Bioestadística – Tema 3

1. El plantejament general d’un test d’hipòtesi

En els tests d’hipòtesi, com bé el seu nom indica, un investigador fa una hipòtesi sobre
una població i tracta de donar-hi suport estadístic per mitjà de l’observació d’una mostra
aleatòria. Generalment, es presenten hipòtesis sobre el valor d’un paràmetre poblacio-
nal i es vol donar evidència a favor o en contra d’aquests valors hipotètics.

Doncs bé, centrem-nos ara en el test d’hipòtesi i els seus components. El test d’hipòtesi
consta d’una hipòtesi nul·la (Ho), una hipòtesi alternativa (Hi), un estadístic de la prova
de què coneixem la distribució si la hipòtesi nul·la és certa, i una regió de rebuig dins
del rang de l’estadístic de la prova.

Així doncs, si “E” és l’estadístic de la prova, es fixa una regió de rebuig R, de manera
que 𝐏(𝐄 ∈ 𝐑|𝐇𝐨 é𝐬 𝐜𝐞𝐫𝐭) = 𝛂 on “α ” és el grau o nivell de significació. D’aquesta
manera, si la lectura de E sobre la mostra aleatòria cau dins de la regió de rebuig, rebut-
jarem la hipòtesi nul·la. En cas contrari, acceptarem que no hi ha evidència en contra de
la hipòtesi nul·la.

D’altra banda, cal considerar que en acceptar o rebutjar la hipòtesi nul·la podem come-
tre dues classes d’errors. Per una banda, l’error de tipus I succeeix quan rebutgem la hi-
pòtesi nul·la i aquesta és en realitat certa. Doncs bé, la probabilitat de cometre aquest
error equival al nivell de significació, és a dir:

P(rebutjem Ho |Ho és certa) = P(E ∈ R |Ho és cert) = α

Per altra banda, l’error de tipus II succeeix quan acceptem la hipòtesi nul·la i aquesta és
en realitat falsa. Doncs bé, la probabilitat de cometre aquesta classe d’error és difícil
de calcular i, a més a més, sol ser alta. Per aquest motiu, només podem afirmar que no
es pot rebutjar la hipòtesi nul·la, però no la podem acceptar.

Finalment, és necessari destacar el p-valor, que

indica la probabilitat d’obtenir un valor de l’esta-
dístic de la prova igual o més extrem que l’observat
a la mostra, tot suposant que la hipòtesi nul·la és
certa. Així doncs, s’obté la probabilitat que l’esta-
dístic prengui valors a la cua limitada pel valor
observat, fet que ens permet: rebutjar la hipòtesi
nul·la si 𝐩 < 𝛂 i a no poder rebutjar-la si p > α.

2. Test d’hipòtesi per a la mitjana poblacional amb variància coneguda

En aquest apartat ens centrarem en una variable normal, amb una variància 𝛔𝟐 i realit-
zarem un test d’hipòtesi per a la mitjana poblacional o l’esperança. D’aquesta manera,
haurem de descriure la hipòtesi nul·la i alternativa, l’estadístic i la regió de rebuig cor-
responent.

En primer lloc, la hipòtesi nul·la estipularà que la mitjana poblacional equival a un

nombre real, un valor hipotètic de l’esperança: 𝛍 = 𝛍𝐨. En segon lloc, la hipòtesi alter-
nativa pot ser de cua inferior (μ < μo ); dues cues (μ ≠ μo ); i cua superior (μ > μo ). En
tercer lloc, centrem-nos ara en l’estadístic, descrit a continuació:
 Bioestadística – Tema 3

x̅ − μ En què “E” és N(0, 1) si la hipòtesi nul·la

E=
σ/√n és certa, car llavors μ = μo .

En darrer lloc, centrem-nos ara en la regió de rebuig 𝐑 ∈ ℝ, la qual triarem de tal manera
que 𝐏(𝐄 ∈ 𝐑 |𝐇𝐨 ) = 𝛂 i en funció del tipus de test que es dugui a terme. Així doncs,
haurem de considerar si el test és de dues cues o una, car llavors presentarà una única
zona o dues regions de rebuig. Finalment, el test tindrà un nivell de significació
determinat que caldrà indicar en tots els casos.

3. Test d’hipòtesi per a la mitjana poblacional amb variància desconeguda

En aquest apartat ens centrarem en una variable normal, amb variància desconeguda i
realitzarem un test d’hipòtesi per a la mitjana poblacional. D’aquesta manera, estudia-
rem un cas similar a l’anterior en què caldrà modificar l’estadístic, ja que es desconeix la
variància poblacional.

D’aquesta manera, només haurem d’aproximar la desviació típica poblacional amb la

de la mostra per a obtenir un estadístic que puguem calcular. Llavors, haurem de
considerar que el nostre estadístic tindrà una distribució t de Student amb “𝐧 − 𝟏” graus
de llibertat si la hipòtesi nul·la és certa, tal com succeïa en els intervals de confiança.

4. Test d’hipòtesi per a la variància d’una població normal

En aquest apartat ens centrarem en la variància d’una població normal i, per tant, la
hipòtesi nul·la estipularà que aquesta equival a un valor real, un valor hipotètic de la
variància poblacional: 𝝈𝟐 = 𝛔𝟐𝐨 . D’altra banda, la hipòtesi alternativa podrà presentar
les tres formes esmentades anteriorment.

Addicionalment, la regió de rebuig també presentarà les mateixes característiques expo-

sades en apartats anteriors. Per acabar, vegem ara l’estadístic que emprarem en aquest
cas i la seva distribució:

(n − 1)S 2 Presenta una distribució 𝛘𝟐 amb “𝐧 − 𝟏”

E= graus de llibertat si Ho és certa.
σ2o

5. Test d’hipòtesi per a proporcions

El test d’hipòtesi per a proporcions es basa en l’aproximació normal de la binomial i,

per aquest motiu, es requereix de mostres grans que compleixin les característiques es-
mentades en temes anteriors: 𝐧 ≥ 𝟑𝟎, 𝐧𝐩 ̂ ≥ 𝟓 i 𝐧(𝟏 − 𝐩̂) ≥ 𝟓. A més a més, en aquests
“𝐩
̂” és la proporció d’èxits de la mostra, que equival a la mitjana mostral.

Doncs bé, centrem-nos ara en el test d’hipòtesi. En aquests casos, la hipòtesi nul·la esti-
pula que la proporció poblacional equival a un valor real i hipotètic: 𝐩 = 𝐩𝐨 . D’altra
banda, la hipòtesi alternativa pot presentar les tres formes mencionades ja; mentre que
l’estadístic presentarà la següent estructura:

p̂ − po
E= L’estadístic és aproximadament 𝐍(𝟎, 𝟏) si
√po · (1 − po ) la hipòtesi nul·la és certa.
n
 Bioestadística – Tema 3

6. Comparació de dues poblacions

En aquest apartat primer ens centrarem en la comparació de mitjanes de dades aparella-

des de poblacions normals. Així doncs, tindrem dues variables X i Y determinades sobre
la mateixa mostra de manera que hi haurà dues observacions sobre cada element de la
mostra.

D’altra banda, és important considerar que podem reduir aquestes dues variables a una
única variable normal, prenent la diferència: 𝐃 = 𝐗 − 𝐘. Així podrem realitzar els tests
pertinents de la mateixa manera que hem esmentat anteriorment.

D’aquesta manera, definim una nova

variable aleatòria D per la qual podrem
realitzar un test d’hipòtesi que ens aporti
informació sobre les dues variables ini-
cials. Així, estudiarem 𝛍𝐃 .

Alternativament, centrem-nos ara en la comparació de dues mostres independents, ca-

dascuna de les quals amb una variable de mida variable. En aquest cas, ens centrarem en
la mitjana d’aquestes dues poblacions en dos casos concrets: amb variàncies conegudes
i amb variàncies desconegudes, però iguals.

Per una banda, centrem-nos primer en el cas de variàncies conegudes i, més concreta-
ment, en el test d’hipòtesi corresponent. En primer lloc, la hipòtesi nul·la estipularà que
la mitjana de les dues poblacions és igual: 𝛍𝐱 = 𝛍𝐲 . En segon lloc, la hipòtesi alternativa
pot presentar tres formes diferents, com bé s’ha ja mencionat; mentre que l’estadístic
presentarà la següent estructura:

(x̅ − y̅) − (μx − μy ) En què “n” és la mida de la mostra de la

E= variable X i “m” la de la variable Y. A més,
2
√σx + σy
2
l’estadístic té una distribució 𝐍(𝟎, 𝟏) si
n m la hipòtesi nul·la és certa.

Per altra banda, centrem-nos en el cas de les variàncies desconegudes, però iguals, és a
dir, que: 𝛔𝟐𝐱 = 𝛔𝟐𝐲 = 𝛔𝟐 . En aquest cas, estimarem el valor de “σ2 ” per mitjà de la vari-
ància conjunta, fet que ens permetrà obtenir un estadístic que puguem calcular. Doncs
bé, vegem-ho:

Traiem la variància de l’arrel quadrada i

σ2 σ2 1 1 ens surt en fora de la desviació típica mos-
√ x + y = σ√ +
n m n m tral.

2
(n − 1)S12 + (m − 1)S22 Aproximem la variància a la variància
σ = SC = conjunta de les dues variables.
n+m−2

(x̅ − y̅) − (μx − μy ) Definim l’estadístic que presenta una

E= distribució t de Student amb 𝐧 + 𝐦 − 𝟐
1 1 graus de llibertat si la hipòtesi nul·la és
SC √n + m
certa.
 Bioestadística – Tema 3

7. El test d’independència

El test d’independència és un test de dues variables aleatòries qualitatives, de manera

que podem elaborar una taula de contingència amb els valors observats. A més a més,
en aquests casos, direm que la hipòtesi nul·la estipula que les dues variables X i Y són
independents; mentre que la hipòtesi alternativa dirà que són dependents.

Llavors, haurem d’elaborar una taula de contingència amb els valors esperats en cas
d’independència, fet que ens permetrà calcular el valor del nostre estadístic per a
determinar si aquest es troba en la regió de rebuig, o no. Doncs bé, vegem a continuació
un exemple de taula de contingència, així com l’estadístic que usarem:

ni · nj Definim els valors esperats en cada cas

̂ij =
E
n de la taula de contingència

En què “E” és l’estadístic i presenta una

̂ij − nij )2
(E nij 2
E=∑ =∑ −n distribució 𝛘𝟐 amb (𝐫 − 𝟏)(𝐬 − 𝟏)
̂ij
E ̂ij
E graus de llibertat en què “r” és files i “s”
ij ij
columnes.

Per acabar, és important considerar que aquests tests són sempre de cua superior. A més
a més, necessitem de mostres grans en què 𝐄̂𝐢𝐣 ≥ 𝟓 sempre.