detalles Los contrastes presentados en este apartado se resumen en la Figura 9.10 que se encuentra en el apéndi- ce del capitulo.Ejercicios Ejercicios basicos 9.4. 9.15. Contraste las hipdtesis Hy: < 100 My:n> 100 utitizando una muestra aleatoria de tamano n = 25, una probabilidad de cometer un error de Tipo | igual a 0:05 y los siguientes estadisticos muestrale. aE = 1065 = 15 be x= 104s = 10 © F=95, 5=10 a= 9% s= 18 Contraste las hipsitesis Hy:e= 100 Hyp < 100 utlizando una muestra aleatoria de tamaito n ~ 36, una probabilidad de cometer un error de Tipo 1 igual a 0.05 y los siguientes estadisticos muestrales. a F= 106;5= 15 bee 104; 5 = 10 er 95, 610 a v= 9% 518 Ejercicios aplicados 6. oat. 9.18, Un centro de investigacién de ingenierfa sostiene que utiizando un nuevo sistema de control informatica, los automsviles deberfan lograr, en promedio, tres kikime- twos ms por litro de gasolina, Se ha utilizado una mues- tra aleatoria de 100 automéviles para evaluar este pro- ducto, La media muestral del aumento de los kilémetros. Por lito logrados es de 2.4 y la desviacién tipica mues- tral es de 1.8 kilémetros por litro, Contraste la hipstesis de que Ia media poblacional es de al menos tes kiléime- tos por litro, Halle el p-valor de este contraste ¢ inter- prete sus resultados. Una muestra aleatoria de 1.562 estudiantes universita trios matriculados en un curso de ética empresarial debe responder en una escala de I (totalmente en desacuerto) 7 (totalmente de acuerdo) a esta proposicidn: «A los altos ejecutivos de las empresas les preocupa la justicia social», La media muestral de las respuestas es 4,27 y la imuestral es 1,32, Contraste al nivel del rnula de que 1a media poblacional es 4 ¢ 4 una hipétesis alternativa bilateral Le han pedido que evalic la respuesta de las ei ‘una nueva obligacién legal de incrementar las pre sus empleados. Tiene una 9.19, 9.20. 921. 9.22, 373 Contrastes de hipotests de una poblacion muestra aleatoria de 76 cambios porcentuales de las prestaciones sanitarias prometidas, La media muestral de Jos cambios porcentuales es 0,078 y la desviacisn tipica muestral es 0,201. Halle ¢ interprete el p-valor de un ccontraste de Ia hipétesis nula de que la media poblacio: nal de los cambios porcentuales es 0 frente a una hipste- sis alternativa bilateral Se pide a una muestra aleatoria de 172 estudiantes de ‘marketing que valoren en una escala de 1 (nada impor- tante) a5 (muy importante) tas prestaciones sanitarias complementarias como caracteristica del empleo. La ‘media muestral de tas valoraciones es 3,31 y la desvia- cin tipica muestral es 0,70. Contraste al nivel de signi- ficacién del 1 % la hipétesis nula de que la media pobla- ional de las valoraciones es como méximo de 3,0 frente la hipstesis alternativa de que es superior a 3.0. Se plantea a una muestra aleatoria de 170 personas un problema de predigcisn. Cada miembro de 1a muestra tiene que predecir de dos formas el proximo valor de una variable relacionada con las ventas al por menor. Se les presentan los 20 valores anteriores tanto en términos nu- iméricos como en forma de puntos en un grafico. Se les pide que predigan el peximo valor. Se miden los errores absolutos de prediecién. La muestra consta, pues, de 170 diferencias entre los errores absolutos de prediceién (nu- éricos menos gréficos). La media muestral de estas di ferencias es ~2,91 y la desviacién tipica muestral es 11,33. Halle e interprete el p-valor de un contraste de la hipétesis nula de que la media poblacional de las dife- rencias es 0 frente a la hipstesis alternativa de que es ne- gativa (la hipstesis alternativa puede ser ta hipstesis de ue, en conjunto, la gente hace mejores predicciones cuando utiliza grificos de ta historia pasada que cuando utiliza valores numéricos de Ia historia pasada). Las cuentas de una empresa muestran que las facturas| pendientes de cobro ascienden, en promedio, a 125,32 8. Un auditor comprucha una muestra aleatoria de 16 cuen- tas, La media muestral es de 131,78 $ y la desviaci6n tipica muestral es 25,41 $. Suponga que la distribucion poblacional es normal, Contraste al nivel de significa- ccidn del 5 % Ia hipétesis nula de que la media pobla- wal es 125,32 § frente a una hipétesis alternativa bila tera. Basdindose en una muestra aleatori, se contrasta la tesis mula Hy: a= ty frome a la alternativa Hn> ty y lahipstesis nula no se rechaza al nivel de significacién del 5 %374 — Estadistica para administracion y economia 1. ;Implica eso necesariamente que 4, est4 contenida en el imtervalo de confianza al 95 % de 4? b, {Implica eso necesariamente que jy est contenida fen el intervalo de confianza al 90 % de jt si la media imwuestral observada es mayor que ji? Una empresa que vende licencias de un nuevo programa informitico de comercio electrénico anuncia que las em- ‘presas que lo utlizan obtienen, en promedio, durante el pri ‘mer afo un rendimiento del 10 % por sus inversiones ciales. Una muestra aleatoria de diez de estas franquicias ‘generd los siguientes rendimientos durante el primer ao: 61 92 1S 86 121 39 84 101 94 89 Suponiendo que los rendimientos poblacionales siguen tuna distribucién normal, contraste la afirmaciGn de la ‘empresa. Un proceso que produce botes de champs, cuando fun- cciona correctamente, produce botes cuyo contenido pe sa, en promedio, 200 gramos. Una muestra aleatoria de rhueve botes procedentes de un lote tiene el siguiente pe- ‘0 (en grams): 214 197 197 206 208 201 197 203 209 ‘Suponiendo que la distribucién poblacional es normal, Contraste al nivel del $ % la hipdtesis nula de que el pro cces0 funciona correctamente frente a una hipdtesis alter: nnativa bilateral Un profesor de estadfstica tiene interés en conocer la ca pacidad de los estudiantes para evaluar la dificultad de ‘un examen que han realizado. Este examen se ha realiza do a un gran grupo de estudiantes y la calificacién media haa sido de 78,5. Se ha pedido a una muestra aleatoria de ‘ocho estudiantes que predigan la calificacién media. Sus predicciones son 72 83 78 65 69 77 81 71 9.23, 924, 928, 9.26, 927. Suponiendo que la distribucién es normal, contraste la hipétesis mula de que la media poblacional de las predic- ciones seria 78.5. Utilice una hip6tesis alternativa bilate- ral y un nivel de significaci6n del 10 % Una empresa de consultorfa de tecnologias de ta infor- rmacién situada en Singapur y que oftece soluciones de lelefonfa a pequeiias empresas sostiene que su nuevo programa para la gestion de las Hamadas permit a los Clientes aumentar las llamadas entrantes gestionadas con ito en una media de 75 Hamadas a la semana. En una rwesira aleatoria de 25 pequeitas empresas usuarias de este programa, el aumento medio de las Hamadas entr tes gestionadas con éxito era de 70,2 y la desviaci6n ti cca muestral era de 84 Hamadas. Contraste al nivel del 5 % la hipétesis nula de que la media poblacional det ‘aumento es al menos de 75 llamadas. Suponga que la distribucién es normal En las negociaciones con los representantes sindicales, tuna empresa sostiene que con ef nuevo sistema de incen- tivos los ingresos semanales medios de todos los traba dores de los servicios de atencién al cliente son al menos de 400 §. Un representante sindical toma una muestra aleatoria de 15 trabajadores y observa que sus ingresos semanales tienen una media de 381,35 $ y una desvia- cidn tipica de 48,60 $. Suponga que la distribucisn es normal a. Contraste la afirmacién de la empresa. b. Si se hubieran obtenido Jos mismos resultados mues- ‘ales con una muestra aleatoria de 50 trabajadores, {se podria rechazar la afirmaci6n de la empresa con lun nivel de significacién mAs bajo que el utilizado en cl apartado (a)? 9.4. Contrastes de la proporci6on poblacional (grandes muestras) Otro importante conjunto de problemas empresariales y econémicos consiste en contrastar proporciones poblacionales. Los ejecutives tienen interés en saber cusl es la cuota porcentual de mercado de sus produc tos y las autoridades tienen interés en saber cudl es el porcentaje de la poblacién que apoya una nueva propuesta. La inferencia sobre la proporcién poblacional basada en proporciones muestrales es una impor- tante aplicacién del contraste de hipétesis. En los Capitulos 5 y 6, vimos que la distribucién normal es una aproxims in de la proporcién muestral. En esta aproximacién, P representa la proporcién poblacional y 7 la distribuci ‘in bastante precisa de la proporciéa muesial. Por tanto, a proporcién muestral j estimada a partir de una muestra aleatoria de t- mano sigue una disiribueién normal aproximada de modia Py varianza P(1 — Pn. El estadistico normal cestdndar es bor ra Pin Si la hipotesis nula es que la proporcién poblacional es Hy:P = PoContrastes de hipotesis de una poblacion 378 centonces cuando esta hipstesis es verdadera, Ia variable aleatoria b=Po z= a/Poll ~ Poin sigue aproximadamente una distribucién normal esténdar. Las Ecuaciones 9.9, 9.10 y 9.11 definen los pro- cedimientos para realizar contrastes de una proporeién poblacional (grandes muestras). Contrastes de la proporcién poblacional (grandes muestras) ‘Comenzamos suponiendo que tenemos una muestra aleatoria de n observaciones procedentes de una poblacién que tiene una proporcién P cuyos miembros poseen un determinado atributo. Si ‘nP(I ~ P) > 5 y la proporcién muestral es j, os siguientes contrastes tienen el nivel de significacién a. 1. Para contrastar cualquiera de las dos hipétesis Hy:P= Py 0 Ho: < Py frente a la alternativa HP > Py la regia de decisién es os 2. Para contrastar cualquiera de las dos hipétesis nulas HyiP =P 0 Hg:P > Po fronte a la altemativa WP P= 050 frente a la alternativa Hy:P < 0,50 La regla de decisién es rechazar la hipétesis nula en favor de la alternativa si pee Rieeee VP ol = Po)/n En este ejemplo, n=802 y p= 378/802=0,471 El estadistico del contraste es B-Po 0471 = 05 Vai = Pain J03001 = 0.50802 En un contraste al nivel de significacion del 7 % (a = 0,07), se deduce que z, = ~ 1,474 y ~ 1,64 es menor que ~ 1,474. Por tanto, rechazamos la hipstesis nula al nivel del 7 % y concluimos que menos de la mitad de los compradores puede decir correctamente cual es el precio inmediatamente después de colocar un articulo en el carro. Utilizando el valor del estadfstico del contraste calculado de ~ 1,64, también observamos que el p-valor del contraste es 0,051. — 164 EJercicios Ejercicios basicos {Qué valor tiene que tener la proporcién muestral, j. pa- 9.08, ec ua masala ence ya yegen: «EMI pls maa dao be gies te ta a cada una de ells si comprafa un nuevo modelo de = zapatos. Las ventas de este nuevo modelo logrartan a- canzar el objetivo de beneficios de la empresa sims Jet 2 25 % de las mujeres de la poblacién comprara este mo- n= 625 delo. Se puede realizar el siguiente contraste de hipstesis: en=90 ‘un nivel de x = 0,03 utlizando la proporcin muestral, 9.29, Una empresa esté tratando de averiguar ‘P, de mujeres que contestaron afirmativamer fabricando un modelo de zapatos que antes fees aceplacion. Se obtiene una muestra aleatoria de mujeres He: P < 0.25 alas que sc les pregunta si comprarfan este modelo. Para Hy: > 025 averiguar si se debe seguir fabricando ese modelo, se bi n= 225Contrastes de hipotesis de una poblacion 877 realiza el siguiente contraste de hips & un nivel de dle todos los estudiantes de administracion de empresas 2 = 0,05 tilizando la proporcién muestra, j, de muje estaria de acuerdo con esta afirmacién frente a una hips Fes que contest6 afirmativamente tesisaltermativa bilateral, Halle einterprete el p-valor del Hg: P > 0,25 esac 9.33. En una muestra aleatoria de 199 auditores, 104 se mos: Hy2P <0.25 traron en alguna medida de acuerdo con la siguiente afir- {Qué valor debe tener la proporcién muestral, i, para re- macidn: «EI flujo de caja es un importante indic Charat la hipstexis mul, dados fos siguientes tamaios de 4a rentabifidad. Contraste al nivel de signi mace 10% la hipceesis nota de que la mitad de los miembros fe a 0 de esta poblacin estara de acuerdo con esta afirmacisn bon = 235 frente a una hipStesis alemativa bilateral, Halle ¢ inter n= 025 prete también el valor de este contrast a n= 900 9.34, Se-ha preguntado a una muestra aleatoria de 50 respon sables de la admisién en programas de postgrado por lo Eercicios aplicados aque esperan en las enrevistas que realizan a los solic- : tantes, En esta mucsira aleatora, 28 estaban de acuerdo 9.30, En una massa aleatoria de 361 propictarios de peque- en que el enrevstador normalmente espera que el entre- fias empresas que se habfan declarado en quiebra, 105 vistado haya realizado labores de voluntariado, Contras declraron que no habjan hecho ningénestutio de mer te al nivel 2 = 0,05 la hipétesis nula de que la mitad de cao antes de abril negocio. Contaste al nivel todos los entrevistadores tiene esta expectativa femte RESO la Rinateans el Ge ele |& come mets do {a alternativa de que la proporcién poblacional es de més 9.32 9.5. Valoracion de la potencia de un contraste todos los miembros de esta poblaci6n no realiz6 estudios i ta de mercado antes de abrir el negocio, de emia En una muestra aleatoria de 360 directores de exporta- cin del Reino Unido, 69 estaban en alguna medida en desacuerdo con la siguiente afirmacién: «Dentro de 10 fos, el mercado de exportaciones mas importante para los fabricantes britinicos sera el continente asistico>. Contraste al nivel del 5 % la hipstesis de que al menos el 25 “de todos los miembros de esta poblacién estarfa en esacuerdo con esta afirmacién, 9.38. En una muestra aleatoria de 172 profesores de ensedanza primaria, 118 declararon que el apoyo de los padres era Ja fuente mas importante de éxito de un nifio. Contraste nivel 2 = 0,05 la hipdtesis de que el apoyo de los pa- dres es la fuente mds importante de éxito de un nif all menos para el 75 % de los profesores de ensenanza pri- maria frente a la alternativa de que el porcentaje pobla- ional es inferior al 75 4% . 9.36. Se ha pregumtado a una muestra aleatoria de 202 profe- sores de una escuela de administracién de empresas si se debe exigir a los estudiantes que asistan a un curso de lengua extranjera. En esta muestra, 140 profesores pien- ‘san que sf se debe exigir. Contraste al nivel 2 = 0,05 la hipstesis de que al menos el 75 % de todos los profeso- res defiende esta idea En una muestra aleatoria de 160 estudiantes de adminis- twacién de empresas, 72 miembros se mostraron en algu- na medida de acuerdo con la siguiente afirmacisn: «Las calificaciones de un examen de seleetividad son menos importantes para las posibilidades de éxito académivo de un estudiamte que las calificaciones obtenidas en el ba- chilleratos, Contraste la hipstesis nula de que kx mitad En los Apartados 9.2 a 9.4, hemos presentado varios contrastes de hipétesis con un nivel de significacién a. En todos estos contrastes, hemos formulado reglas de decisi6n para rechazar la hipstesis nula en favor de tuna hipstesis alternativa, Cuando realizamos estos contrastes, sahemos que ta probabilidad de cometer un error de Tipo I cuando rechazamos la hipétesis nula es menor o igual a un determinado valor s que suele ser pequefio, Ademis, también podemos calcular el p-valor del contraste y, por tanto, sabemos cual es el nivel minimo de significacién al que se puede rechazar la hipstesis nula, Cuando rechazamos la hipétesis ruta, coneluimos que existen prucbas contundentes para apoyar nuestra conclusiGn, Pero si no rechazamos la hiptesis mula, sabemos que o la hipdtesis nula es verdadera o hemos cometido un error de Tipo Tl al no rechazar la hip6tesis nula cuando la akemnativa es verdadera, En este apartado, examinamos las caracteristicas de algunos de nuestros contrastes cuando la hipétesis nula no es verdadera. Aprendemos a calcular la probabilidad de cometer un error de Tipo II y a averiguar la378 Estadistica para administracion y economia potencia del contraste de hipétesis. Naturalmente, solo se puede cometer un error de Tipo I si la hipstesis alternativa es verdadera. Por tanto, consideraremos el error de Tipo II y la potencia que se dan cuando el parémetro poblacional adopta valores especificos que estén incluidos en la hiptesis alternativa, Contrastes de la media de una distribucion normal: varlable poblacional conocida Siguiendo los métodos del Apartado 9,2, queremos contrastar la hipstesis nula de que la media de una poblacién normal es igual a un valor especifico, fio Determinacién de la probabilidad de cometer un error de Tipo Consideremos el contraste Hy: Ky frente a la alternativa Mn Usilizando la regia de decision rechazar Hy si ~ de 0 FRM tye ln ons Hot za/Jn hallamos los valores de la media muestral que llevan a no rechazar la hipétesis nula. Ahora, dado cual quier valor de la media poblacional definido por la hipétesis alternativa, H,, hallamos la probabilidad de_ que la media muestral esté en la regiin de no rechazo de la hipétesis nula. Esta es la probabilidad do ‘cometer un error de Tipo Il. Por tanto, consideramos una jc = :* tal que 1:* > Jip, Entonces, para y*, la probabilidad de cometer un error de Tipo Il es ei c= == 2 Pa PG s ¥y Ia regla de decision es rechazar My si = SS 14S OMFS S+ 1,645(0,1/,/16) = 5,041 16Contrastes de htpotesis de una poblacion 379. Ahora, si kt media muestral es inferior o igual a 5.041, entonces, utilizando nuestra regla, no rechazaremos Ja hipotesis nul, ‘Supongamos que queremos hallar la probabilidad de que no se rechace la hipotesis nula si el verdadero peso medio es de 5.05 onzas. Es evidente que la hipstesis alternativa es correcta, y queremos hallar la probabilidad de que no rechacemos la hipétesis nula y, por tanto, cometamos un error de Tipo I. Es decir, 4queremos hallar la probabilidad de que la media muestral sea de menos de 5,041 si la media poblacional es realmente 5,05. Utilizando las 16 observaciones, calculamos la probabilidad de cometer un error de Tipo II: 5.041 ~ 5.05 5,05) =P 5 (x= 005, ¢ = 0.1," = 16).380 —_Estadistica para administracion y economia La funcién de potencia tiene las siguientes caracteris 1. Cuanto més lejos se encuentra la verdadera media de la media postulada ip, mayor es la potencia del contrasie, manteniéndose todo lo demas constante. La Figura 9.6 ilustra este resultado. 2. Cuanto menor es el nivel de significacion (2) del contraste, menor es la potencia, manteniéndose todo lo demds constante. Por tanto, la reduccién de la probabilidad de cometer un error de Tipo (@) aumenta la probabilidad de cometer un error de Tipo II (B), pero la reduccién de a en 0,01 no aumenta generalmente f en 0,01; los cambios no son lincales. 3. Cuanto mayor es la varianza poblacional, menor es la potencia del contraste, manteniéndose todo Jo demas constant. 4. Cuanto mayor es cl tamaiio de la muestra, mayor es la potencia del contraste, manteniéndose todo Jo demas constante, Obsérvese que las muestras de mayor tamatio reducen la varianza de la media ‘muestral y, por tanto, aumentan las posibilidades de que rechacemos Ho cuando no es correcta. La Figura 9.7 presenta un conjunto de curvas de potencia correspondientes a los tamafios de la muestra de 4, 9 y 16 que ilustran el efecto. 5. La potencia del contraste al valor critico es igual a 0,5 porque la probabi muestral sea superior (,) es, por supuesto, 0,50. id de que una media 0.08 0 5.00 5.05, 510 Figura 9.7. Funciones de potencia del contraste Hy: u ~ S frente a Hy: > 5 (x = 0.05, ¢ = OI) Para los tamafos de la muestra 4, 9 y 16. Muchos paquetes estadfsticos tienen rutinas programadas que permiten calcular la potencia de un con- traste. Por ejemplo, la Figura 9.8 muestra la salida Minitab del ejemplo analizado. Las pequefias diferenci entre los valores de la potencia son el resultado del error de redondeo. Power and Sample Size L-sanple 7 teat Testing mean = null (versus > null) Calculating pover for mean = null + difference Alpha = 0.05 Assuned standard deviation = 0.1 Sample Difference size Power 0.05 16 0.638760 Figura 9.8. Clculo de la potencia por ordenador (Minitab),Contrastes de hipotesis de una poblacion 381 Potencia de los contrastes de proporciones poblaclonales (grandes muestras) En el Apartado 9.4, hemos presentado contrastes de hipétesis y reglas de decisién para contrastar si la proporcién poblacional tenia ciertos valores. Utilizando métodos parecidos a los del apartado anterior, tam- bién podemos hallar la probabilidad de cometer un error de Tipo II en los contrastes de proporciones. probabilidad, 8, de cometer un error de Tipo II dada una proporcisn poblacional P, incluida en H, se halla de la forma siguiente: 1, Partiendo de la regla de decisién del contraste, se halla el rango de valores de la proporcién mues- tral que Hevan a no rechazar la hipétesis mula 2. Utilizando el valor P, para la proporcidn poblacional —donde P, esti incluida en la hipétesis alter- nativa— se halla la probabitidad de que la proporcién muestral esté en el intervalo de no rechazo hrallado en el paso 1 para muestras de m observaciones cuando la proporcién poblacional es P, En el sigu Za este Método. -nte ejemplo, mostramos cémo se util Predicciones de los beneficios de Inversores Electronicos, S.A. (potencia y error de Tipo I!) El presidente de Inversores Electrénicos le ha pedido que analice las predicciones de los beneficios empresariales por acciGn realizadas por un grupo de analistas financieros. Estos analistas tenfan interés en saber tanto cudl era la proporcidn de predicciones que eran superiores al nivel efectivo de beneficios como la proporcidn de predicciones que eran inferiores al nivel efectivo de beneficios. Solucién. Comencemos nuestro anilisis construyendo un contraste de hipstesis para averiguar si existen pruebas contundentes que permitan concluir que la proporcién de predicciones que son supe- riores o inferiores a los beneticios efectivos es diferente del 50 %. Representando por medio de P la proporcién de predicciones superiores al nivel efectivo, la hipdtesis nula es Hy: P = Py = 0,50 y la hipotesis alternativa es Hy:P 40,50 La regia de decisién es B= Poi es Pot = Po)in rechavar Hp si > ten oe Pal = Pain Se obtiene una muestra aleatoria de n = 600 predicciones y se averigua que 382 son superiores a los beneficios efectivos. Utilizando un nivel de significacién de 2 = 0,05, la regla de decisién es recha- zar la hipotesis nula si VPAl = Poin Ademés, Hy se rechaza si 1/600 = 0,50 + 0,04 = 0,54 D> 0,50 + 1,96 0.501 fi < 050 ~ 0.04 = 0.46Estadistica para administracion y economia La proporcién muestral observada es Ys Por tanto, se rechaza la hip6tesis nula al nivel del 5 %. ‘Abora queremos hallar la probabilidad de cometer un error de Tipo II cuando se utiliza esta regla de decisiGn. Supongamos que la verdadera proporcién poblacional es P, = 0,55. Queremos hallar la probabilidad de que la proporcién muestral se encuentre entre 0,46 y 0,54 si la proporcién poblacio- nal es 0,55. Por tanto, la probabilidad de cometer un error de Tipo Il es 70.46 < p< 054) = P| PL cz OP vet nae Pa-P) Pa-—P, a 7” 0,46 — 0,55 0,54 — 0,55 =P <2< [Os5045) [O55K0.45) = P(-4.43 s Y la siguiente rela de decisién recharar Hy si > 1645 0 on i6 5 >5 + 1,6450,14/ 76) 5.041 Calcule la probabitidad de cometer un error de Tipo II y la potencia en el caso de las verdacleras medias poblacio- nales siguientes. a w= 5,10 be = 503 & f= 515 a= 5.07 9.38. Considere el Ejemplo 9.6 en el que la hipétesisnula es Hy:P = Py = 0:50 Ya hipstesi altemativa es Hy:P #050 La regla de decision es 1.96 © DoD as 1,96 0,50) 600 yeel tamano de la muestra es n = 600. ;Cuail es ta proba- bilidad de cometer un error de Tipo Il si la proporeién poblacional efectiva es P= 0,52? b. P= 058? e. P= 0537 a. P= 048 ©. P= 0437 Ejercicios aplicados 939, Una empresa que recibe envios de pilas contrasta una muestra aleatoria de nueve de ellas antes de aceptar un envio. Quiere que la verdadera duracidn media de todas las pilas del envio sea al menos de 50 horas. Sabe por experiencia que la distribucién poblacional de la dura- cin es normal y tiene una desviacién tipica de tres ho- 9.40. 9AL. 9.42. 943, Contrastes de hipotesis de una poblacion 383 La duraci6n media de una muestra de nueve pias de tun envfo es de 48,2 horas. ‘a, Contraste al nivel det 10 % ta hipstesis mula de que la ‘media poblacional de Ia duracién es al menos de 50 horas, b, Halle ta potencia de un comtraste al nivel del 10 % ‘cuando la verdadera duracién media de las plas es de 49 horas. Una empresa farmacéutica quiere que la concentracién de impurezas de sus pildoras no supere el 3 “. Se sabe {que la concentracién de impurezas de un lote sigue una distribucién normal que tiene una desviacidn tipica del O44 %. Se comprueba una muestra aleatoria de 64 pildo- ras de un lote y se observa que Ia media muestral de la cconcentracidn de impurezas es de 3,07 %. 4. Contraste al nivel del 5 % la hipdtesis nula de que la ‘media poblacional de la concentraci6n de impurezas ces del 3 % frente a la altemativa de que es de mis del 3% b. Halle la probabilidad de que un contraste rechace al nivel del 5 % la hipdtesis nula cuando la verdadera cconcentracién media de impurezas es del 3,10 %. Una muestra aleatoria de 1.562 estudiantes universita trios matriculados en un curso de ética empresarial debe responder en una escala de 1 (totalmente en desacuerdo) 47 (totalmente de acuerdo) a esta proposicidn: A los al tos ejecusivos de las empresas les preocupa la justicia social. La media muestral de las respuestas es 4,27 y la desviaci6n tipica muestral es 1,32 a. Contraste al nivel del 1 % ta hi ‘media poblacional es 4 frente a una hipétesis tiva bilateral probabilidad de que un contraste acepte al nivel del 1% la hipdtesis nula cuando la verdadera respuesta media es 3,95. b. En una muestra aleatoria de 802 compradores en super- mercados habfa 378 que preferfan las marcas genéricas. Contraste al nivel del 10% la hipstesis nula de que all menos la mitad de todos los compradores preferfa las ‘marcas genéricas frente la alternativa de que la propor- cin poblacional es de menos de la mitad. Halle la po- tencia de un contraste al nivel de! 10 ‘% si, en realidad, el 45 % de los compradores preferfa las marcas genéricas. En una muestra aleatoria de 340 directores de exporta- cin de Malasia, 61 estaban en alguna medida en desa- ccuerdo con la siguiente afirmacién: «EI mercado de ex: portaciones mis importante para los fabricantes. de Malasia dentro de diez alos seré Europa». ‘a. Contraste al nivel del 5 % la hipétesis mula de que al ‘menos cl 25 4% de todos los miembros de esta pobl cin estaria en desacuerdo con esta afirmacién,984 Estadistica para administracion y economia b. Halle la probabilidad de rechazar la hip6tesis nula ‘con un contraste al nivel del 5 % si, en realidad, el 20 % de todos 1os miembros de esta poblacién estu ‘viera en desacuerdo con esta afirmacién, En una muestra aleatoria de 199 auditores, 104 se mos- traron en alguna medida de acuerdo con la siguiente afir- macién: «El flujo de caja es un importante indicador de la rentabilidads. Contraste al nivel de significacién del 10 % la hip6te- sis mula de que la mitad de los miembros de esta po- blaciGn estarfa de acuerdo con esta afirmacién frente ‘una hip6tesis alternativa bilateral. Halle e interprete también el p-valor de este contrast. . Halle la probabilidad de aceptar la hipStesis nula con ‘un contraste al nivel del 10 4 si, en realidad, et 60 % de todos los auditores est de acuerdo en que el flujo de caja es un importante indicador de la rentabilidad. 9.48. 94S. Una cadena de comida répida comprucba diariamente {que el peso medio de sus hamburguesas es de al menos 320 gramos. La hipstesis alternativa es que el peso me- dio es de menos de 320 gramos, lo que indica que es ne ccesario utilizar nuevos méStodos. Se puede suponer que Jos pesos de las hamburguesas siguen una distribucion ‘normal que tiene una desviacién tipica de 30 grams. La regla de decisién adoptada es rechazar Ia hipstesis nula si la media muestral de los pesos es de menos de 308 gramos. ‘a. Si se seleccionan muestras aleatorias de n = 36 ham: ‘burguesas, Zeus es la probabitidad de que se cometa un error de Tipo | utlizando esta regia de decisién’ Db. Si se seleccionan muestras aleatorias de 1 = 9 ha bburguesas, jeusl es la probabilidad de que se cometa tun error de Tipo I wtilizando esta regia de decision’? Explique por qué su respuesta es diferente de la res puesta del Apartado (a), ‘c. Suponga que el verdadero peso medio es de 310 gra- mos, Si se seleccionan muestras aleatorias de 36 hhamburguesas, ,cudl es la probabilidad de que se co- ‘meta un error de Tipo I utilizando esta regla de deci sién’? 9.46. Un vinicultor sosticne que la proporcién de clientes que to saben distinguir su producto del zum de uva conge- Jada es como maximo de 0,09. Decide contrastar esta hipétesis nula frente a la alternativa de que la verdadera Droporcién es de mis de 0,09. La regla de decisién adop- {ada es rechazar la hipstesis nula si la proporcidn mues- tral que no sabe distinguir entre los dos sabores es de mds de 0,14, se elige una muestra aleatoria de 100 clientes, {cual es la probabilidad de que se cometa un error de Tipo I utilizando esta regla de decisi6n’? b. Si se seleceiona una muestra aleatoria de 400 ctien- tes, ;cudl es la probabilidad de que se cometa un error de Tipo I utilizando esta regia de decision’ Ex: plique verbal y gréficamente por qué su respuesta es diferente de la respuesta del Apartado (a). & Suponga que la verdadera proporcién de clientes que no saben distinguir entre estos sabores es de 020. Si se elige una muestra aleatoria de 100 clientes, ,cusl es Ja probabilidad de que se cometa un error de Tipo II? 4. Suponga que, en lugar de utilizar la regla de decisign dada, se decide rechazar la hip6tesis nula si la pro Porcién muestral de clientes que no saben distinguir entre los dos sabores es de mas de 0,16. Se seleccio- ra una muestra aleatoria de 100 clientes i. Indique sin realizar los edlculos si la probabilidad de cometer un error de Tipo I seré mayor, menor © igual que en el Apartado (a) Ia verdadera proporcidn es 0,20, ;ser4 la proba- bilidad de cometer un error de Tipo II mayor, me- ror © igual que en el Apartado (c)? 9.6. Contrastes de la varianza de una distribucion normal Ademés de la necesidad de realizar contrastes basados en la media muestral, hay algunas situaciones en las que queremos saber si la varianza poblacional es un valor especifico 0 un conjunto de valores. En los estu- dios modernos de control de calidad, esta necesidad es especialmente importante, ya que un proceso que tiene, por ejemplo, una varianza excesivamente grande puede producir muchos aticulos defectuosos. Aqui Presentamos métodos para contrastar la varianza poblacional, o*, baséndonos en la varianza muestral, s*, calculada utilizando una muestra aleatoria de n observaciones extrafdas de una poblacién que sigue una distribucién normal. Si la hipdtesis nula es que la varianza poblacional es igual a un valor especifico, es decir, Hoi? = 08 entonces cuando esta hipdtesis es verdadera, la variable aleatoria (m1 tContrastes de hipotesis de una poblacion 388, sigue una distribucin ji-cuadrado con (n ~ 1) grados de libertad. Los contrastes de hipstesis se basan en valores calculados de este estadistico. Si la hipdtesis alternativa fuera Hye? > rechazarfamos la hip6tesis mula sila varianza muestral fuera muy superior a #3, Por tanto si el valor caleu- Jado de 73. fuera alto, se rechazaria la hipétesis nuta, Y a la inversa, si la hipstesisalternativa fuera Ho <0 se rechazarfa la hipétesis nula siel valor de 72— , fuera bajo. En el caso de una hip6tesis alternativa bilateral Hie 4a rechazarfamos la hip6tesis mula si el valor calculado de 73, fuera excepcionalmente alto 0 excepcional- mente bajo. Los contrastes basados en una distribucién ji-cuadrado son més sensibles al supuesto de la normalidad en la distribuci6n subyacente en comparacién con los contrastes basados en una distribucién normal estan- dar. Por tanto, si la poblacién subyacente se desva considerablemente de la normal, los niveles de signifi- cacién calculados utilizando la distribuciGn ji-cuadrado y los contrastes de hipdtesis pueden no ser co- rrectos, Dehemos sefialar que en la mayorfa de las aplicaciones y especialmente en los estudios de control de ta calidad, lo que preocupa es que las varianzas sean mayores de lo previsto. Una varianza que es menor de to previsto da como resultado contrastes de hipétesis que tienen mayor potencia e intervalos de confianza menores de lo previsto. Ocurre lo contrario cuando a varianza es mayor de lo previsto. Por tanto, en ta mayoria de las aplicaciones nos interesa el primero de los tres casos que acabamos de sefialar. En el desarrollo de contrastes adecuados se utiliza la notacién de la distribucién ji-cuadrado presentada en el Apartado 7.5. 72, representa el ntimero que es superado con una probabilidad a por una variable aleatoria ji-cuadrado con v grados de libertad. Es decir, PU > had =o PUG < Kira y enel caso de los contrastes de dos colas PUR > Rar 0 la regla de decision es: recta gst 2a > 2, 0.13) 2. Para contrastar cualquiera de las dos hipdtesis nulas Wye = 0 Myso? 20 frente a la hipdtesis aternativa Ayo <0 la ria do decision os rechacarHy oO hg (os) 3. Para contrastar la hipdtesis nula inst = 0 frente a la hipstesis alternativa bilateral Hyelg ed la rola do decision os retary Om Banga) 0 SP 73 El p-valor de estos contrastes es la probabilidad de obtener un valor al menos tan extremo como el obtenido, dada la hipétesis nula. Varianza de las impurezas de un producto quimico (contrastes de hipotesis de varianzas poblacionales) El director de control de calidad de Industrias Quimicas Asociadas le ha pedido que averigile si la varianza de las impurezas de sus envios de fertilizante est4 dentro de la norma establecida. Esta nor- ma establece que la varianza de los kilos de impurezas de los sacos de 100 kilos no puede ser supe- rior a 4Contrastes de hipétesis de una poblacion 387 Solucién. Se obtiene una muestra aleatoria de 20 sacos y se miden los kilos de impurezas de cada saco. Se caleula que la varianza muestral es 6,62. En este problema, contrastamos la hipstesis nula Hoi 4 Baséndonos en el supuesto de que la poblaci6n sigue una distribucién normal, la regla de decision para un contraste de nivel de significaciGn a es rechazar H en favor de H, si (n — 1)s? eae > re Para este contraste, con a = 0,05 y 19 grados de libertad, el valor critico de la variable ji-cuadrado es. 30,144, segiin la Tabla 7 de! apéndice. Entonces, utilizando los datos del contraste, observamos que (n— 1)s? ao (20 ~ 1)(6,62) PAC Cs. Por tanto, rechazamos 1a hip6tesis nula y concluimos que la variabilidad de las impurezas es superior a lo que establece la norma, por Io que recomendamos que se estudie el proceso de produecién y que se hagan mejoras para reducir la variabilidad de los componentes del producto. FI p-valor de este contraste es la probabilidad de obtener un estadistico ji-cuadrado con 19 grados de libertad que sea mayor que el observado, 31,445: (20-1) = 31445 > Zha = 30,144 pevalor = o( > wis= a) = 0,036 F1 p-valor de 0,036 se ha calculado utilizando la funcién de distribucién de probabilidad Minitab para la distribucién ji-cuadrado. Ejercicios Ejercicios basicos 947. Contraste las hipstesis talaci6n, se toma una muestra aleato- de la produccién de ocho dfas y se obtienen los si- es resultados sobre el numero de componentes ui acabados producidos: Hy: < 100 Me? > 100 618 660 638 625 S71 598 639 S82 Uutlizando tos siguientes resultados de las siguientes A Ia direccién le preocupa Ia variabilidad de 1a produc- cidn diaria y considera negativa cualquier varianza supe- rior 2 500. Contraste al nivel de significacién del 10 % la ee amines hipstesis nula de que la varianza poblacional de la pro- 165; = 29 Mipeas sole dean: ti foe 1s aleatorias jesniae duccién diaria no es superior a 500. 6% n= 8 9.49. EI pléstico que produce una miquina se revisa periédica- ‘mente para ver si Mluctia su grosor. Si la verdadera va- rianza de los grosores es de més de 2.25 milimetros cua- Blercicios aplicados dradlos, hay motivos para preocuparse por la calidad del 948. Ante la insistencia de un inspector de trabajo, se instala producto, Se realizan mediciones del grosor de una tun nuevo mecanismo de seguridad en una cadena de muestra aleatoria de diez rollos de plastico producidos988 —_Estadistica para administracion y economia ‘en un turo y se obtienen los siguientes resultados (en silfmetros) 226 226 232 227 225 228 225 228 229 230 fa Halle la varianza muestra '. Contraste al nivel de significacién del 5 % la hipste- sis nula de que la varianza poblacional es 2,25 como méximo, 19.50. Una manera de evaluar la eficacia de un profesor ayu- ‘dante es examinar la calificaciones que obtienen sus es- tudiantes en el examen final del curso. Evidentemente, ¢s interesante 1a calificacién media. Sin embargo, la va- rianza tambign contiene dil informacién: algunos profe- sores tienen un estilo que da muy buenos resultados con Jos estudiantes més capacitados, pero no con los menos capacitados © motivados. Un profesor pone al final de cada cuairimestre el mismo examen a todos los grupos del curso, La varianza de las calificaciones de este exa- men normalmente es muy cercana a 300. Un nuevo pro- fesor ayudante tiene una clase de 30 estudiantes, cuyas calificaciones tienen una varianca de 480. Considerando Ia calificaciones obtenidas por estos estudiantes en el {examen como una muestra aleatoria extrafda de una po- blacién normal, contraste la hipétesis nula de que fa va rianza poblacional de sus calificaciones es de 300 frente 8 una hip6tesis altenativa bilateral, 9.81. Una empresa produce aparatos eléctricos que se pueden regular con un termostato. La desviaciOn tipica de Ia temperatura a la que se pone en marcha el termostato no debe sobrepasar los dos grados. En una muestra aleatoia de 20 de estos termostatos, la desviacién Upica muestral de las temperaturas a las que se pone en marcha es de 36 grados. Indicando los supuestos que necesite postu- lar, contraste al nivel del 5 % la hipdtesis nula de que la 25-30; beso, mas de 30. El exceso de peso corporal esté rela cionado, por supuesto, con la deta, pero lo que come- mos depende, a su vez, de nuestra cultura y de toda nuestra experiencia vital. Baséndose en un andlisis, {puede concluir que los hombres no son obesos segtin cl Peso medio? ;Puede concluir que las mujeres no son dobesas segtin l peso medio? Realizaré el andliss bassn- dose primero en los datos de la primera entrevista y creando un subconjunio a partir del fichero de datos uti lizando daycode ~ 1; a continuacién, en una segunda vez, basdndose en los datos de la segunda entrevista, rears un subconjunto a partir del fichero de datos util zando daycode ~ 2. Observe las diferencias entre los sultados de la primera entrevista y los de Ia segunda. El indice de masa corporal (variable BMI) da tuna indicacién del nivel de grasa corporal de una. persona: peso saludable, 20-25; sobrepeso, >25-30;, ‘obeso, mils de 30. El exceso de peso corporal esté rela cionado, por supuesto, con la dieta, pero lo que come: ‘mos depende, a su vez, de nuestra cultura y de toda nuestra experiencia vital. Basindose en un andlisis, {puede concluir que los inmigrantes no son obesos se: tin el peso medio? Realizars el anilisis basfndose pri- mero en los datos de la primera entrevista y creando un subconjunto a partir del fichero de datos utilizando day code = 1; a continuacién, en una segunda ver, basin. se en los datos de Ia segunda entrevista, creard un sub: cconjunto a partir del fichero de datos utilizando daycode = 2. Observe las diferencias entre los resulta dos de la primera entrevista y los de la segunda, EI indice de masa corporal (variable BMI) da tuna indicacién del nivel de grasa corporal de una persona: peso saludable, 20-25; sobrepeso, >25-30: fobeso, mas de 30. El exceso de peso corporal esta rel cionado, por supuesto, con la dieta, pero lo que come- 9.78, 9.78, 9.76. 977. 9.78. mos depende, a su ver, de nuestra cultura y de toda hnuestra experiencia vital. Basdndose en un andlisis ral zado utilizando el peso medio, ,puede concluir que las personas blancas tienen un peso saludable? {Puede con- cluir que, segin el peso medio, las personas blancas tienen sobrepeso? Realizard el andlisis basdndose pi ‘mero en Jos datos de la primera entrevista y creando un subconjunio a partir del fichero de datos utilizando daycode = 1; a continuacién, en una segunda vez. ba- ‘séndose en Jos datos de la segunda entrevista, creard un subconjunto a partir del fichero de datos utilizando daycode = 2. Observe las diferencias entre los resulta dos de la primera entrevista y los de la segunda Er nde de nasa sopra arabe BM Gp west dnd ec aco den prone peso sie, 2025, soba 92530 Shean de 0. El exis de psc ele Senin porte con ht prs om come cos depen sys, do an alrn de tena eprec al sinc nu mds ‘a lads ps met eee com ge Spans on ifs slut! Pads cm sen’ pom, napus tence seo Tetra ads hone pee os cn cava) ce or subse talc oe ince wlan dayeou= rasa Stn on ua vpn yr bs en ky Sa de Grew sbcnt a ‘and dycods 2 Ovens face east oh pais anny Sheer EI indice de masa corporal (variable BMI) da una indicacin del nivel de grasa corporal de una persona: peso saludable, 20-25; sobrepeso, > 25-30, beso, mis de 30, El exceso de peso corporal esta rela: cionado, por supuesto, con la dieta, pero lo que come- mos depende, a su ver, de nuestra cultura y de toda restra experiencia vita. Basdndose en un ands real- ‘ado utilizando el peso medio, ;puede concluir que las personas que han sido diagnosticadas de hipentensin tienen un peso saludable? Puede coneluir que, sexuin el ‘eso medio, las personas que han sido diagnosticadas de hhipertension son obesas? Realizaré el andisis basdndose Primero en los datos de a primera entrevista y creando tn subeonjunto a partir del fchero de datos wilizano daycode = 1; a continuacién, en una segunda vez, ba- sndose en los datos de la segunda entrevista, crearé un subeonjunto a partic del fichero de datos utilizando day~ code = 2. Observe las diferencias entre los resultados de Ja primera entrevista y los de la segunda.Contrastes de hipétesis de una poblacton 388, Apéndice Directrices para elegir la regia de decision adecuada Forular la hipétesis: @ @ @ osm Ho Mo: a < no My: Wem = Hg ME Ho Mi: =e QA Tp eD i e | Cana ae] [Ca eae | J [Regia de deci] ‘de decision] [Regia de decisin| [Regia de decir] SU>Ryor Ku ISir> % oF Po Isr Py hho Py MiP = Po Fomuiar@ oy =e) QTipo 2D patos © Regia de decision] [Regia de dediiin | [Regia de docodn Sip-Py Sip-Pp Sip - Py far Porn oo Pa earn Bl cae rechazar Hp rechazar iy pPalt~ Pon “ yaceptar i, y aceptar Hi, rechazar Hy Yecentar th, Figura 9.12. Directrices para elagir la regia de decisién adecuada para una proporcién poblacional. Descripciones de los ficheros de datos Variables y descripcion del fichero de datos Food Nutrition Atlas Los datos proceden del Economic Research Service del Departamento de Agricultura de Estados Unidos. Variable Code GRocPC SNAPStoresPerThous, SNAPRedempPerStore AMB_PARO6 PCT_FREE_LUNCH PCT_REDUCED_LUNCH PC_FRUVEG PC_SNACKS PC_SODA. PC_MEAT FATS PC_PREPFOOD Variable Name Grocery stores per 1,000 pop SNAP-authorized stores per 1,000 pop SNAP redemption/SNAP-authorized stores Average monthly SNAP § benefit % Students free-lunch eligible % Students reduced-price-lunch eligible Lbs per capita truit&veg Ls per capita pkg sweetsnacks Gals per capita soft drinks Lbs per capita meat&poultry Lbs per capita solid fats Ls per capita prepared foods (contin)Contrastes de hipétesis de una poblacion 398, Variable Name Relative price of low-fat milk SODA_PRICE Relative price of sodas PCT_DIABETES_ADULTS Adult diabetes rate PCT_OBESE_ADULTS Adult obesity rate PCT_Child_Obesity Low-income preschool obesity rate PeTNHWhite08 % White PCTNHBlack0S, % Black PeTHisp08. © Hispanic PeTNHAsian08, % Asian PeTNHNAOS, % Amer, Indian or Alaska Native Median_Income Median household income Percent Poverty Poverty rate metro 1 = Metro 0 ~ nonmetro counties Bibliografia 1. Carlson, A., D. Dong y M. Lino (2010), «The Total Daily Cost Of Food And Diet Quality Relate Random Effects Panel Data Analysis», articulo presentado en el First Joint BAAF/JAAEA Seminar, The Economies of Food, Food Choice and Health, Freising, Alemania, 15-17 de septiembre de 2010. Centers for Disease Control and Prevention (CDC), 2003-2004, National Health and Nutrition Examination Survey Data, Hyattsville, MD, U.S. Department of Health and Human Services, Centers for Disease Control and Prevention; hitp://www.ede.gov/nchy/nhanes/ nhanes2003-2004/nhanes03_04.him 3. Hogg, R. V. y A. T. Craig, 1995, Introduction to Mathematical Statistics, Englewood Cliffs, N. J. Prentice-Hall, 5." ed. 4, Guenther, P. M..J. Reedy, S. M. Krebs-Smith, B. B. Reeve y P. P. Basiotis, (noviembre de 2007), Development and Evaluation of the Healthy Eating Index-2005: Technical Report. Center for Nutr Policy and Promotion, U.S. Department of Agriculture; puede consultarse en hutp://www.cnpp.usda.gov/HealthyEatingIndex.htm. 5. Food Nutrition Atlas, Economic Research Service, United States Department of Agriculture, 2010.