Decisions

En moltes situacions, s’ha de prendre a partir d’una mostra una

decisió sobre si es pot acceptar o rebutjar una hipòtesi relativa
al valor d’un paràmetre d’una població o diverses poblacions
Exemple: Volem saber si una moneda està trucada a favor de
Contrastos d’hipòtesis: cara. La llançam en l’aire una sèrie de vegades, i comptam
Generalitats quantes cares surten
Exemple: Volem decidir si un tractament nou A és més efectiu
que el tractament vell B en la curació d’una malaltia X. Per
decidir-ho, portam a terme un assaig clínic, tractant amb A un
grup de malalts i amb B un altre grup de malalts, i comparam
la taxa de curació dels tractaments sobre aquests dos grups

El mètode estadístic que s’empra per acceptar o rebutjar una

hipòtesi rep el nom de contrast d’hipòtesis

1 / 81 2 / 81

Contrastos Contrastos
En un contrast d’hipòtesis, es comparen sempre dues hipòtesis Típicament, la hipòtesi nul·la H0 és «no hi ha diferència» o
alternatives: la hipòtesi nul·la H0 i la hipòtesi alternativa H1 l’equivalent en el context del contrast:
Se sol plantejar formalment • La moneda és honrada (50% de probabilitat de cara)
• Els tractaments A i B són igual d’efectius en la curació de

H0 : hipòtesi nul·la
H1 : hipòtesi alternativa la malaltia X

S’ha de plantejar al començament de l’estudi, no un cop s’han

obtingut les dades

3 / 81 4 / 81
Contrastos
La hipòtesi alternativa H1 planteja la diferència de la qual
cercam evidència:
• La moneda està trucada a favor de cara (més del 50% de
probabilitat de cara)
En tendrem evidència si a la nostra sèrie de llençaments
la proporció de cares és molt superior al 50%
• A és més efectiu que B en la curació de la malaltia X
En tendrem evidència si en el nostre assaig la taxa de
curació de la malaltia X amb el tractament A és molt més
gran que la de B
Contrastos
• Per defecte, estam disposats a acceptar H0 («no hi ha
diferència»)
• Si obtenim evidència suficient de H1 , rebutjarem H0 en
favor de H1 (decidirem que H1 és vertader)
• Rebutjarem H0 quan les proves obtingudes la converteixin
en inversemblant (no vol dir que hàgim provat que sigui
impossible, ni tan sols que sigui improbable, tan sols mala
de creure)
• Si no obtenim evidència suficient de H1 , les nostres dades
seran compatibles amb H0 i no podrem rebutjar-la
(acceptarem H0 )
• En aquest cas H0 és versemblant (però no probable; i
possible en principi ho és sempre)

5 / 81 6 / 81

Exemple Exemple
En un judici (on l’acusat és innocent si no es demostra el Un examen és un contrast d’hipòtesis:
contrari): Contrast:
Contrast: 
H0 :

H0 : L’acusat és innocent
H1 : L’acusat és culpable H1 :
S’obtenen proves
Si el jurat troba prou incriminatòries les proves, «més enllà de
tot dubte raonable», declara culpable l’acusat (rebutja H0 en
favor de H1 )
Si no, el considera no culpable (no rebutja H0 )
Considerar no culpable 6= demostrar que és innocent

7 / 81 8 / 81
Exemple Exemple
Les dones, practiquen menys esport que els homes?

• La proporció de practicants d’esport entre les dones és

més petita que entre els homes?
• Les dones practiquen esport menys vegades setmanals que
els homes?
• Les dones practiquen menys hores setmanals d’esport que
els homes?
• ...

• Les dones practiquen de mitjana menys hores setmanals

d’esport que els homes?X

9 / 81 10 / 81

Exemple Exemple
Les dones practiquen de mitjana menys hores setmanals Les dones practiquen de mitjana menys hores setmanals
d’esport que els homes? d’esport que els homes?
Siguin: Procediment: Prenem mostres aleatòries de dones i d’homes i
• µd : mitjana d’hores setmanals d’esport en dones els demanam pels seus hàbits de pràctica d’esport
• X d : mitjana mostral d’hores setmanals d’esport en les
• µh : mitjana d’hores setmanals d’esport en homes
dones de la mostra
El contrast que volem realitzar és • X h : mitjana mostral d’hores setmanals d’esport en els

H0 : µ d = µ h homes de la mostra
H1 : µd < µh Si X d és suficientment més petit que X h , ho prendrem com a
evidència que µd < µh
En cas contrari, no podrem rebutjar que µd = µh

11 / 81 12 / 81
Exemple
Què significa «suficientment més petit»? Fins on podem estar
segurs que la nostra conclusió (en un sentit o l’altre) és
correcta?
En capítols anteriors: Calcularíem un IC 95% per a µd − µh a
partir de la mostra
• Si està a l’esquerra del 0, amb un 95% de confiança
podem concloure que µd < µh
• En cas contrari (si conté el 0 o si està totalment a la
dreta del 0), amb un 95% de confiança no podem
concloure que µd < µh
Però en els contrastos volem refinar una mica més això de la
«confiança»
Atenció!
La falta d’evidència a favor de H1 no és evidència a
favor de H0
Si no podem assegurar que les dones practiquin menys esport
que els homes (perquè no hem trobat evidència a favor
d’aquesta hipòtesi)
això no significarà
que hàgim trobat evidència que els homes i les dones
practiquin la mateixa quantitat d’esport o que les dones en
practiquin més
Simplement, significarà que l’evidència a favor de H1 no ha
estat prou forta com per poder afirmar que és vertadera i
acceptam que tothom practica la mateixa quantitat d’esport

13 / 81 14 / 81

Atenció! Atenció!
No val canviar de contrast a la vista de les dades No confongueu 
Si estam interessats en el contrast H0 : µ d = µ h
 H1 : µd < µh
H0 : µ d = µ h
H1 : µd < µh amb 
H0 : µ d = µ h
i obtenim X d molt més gran que X h en la nostra mostra, és H1 : µd 6= µh
trampa dir
No hem trobat evidència que les dones practiquin menys La pregunta (el contrast) us la plantejau a priori a partir
esport que els homes, però si amb aquestes mateixes dades d’hipòtesis o suposicions prèvies
realitzam el contrast

H0 : µ d = µ h
H1 : µd > µh
sí que obtenim evidència que elles practiquen més esport que
ells
15 / 81 16 / 81
Com triar H0 i H1? Exemple
Les proves han de poder donar evidència de H1 Tenc una moneda, i crec que està trucada a favor de cara.
No podem esperar trobar evidència de µ = quelcom, en canvi Vull contrastar-ho.
sí de µ >, o µ <, o µ 6= quelcom

H0 : pCara = 0.5
Regles: H1 : pCara > 0.5
• H0 sempre ha de significar «no hi ha efecte», es defineix
La llanç en l’aire 3 vegades, obtenc 3 cares. És evidència
mitjançant =
suficient que està trucada?
• H1 es defineix mitjançant alguna cosa «estricta»:
X : Nombre de cares en 3 llançaments
• Hipòtesi unilateral (one-sided ; també d’una cua,
Si no està trucada, X ∼ B(3, 0.5) i per tant
one-tailed ): definida amb < o >
• Hipòtesi bilateral (two-sided ; també de dues cues,
P(X = 3) = 0.53 = 0.125
two-tailed ): definida amb =/

Els contrastos prenen el nom del tipus d’hipòtesi El resultat obtingut no és molt improbable amb una moneda
alternativa: contrast unilateral, de dues cues,. . . honrada (ho esperaríem 1 de cada 8 vegades): no és evidència
suficient que estigui trucada
17 / 81 18 / 81

Exemple Esquema d’un contrast

Tenc una moneda, i crec que està trucada a favor de cara. 1 Hem plantejat el contrast:
Vull contrastar-ho. 
 H0 : pCara = 0.5
H0 : pCara = 0.5
H1 : pCara > 0.5
H1 : pCara > 0.5
2 Hem recollit una mostra aleatòria
La llanç en l’aire 10 vegades, obtenc 10 cares. És evidència
suficient que està trucada?
3 Hem triat un estadístic de contrast amb distribució
coneguda quan H0 és vertadera
X : Nombre de cares en 10 llançaments
4 Hem calculat el valor d’aquest estadístic
Si no està trucada, X ∼ B(10, 0.5) i per tant
5 Hem calculat la probabilitat que l’estadístic prengui el
P(X = 10) = 0.5 10
= 0.001 valor observat si H0 és vertadera
6 Si aquesta probabilitat és molt petita, ho consideram
El resultat obtingut és molt improbable si la moneda no està evidència que H1 és vertadera
trucada: ho consideram evidència que sí està trucada (és
inversemblant que no estigui trucada)
7 Si no és prou petita, no tenim evidència que H0 sigui falsa
19 / 81 20 / 81
Esquema d’un contrast
No està del tot bé:
Motiu 1: «Calculam la probabilitat que l’estadístic prengui el
valor observat si H0 és vertadera i si és molt petita, ho
consideram evidència que H1 és vertadera» Segur??
Al contrast anterior, llanç la moneda en l’aire 10 vegades i ara
obtenc 10 creus. És evidència suficient que està trucada a
favor de cara? Òbviament no ho pot ser, però:
X : Nombre de cares en 10 llançaments
Si no està trucada, X ∼ B(10, 0.5) i per tant
P(X = 0) = 0.510 = 0.001
21 / 81
Esquema d’un contrast
En realitat, a (5) es calcula la probabilitat que, si H0 és
vertadera, l’estadístic prengui un valor tan extrem o més (en el
sentit de H1 ) que l’obtingut. Li diem el p-valor.
Al nostre exemple: Probabilitat de treure tantes cares o més si
la moneda no està trucada a favor de cara.
En l’exemple anterior concret, és el mateix (màxim 10 cares):
p-valor = P(X > 10) = P(X = 10) = 0.001
Com més petit sigui aquest p-valor, més inversemblant
consideram H0 perquè:
més rar seria obtenir un resultat com el nostre o
pitjor si H0 fos vertadera
23 / 81
Esquema d’un contrast
No està del tot bé:
Motiu 2: «Calculam la probabilitat que l’estadístic prengui el
valor observat si H0 és vertadera i si és molt petita, ho
consideram evidència que H1 és vertadera»
En molts casos, la probabilitat d’obtenir exactament el que
hem obtingut pot ser molt petita, independentment del que
hàgim obtingut
Exemple: La probabilitat de treure 5000 cares en 10000
llançaments d’una moneda no trucada és 0.008 (i és la
màxima)
Exemple: Recordau que la probabilitat que una v.a. contínua
prengui un valor concret és 0
22 / 81
Exemple

H0 : pCara = 0.5
H1 : pCara > 0.5
Llanç la moneda en l’aire 10 vegades, obtenc 7 cares. És
evidència suficient que pCara > 0.5?
X : Nombre de cares en 10 llançaments
Si no està trucada, X ∼ B(10, 0.5) i per tant
p-valor = P(X > 7) = 1-pbinom(6,10,0.5) = 0.172
Un resultat tan extrem o més que l’obtingut no és molt
improbable si la moneda no està trucada (1 de cada 6 vegades
passaria): no trobam evidència que estigui trucada a favor de
cara
24 / 81
Exemple p-valor
Tenc una moneda, i crec que està trucada a favor de creu.
Vull contrastar-ho. El p-valor d’un contrast (a partir d’una mostra) és la
 probabilitat d’obtenir un resultat com a mínim tan extrem (en
H0 : pCara = 0.5 el sentit de H1 ) com l’obtingut si la hipòtesi nul·la és vertadera
H1 : pCara < 0.5
El p-valor és una evidencia indirecta inversa de H1 : Com més
Llanç la moneda a l’aire 10 vegades, obtenc 1 cara. És petit sigui el p-valor, més improbable és el que hem obtingut si
evidència suficient que pCara < 0.5? H0 és vertadera, i per tant més evidència tenim que H0 no pot
X : Nombre de cares en 10 llançaments ser vertadera
Si no està trucada, X ∼ B(10, 0.5) i per tant

p-valor = P(X 6 1) = pbinom(1,10,0.5) = 0.01

Un resultat tan extrem o més que l’obtingut és molt

improbable si pCara = 0.5 (1 de cada 100 vegades): trobam
evidència que està trucada a favor de creu
25 / 81 26 / 81

p-valor El p-valor
El p-valor no és: Per exemple, p-valor = 0.03
• La probabilitat que H0 sigui vertadera condicionada al
• Significa que, si H0 és vertadera, la probabilitat que
nostre resultat
l’estadístic de contrast prengui un valor tan extrem o més
• La probabilitat que H1 sigui falsa condicionada al nostre que el que ha pres és 0.03
resultat
• El trobau petit? Ho preneu com a evidència que H0 és
És a l’inrevés: La probabilitat del nostre resultat (o quelcom falsa en favor de H1
més extrem) condicionada al fet que H0 sigui vertadera • No el trobau petit? No teniu evidència per rebutjar que
H0 és vertadera
En un contrast d’hipòtesis no obtenim cap
informació directa sobre la probabilitat de H0 • No significa:
• La probabilitat que H0 sigui vertadera és 0.03
• H0 és vertadera un 3% de les vegades

27 / 81 28 / 81
Exemple Exemple
Tenc una moneda, i crec que està trucada (en un o l’altre
Calculem aquesta probabilitat quan H0 és vertadera:
sentit). Vull contrastar-ho.
 P(X > 8 o X 6 2) = P(X > 8) + P(X 6 2)
H0 : pCara = 0.5 = 1 − P(X 6 7) + P(X 6 2)
H1 : pCara 6= 0.5 = 1-pbinom(7,10,0.5)+pbinom(2,10,0.5)
= 0.11
La llanç en l’aire 10 vegades, obtenc 8 cares. És evidència En realitat no es pren p-valor = P(X > 8 o X 6 2), sinó
suficient que està trucada?
p-valor = 2 min{P(X > 8), P(X 6 8)}
X : Nombre de cares en 10 llançaments
• P(X > 8) = 1-pbinom(7,10,0.5) = 0.055
Si no està trucada, X ∼ B(10, 0.5)
• P(X 6 8) = pbinom(8,10,0.5) = 0.99
Ara, «obtenir quelcom com a mínim tan extrem com
Seria 2 × 0.055 = 0.11. Coincideix perquè B(10, 0.5) és
l’obtingut» és treure > 8 del mateix: > 8 cares o > 8 creus
simètrica, si no ho fos no té perquè coincidir.
(6 2 cares)
p-valor = P(X > 8 o X 6 2) Si la moneda no està trucada, el resultat obtingut és
improbable, però no gaire (1 de cada 9 vegades passaria).
29 / 81 30 / 81

Tipus d’errors Tipus d’errors

Decisió Realitat Decisió Realitat

H0 certa H0 falsa H0 certa H0 falsa
Acceptar H0 Dec. correcta Error Tipus II Acceptar H0 Dec. correcta Error Tipus II
(Negatiu) Prob = 1 − α Prob = β (Negatiu) Prob = 1 − α Prob = β
Rebutjar H0 Error Tipus I Dec. correcta Rebutjar H0 Error Tipus I Dec. correcta
(Positiu) Prob = α Prob = 1 − β (Positiu) Prob = α Prob = 1 − β

• Error de Tipus I: Rebutjar H0 quan és certa • Error de Tipus II: Acceptar H0 quan és falsa
P(Error Tipus I) = P(Rebutjar H0 | H0 certa) = α P(Error Tipus II) = P(Acceptar H0 |H0 falsa) = β
α és el nivell de significació del contrast (probabilitat de 1 − β = P(Rebutjar H0 |H0 falsa) és la potència del
fals positiu) contrast (probabilitat de vertader positiu)

31 / 81 31 / 81
Tipus d’errors Tipus d’errors
En un test d’embaraç:
En un judici, s’ha de declarar un acusat innocent o culpable

H0 : No estàs embaraçada
H1 : Estàs embaraçada Contrast: 
H0 : L’acusat és innocent
H1 : L’acusat és culpable

Error de Tipus I: Declarar culpable un innocent

Error de Tipus II: Declarar no culpable un culpable

És pitjor l’error de Tipus I, convé minimitzar-lo

32 / 81 33 / 81
α β

Tipus d’errors Tipus d’errors

En un examen L’objectiu primari és trobar una regla de rebuig de H0 que
Contrast: tengui poca probabilitat α d’error de Tipus I
 Però també voldríem minimitzar la probabilitat β d’error de
H0 : L’estudiant no sap la matèria Tipus II
H1 : L’estudiant sap la matèria
Problema: quan fem disminuir α, sol augmentar β
es poden cometre dos errors

• Aprovar sense saber la matèria: Error de Tipus ?

• Suspendre sabent la matèria: Error de Tipus ?

34 / 81 35 / 81
Tipus d’errors Alerta!
Què se sol fer? Amb les regles donades per a un nivell de significació α,

1 Donar una regla de decisió per a un α (màxim) fixat
2 Després, augmentar la mida n de la mostra per arribar a
la β desitjada
Aquesta segona part no la tractarem a fons en aquest curs (ho
farà R per vosaltres)
Si efectuam n contrastos i tots tenen H0 vertadera,
el nombre de contrastos on rebutjaríem H0 té
distribució B(n, α)
De cada 100 vegades que H0 sigui vertadera, de
mitjana en 100α ocasions la rebutjarem (i ens
equivocarem)

Si efectuam molts de contrastos, augmenta la probabilitat de

«trobar qualque cosa» encara que no hi hagi res que trobar

https://xkcd.com/882/

36 / 81 37 / 81

Exemple: test t Exemple: test t

Els homes joves amb diabetis, tenen una concentració de calci X : Concentració de calci en plasma en un home diabètic de 22
superior a la dels homes joves sans? a 44 anys
La concentració de calci en plasma segueix una llei Suposem que X ∼ N(µ, σ)
aproximadament normal. El seu valor mitjà en homes sans de Volem realitzar el contrast
22 a 44 anys s’estima en 2.5 mmol/l. 
En una mostra de 20 diabètics d’aquesta franja d’edat, es va H0 : µ = 2.5
obtenir una concentració mitjana de calci x = 3.2 mmol/l amb H1 : µ > 2.5
una desviació típica mostral se = 1.5 Volem decidir el què a partir de la nostra mostra
Suposem que la mostra de diabètics és representativa i
raonablement aleatòria

38 / 81 39 / 81
Exemple: test t Exemple: test t
Idea: Rebutjarem H0 en favor de H1 si aquest estadístic de
Situació general: Una v.a. X ∼ N(µ, σ) contrast T pren un valor «suficientment gran» sobre la
Considerem el contrast mostra. Això significarà que X és «molts errors estàndard»
 més gran que µ0 .
H0 : µ = µ 0
H1 : µ > µ0 Per concretar «suficientment gran» cal fixar α:
Per reduir la probabilitat permesa d’error de Tipus I,
Volem prendre una decisió a partir d’una m.a.s. hem de fer més difícil rebutjar H0 : el llindar per a T
Si H0 és vertadera, sabem a partir del qual rebutjarem H0 ha de ser més alt
Usualment es pren α = 0.05: La probabilitat d’equivocar-nos
X − µ0
T = √ ∼ tn−1 rebutjant H0 en favor de H1 és 0.05
SeX / n
0.05: Una mica menys que la probabilitat de treure 4 cares seguides amb
una moneda no trucada

40 / 81 41 / 81

Exemple: test t Exemple: test t

 
H0 : µ = µ 0 H0 : µ = µ 0
H1 : µ > µ0 H1 : µ > µ0
Sigui T0 el valor que pren l’estadístic de contrast T en la Rebutjam H0 Acceptam H0

nostra mostra
T0 T0
Rebutjarem H0 quan T0 sigui més gran que un cert llindar L0 ,
que determinam amb α: tn−1,1−α tn−1,1−α

α = P(Rebutjar H0 |H0 certa) = P(T > L0 )

=⇒ 1 − α = P(T 6 L0 ) =⇒ L0 = tn−1,1−α
Per tant, per què el nivell de significació del contrast sigui α,

Rebutjarem H0 si T0 > tn−1,1−α

1−α α 1−α α

42 / 81 43 / 81
Exemple: test t Exemple: test t
En el nostre exemple: Rebutjarem H0 quan T > tn−1,1−α

H0 : µ = 2.5 Si T pren el valor T0 sobre la nostra mostra
H1 : µ > 2.5
Rebutjarem H0 ⇐⇒ T0 > tn−1,1−α
x = 3.2, se = 1.5, n = 20: l’estadístic de contrast val ⇐⇒ P(T > T0 ) < P(T > tn−1,1−α )
3.2 − 2.5 ⇐⇒ P(T > T0 ) < α
T0 = √ = 2.09
1.5/ 20 Observau que P(T > T0 ) és el p-valor del contrast: la
Si α = 0.05: L0 = tn−1,1−α = qt(0.95,19) = 1.73 probabilitat que l’estadístic de contrast prengui un valor tan
extrem o més (en el sentit de H1 ) que l’obtingut
Com 2.09 > 1.73, concloem amb un nivell de significació de
0.05 que el nivell mitjà de calci en sang en els joves diabètics Rebutjarem H0 quan p-valor < α
és més gran que en els joves sans

44 / 81 45 / 81

Exemple: test t Alerta!

En el nostre exemple: Concloem amb un nivell de significació de 0.05 que
 el nivell mitjà de calci en sang en els joves diabètics
H0 : µ = 2.5 és més gran que en els joves sans
H1 : µ > 2.5
Per tant, reconeixem una probabilitat d’equivocar-nos del 5%:
Ja hem calculat T0 = 2.09
Si el nivell mitjà de calci en sang en els joves
p-valor = P(T > 2.09) = 1-pt(2.09,19) = 0.025 diabètics és el mateix que en els sans, la probabilitat
que tenim d’equivocar-nos i concloure que el nivell
Com que el p-valor < 0.05, concloem amb un nivell de mitjà de calci en sang en els joves diabètics és més
significació de 0.05 que el nivell mitjà de calci en sang en els gran que en els sans és del 5%
joves diabètics és més gran que en els sans

46 / 81 47 / 81
Un experiment Un experiment
> set . seed (42) > mus = runif (100 ,2.5 ,3)
> mu0 =2.5 > p . error . Tipus . II = c ()
> sigma =0.5 > for ( j in 1: N ) {
> poblacio = rnorm (10^6 , mu0 , sigma ) poblacio = rnorm (10^5 , mus [ j ] , sigma )
> L = qt (0.95 ,19) # el llindar per n =20 i alfa Tes = replicate (200 , estadistic (20 , poblacio ) )
=0.05 p . error . Tipus . II = c ( p . error . Tipus . II ,
> estadistic = function (n , X ) { length ( which (( Tes <= L ) == TRUE ) ) / 200) }
mostra = sample (X , n ) > mean ( p . error . Tipus . II )
( mean ( mostra ) - mu0 ) / ( sd ( mostra ) / sqrt ( n ) ) } [1] 0.3549
> Tes = replicate (200 , estadistic (20 , poblacio ) ) Hem comés un 35.5% d’errors de Tipus II de mitjana
> p . error . Tipus . I = length ( which (( Tes > L ) == TRUE ) ) /
200 > round ( p . error . Tipus . II ,2) [1:50]
> p . error . Tipus . I [1] 0.22 0.02 0.02 0.19 0.10 0.68 0.02 0.16
[1] 0.055 [9] 0.01 0.98 0.03 0.62 0.95 0.51 0.09 0.02
[17] 0.88 0.02 0.92 0.24 0.53 0.45 0.00 0.03
Hem comés un 5.5% d’errors de Tipus I [25] 0.02 0.04 0.57 0.58 0.61 0.47 0.51 0.12
[33] 0.24 0.01 0.05 0.94 0.67 0.39 0.44 0.46
[41] 0.77 0.93 0.42 0.74 0.12 0.78 0.77 0.39
[49] 0.24 0.01
48 / 81 49 / 81

Un experiment La potència
Si augmentam la mida de la mostra, la potència augmenta
La potència 1 − β és la probabilitat de rebutjar H0 quan H1 és
> p . error . Tipus . II = c () vertadera
> for ( j in 1: N ) {
poblacio = rnorm (10^5 , mus [ j ] , sigma ) Exemple: En el nostre exemple del calci en diabètics la regla
Tes = replicate (200 , estadistic (200 , poblacio ) ) de rebuig era
p . error . Tipus . II = c ( p . error . Tipus . II , X − 2.5
length ( which (( Tes <= L ) == TRUE ) ) / 200) } T = √ > 1.73,
> mean ( p . error . Tipus . II ) SeX / n
[1] 0.1068 per tant
Amb mostres de mida 200, cometem un 10.7% d’errors de 1 − β = P(T > 1.73|µ > 2.5)
Tipus II de mitjana Aquesta probabilitat és difícil de calcular, però hi ha paquets
de R que ho saben fer

50 / 81 51 / 81
La potència
Per a cada tipus de contrast es té una relació numèrica entre
• La potència 1 − β
• La mida de la mostra n: la potència creix amb n
• El nivell de significació α: la potència decreix amb α
La potència
Usualment:
• Fixam el nivell de significació desitjat
• Prenem mostra de mida n i efectuam el contrast
• Calculam la mida de l’efecte obtingut

• La mida de l’efecte (un valor que quantifica la diferència i empram la relació anterior per calcular a posteriori la
entre el paràmetre mostral i el valor contrastat): la potència del contrast
potència creix amb (el valor absolut de) la mida de
l’efecte
Aquesta relació permet calcular qualsevol dels quatre valors a
partir dels altres tres (amb R, paquet pwr)

52 / 81 53 / 81

La potència Exemple: test t

Usualment: Si el contrast fos 
• Fixam el nivell de significació desitjat H0 : µ = µ 0
H1 : µ < µ0
• Fixam la potència desitjada
per a una v.a. X ∼ N(µ, σ),
• Estimam la mida de l’efecte esperat (a partir de la nostra
teoria, de la nostra experiència, dels resultats d’altres p-valor = P(T 6 T0 )
estudis. . . ) o que volguem detectar
i empram la relació anterior per calcular a priori la mida de la i (raonant igual) rebutjaríem H0
mostra
• si T0 < tn−1,α
Desconfiau de treballs on això no es faci. Podria ser que la
• si p-valor < α
potència fos molt baixa i hi hagués un biaix de infrapotència
(underpower ): es necessitava un efecte molt gran per observar
diferència i publicar l’article.

54 / 81 55 / 81
Exemple: test t Exemple: test t
Considerem el contrast Considerem el contrast
 
H0 : µ = µ 0 H0 : µ = µ 0
H1 : µ 6= µ0 H1 : µ 6= µ0

per a una v.a. X ∼ N(µ, σ) per a una v.a. X ∼ N(µ, σ)

Rebutjarem H0 quan |T0 | sigui més gran que un cert llindar L0 , Perquè el nivell de significació del contrast sigui α,
que determinam amb α:
Rebutjarem H0 si |T0 | > tn−1,1−α/2
α = P(Rebutjar H0 |H0 certa) = P(|T | > L0 )
= P(T < −L0 o T > L0 ) = P(T < −L0 ) + P(T > L0 )
= 2P(T > L0 ) (per la simetria de tn−1 )
=⇒ α/2 = 1 − P(T 6 L0 )
=⇒ P(T 6 L0 ) = 1 − α/2 =⇒ L0 = tn−1,1−α/2

56 / 81 57 / 81

Exemple: test t Exemple: test t

 Considerem el contrast
H0 : µ = µ 0 
H1 : µ > µ0 H0 : µ = µ 0
H1 : µ 6= µ0
Rebutjam H0 Rebutjam H0

per a una v.a. X ∼ N(µ, σ)

T0
El p-valor serà
tn−1,α 2 tn−1,1−α 2 tn−1,α 2 tn−1,1−α 2

p-valor = P(|T | > |T0 |)

T0 T0
= P(T 6 −|T0 |) + P(T > |T0 |)
= 2P(T > |T0 |)
= 2 min{P(T > |T0 |), P(T 6 |T0 |)}
α 2 1−α α 2 α 2 1−α α 2

58 / 81 59 / 81
Exemple: test t Exemple
Considerem el contrast
 Sigui X una població normal. Volem fer el contrast
H0 : µ = µ 0 
H1 : µ 6= µ0 H0 : µ = 20
H1 : µ > 20
per a una v.a. X ∼ N(µ, σ)
amb un nivell de significació de 0.05.
p-valor < α ⇐⇒ 2P(T > |T0 |) < α
Prenem una m.a.s. de n = 25 observacions i obtenim x = 20.7
⇐⇒ P(T > |T0 |) < α/2 i se = 1.8.

⇐⇒ |T0 | > tn−1,1−α/2 Què decidim?

⇐⇒ Rebutjam H0
Per tant, perquè el nivell de significació sigui α
Rebutjarem H0 quan p-valor < α
60 / 81 61 / 81

Exemple Exemple

H0 : µ = 20
H1 : µ > 20 Sigui X una població normal. Volem fer el contrast
α = 0.05, n = 25, x = 20.7, se = 1.8 
H0 : µ = 20
X − µ0 H1 : µ > 20
• Estadístic de contrast: T = √
SeX / n amb un nivell de significació de 0.01.
• Pren el valor
Amb la mateixa m.a.s. d’abans, què decidim?
20.7 − 20
T0 = √ = 1.944
1.8/ 25
• p-valor

P(T > 1.944) = 1-pt(1.944,24) = 0.032

• Decisió: Com que p-valor < 0.05, rebutjam H0 i

concloem (amb α = 0.05) que µ > 20
62 / 81 63 / 81
Exemple Exemple

H0 : µ = 20
Sigui X una població normal. Volem fer el contrast H1 : µ 6= 20

H0 : µ = 20 α = 0.05, n = 25, x = 20.7, se = 1.8
H1 : µ 6= 20
• Mateix estadístic de contrast que abans
amb un nivell de significació de 0.05
• Pren el valor T0 = 1.944
Amb la mateixa m.a.s. d’abans, què decidim?
• Ara el p-valor és

2 · P(T > 1.944) = 2*(1-pt(1.944,24)) = 0.064

• Decisió: Com que p-valor > α, no podem rebutjar H0 no

podem afirmar amb α = 0.05 que µ 6= 20

64 / 81 65 / 81

Exemple Exemple
Sigui X una població normal. Volem fer el contrast Sigui X una població normal. Volem fer el contrast
 
H0 : µ = 20 H0 : µ = 20
H1 : µ > 20 H1 : µ 6= 20

amb un nivell de significació de 0.05. amb un nivell de significació de 0.05.

Prenem una m.a.s. de n = 25 observacions i obtenim x = 19 i Prenem una m.a.s. de n = 25 observacions i obtenim x = 19 i
se = 1.8. se = 1.8. Què decidim?
Què decidim?

66 / 81 67 / 81
Terminologia Terminologia
Donat un contrast: Donat un contrast:

• Nivell de significació, α: probabilitat de rebutjar H0 si
aquesta és vertadera (probabilitat d’error de Tipus I, de
fals positiu)
• Nivell de confiança, 1 − α: probabilitat d’acceptar H0 si
aquesta és vertadera (probabilitat de vertader negatiu)
• Error β: probabilitat d’acceptar H0 si H1 és vertadera
(probabilitat d’error de Tipus II, de fals negatiu)
• Potència, 1 − β: probabilitat de rebutjar H0 si H1 és
vertadera (probabilitat de vertader positiu)
• Estadístic de contrast: el que ens permet definir una regla
de rebuig de H0
• Regió crítica o de rebuig: el rang de valors de l’estadístic
de contrast per als qual rebutjam H0 (amb un nivell de
significació α donat)
• Regió d’acceptació: el complementari de la regió de rebuig
• p-valor: La probabilitat que l’estadístic de contrast
prengui un valor tan o més extrem (en el sentit de H1 )
que l’obtingut sobre la nostra mostra si H0 és vertadera

68 / 81 69 / 81

Exemple: Test t Exemple: Test t

 
H0 : µ = µ 0 H0 : µ = µ 0
H1 : µ > µ0 H1 : µ 6= µ0
Rebutjam H0 amb nivell de significació α (o amb nivell de Rebutjam H0 amb nivell de significació α (o amb nivell de
confiança 1 − α) quan confiança 1 − α) quan
 
X − µ0 X − µ 
0
T = √ > tn−1,1−α |T | = 

√  > tn−1,1−α/2
SeX / n  SeX / n 

• Estadístic de contrast: Aquest T • Estadístic de contrast: El mateix T d’abans

• Regió crítica per aquest α: (tn−1,1−α , ∞) • Regió crítica per aquest α:

(−∞, −tn−1,1−α/2 ) ∪ (tn−1,1−α/2 , ∞)
• Regió d’acceptació per aquest α: (−∞, tn−1,1−α ]
• Regió d’acceptació per aquest α: [−tn−1,1−α/2 , tn−1,1−α/2 ]

70 / 81 71 / 81
Terminologia Exemple: IC en el test t

Donat un contrast: H0 : µ = µ 0
• Interval de confiança del (1 − α) · 100% (o de nivell de H1 : µ > µ0
confiança 1 − α) del contrast: un interval on el paràmetre Acceptam H0 amb nivell de significació α quan
poblacional té probabilitat 1 − α de pertànyer-hi (en el
sentit dels IC del tema anterior: produït amb una fórmula X − µ0
√ 6 tn−1,1−α
bla bla bla) SeX / n
S’obté imposant que l’estadístic de contrast pertanyi a la Aïllant µ0 :
regió d’acceptació per al nivell de significació α i aïllant el
SeX
paràmetre poblacional X − tn−1,1−α · √ 6 µ0
n
• Quan H1 és bilateral, coincideix amb l’IC donat en el El IC (1 − α) · 100% per a aquest contrast és
tema anterior " !
• Quan H1 és unilateral, tota la probabilitat sobrant va al SeX
costat definit per H1 X − tn−1,1−α · √ , ∞
n

72 / 81 73 / 81

Exemple: IC en el test t Exemple: IC en el test t


H0 : µ = µ 0
El IC 95% per a aquest contrast és H1 : µ 6= µ0
" ! Acceptam H0 amb nivell de significació α quan
SeX
X − tn−1,0.95 · √ , ∞ X − µ0
n −tn−1,1−α/2 6 √ 6 tn−1,1−α/2
SeX / n
En el nostre exemple dels diabètics:
Aïllant µ0 :
" !
1.5 SeX SeX
3.2 − 1.73 · √ , ∞ = [2.62, ∞) X − tn−1,1−α/2 · √ 6 µ0 6 X + tn−1,1−α/2 · √
20 n n

Obtenim que, amb un nivell de confiança del 95%, la El IC (1 − α) · 100% per a aquest contrast és
concentració mitjana de calci en sang en els joves diabètics és
" #
SeX SeX
> 2.62, i que per tant (amb aquest nivell de confiança) no pot X − tn−1,1−α/2 · √ , X + tn−1,1−α/2 · √
n n
ser 2.5 (encara que per poc)
Us sona? Fent q = 1 − α, és el del tema anterior
74 / 81 75 / 81
Regles de rebuig Estadísticament significatiu
Si no establim un nivell de significació α,
Donat un contrast d’hipòtesis, podem decidir si rebutjam H0
en favor de H1 emprant: • Acceptam H0 si el p-valor és «gran» (> 0.1)

• La regió crítica: Si l’estadístic de contrast cau dins la • Rebutjam H0 si el p-valor és «petit» (< 0.05)
regió crítica per al nivell de significació α, rebutjam H0 En aquest cas, distingim tres franges de p-valor:
• Significatiu si és < 0.05
• El p-valor: Si el p-valor és més petit que el nivell de • Fortament significatiu si és < 0.01
significació α, rebutjam H0 • Molt significatiu si és < 0.001

• L’interval de confiança: Si el paràmetre poblacional a Signif. codes: 0‘***’0.001‘**’0.01‘*’0.05‘.’0.1‘ ’1

contrastar no cau dins l’IC (1 − α)100%, rebutjam H0 • Si 0.05 6 p-valor 6 0.1, sense nivell de significació millor
Els tres són equivalents. El més adequat és donar l’interval de no concloure res
confiança (si es pot) i el p-valor; i la conclusió. Resultat estadísticament significatiu = «p-valor < 0.05»

76 / 81 77 / 81

El p-valor El p-valor
Acostumau-vos a donar el p-valor, no la franja de significació
on cau
Atès que rebutjam H0 si, i només si, p-valor < α, el p-valor
d’un contrast és
El nivell de significació més petit per al qual
rebutjaríem la hipòtesi nul·la

És a dir,
La probabilitat mínima d’equivocar-nos rebutjant la
hipòtesi nul·la si és vertadera (amb el valor de
l’estadístic de contrast obtingut)

https://xkcd.com/1478/
78 / 81 79 / 81
Significat estadístic? Significat estadístic?
Qualsevol treball pot donar un p-valor A més
estadísticament significatiu. . . que estigui malament Qualsevol estudi mal dissenyat o mal realitzat pot
donar un p-valor petit. . . que no signifiqui
El paquet statcheck de R (http://statcheck.io) revisa absolutament res
tots els càlculs d’un article (en un format concret en
psicologia) i en comprova els p-valors Feu les coses bé. . .
Els autors van analitzar 30,000 articles:
I no oblideu que
«Hem trobat que la meitat dels articles contenen
almenys un p-valor erroni. I un de cada vuit articles Qualsevol estudi pot donar per pur atzar un p-valor
conté un p-valor molt inconsistent que afecta la conclusió petit. . . que no signifiqui absolutament res
estadística.»
M. Nuijten et a el, “The prevalence of statistical reporting errors in psychology (1985–2013).” Behavior
research methods 48 (2016), 1205–1226

80 / 81 81 / 81