Estadís'ca

T8. Contrast d’hipòtesis

Sergi Peire
Departament de Matemà'ques
Escola d’Enginyeria de Barcelona Est
Universitat Politècnica de Catalunya
Febrer-Maig 2020

Hipòtesis nul·la, hipòtesis alterna'va. Errors de 'pus 1 i 2, nivell de significació i potència.

Tipus de contrast: bilateral, unilateral Regió d’acceptació, regió crí'ca o de rebuig. P-valor

Contrast sobre la mitjana d’una població normal amb variància coneguda.

Contrast sobre la mitjana amb variància desconeguda.

Contrast sobre la variància d’una població normal.

Contrast de λ per a una distribució de Poisson.

Contrast d’una proporció.

 Contrast d’hipòtesis
Hipòtesis nul·la, hipòtesis alterna'va.
• Un contrast d’hipòtesis es planteja com una decisió entre dues
hipòtesis.
• La Hipòtesis nul·la consisteix en una afirmació sobre la població
d’origen de la mostra. H : θ ∈Ω
0 0

• La Hipòtesis alterna/va és igualment una afirmació sobre la

població d’origen. Moltes vegades, encara que no sempre,
consisteix simplement en negar l’afirmació de H0.
€
H1 : θ ∈ Ω1

• En general 'ndrem: Ω0 ∪ Ω1 = Ω espai parametral de θ

€

€ €
 Contrast d’hipòtesis

• Un contrast d’hipòtesis consisteix en u'litzar un cert estadís'c

T(X1,...,Xn ) per a decidir si no es rebutja H 0 : θ ∈ Ω0
O si es rebutja H 0 : θ ∈ Ω0 i, per tant s’accepta H1 : θ ∈ Ω1

• Generalment suposarem H0 certa€a no ser que el contrast ens

proporcioni
€ proves prou clares en contra d’H
€ 0

• Podriem considerar-ho com una analogia d’un judici i la

pressumpció d’inocència. Només condemnarem un acusat (i per
tant rebutjarem l’hipòtesis de la seva inocència) si les proves
condemnatòries són prou evidents.
 Contrast d’hipòtesis
Errors: nivell de significació i potència.
Com que el contrast es fa a par'r d’una mostra aleatòria, el resultat pot ser erroni.
Definim dos 'pus d’errors:

Resultat de la prova
Realitat
Acceptem H0 Acceptem H1
H0 certa No error (1 − α ) Fals posi'u (α )
(Error 'pus 1)
H1 certa Fals nega'u No error= Potència
( β)
(Error 'pus 2) (€φ = 1 − β)
€
Nivell de significació: (α ) és la probabilitat màxima de cometre un error de
'pus 1, és a dir , de rebutjar H0 i per tant acceptar H1 quan en realitat H0 és certa.
€ €
Potència: (φ ) de la prova d’hipòtesis és (φ = 1 − β) on (β) és la probabilitat màxima de
€
cometre un error de 'pus 2

€ € €
 Contrast d’hipòtesis
Errors: nivell de significació i potència.

En general, es fixa un valor del nivell de significació (α ) abans de fer la prova de

contrast. Interesa que sigui pe't per evitar dins del possible falsos posi'us.
(Analogament seria intentar evitar condemnar a innocents en un judici).
Els valors més freqüents són: α = 0.1 ;€ 0.05 ; 0.01
Interesa també que (β) sigui pe't, així que una vegada fixat (α ) s’intenta
minimitzar (β)

€ (φ = € € H quan H és certa, és a dir,

1 − β) és la probabilitat d’acceptar
La potència 1 1
€
de rebutjar H0 quan H0 és falsa.
(Anàlogament seria condemnar al culpable en un judici).
Per tant
€ interesa que sigui tan a prop d’1 com sigui possible.
 Contrast d’hipòtesis
Tipus de contrast: bilateral, unilateral
Considerarem tres 'pus de problemes per a un paràmetre θ

⎧H 0 : θ = θ 0
a) Contrast bilateral ⎨
⎩ H1 : θ ≠ θ 0

⎧H 0 : θ ≤ θ 0
b) Contrast unilateral superior ⎨
€ ⎩ H1 : θ > θ 0

c) Contrast unilateral inferior

⎧H 0 : θ ≥ θ 0
€ ⎨
⎩ H1 : θ < θ 0
 Contrast d’hipòtesis
Construcció d’un contrast d’hipòtesis mitjançant intervals de confiança; regió
d’acceptació, regió crí'ca o de rebuig.

U'litzarem un estadís'c T(X1,...,Xn) que en general serà una funció de

l’es'mador fet servir a l’es'mació puntual o per IC del paràmetre sobre
el qual ara realitzem el contrast.

Definim la Regió d’acceptació A0: conjunt de valors de T(X) per als

quals acceptarem H0

Definim la Regió crí/ca o de rebuig C0 : conjunt de valors de T(X) per als

quals rebutjarem H0

A0UC0= conjunt de tots els valors possibles de T(X)

 Contrast d’hipòtesis
Construcció d’un contrast sobre la mitjana en una distribució normal.

Considerem una variable X →Ν( µ,σ ) on µ és el paràmetre sobre el qual farem

el contrast.
Pot ser que σ sigui coneguda o desconeguda.
Considerem X1,...,Xn una m.a.s. d’X, tenim X com es'mador de µ
€
Fixem un nivell de significació α €
Llavors construim els intervals (de manera similar als IC) per als tres 'pus de contrast:
€
€ €
€
 Contrast d’hipòtesis
Contrast bilateral de la mitjana d’una població normal amb variància coneguda.

( )
Considerem una variable X →Ν µ,σ on μ és el paràmetre sobre el qual
farem el contrast, amb σ coneguda. Sigui X1,...,Xn una m.a.s. d’X
X − µ0
Suposant H0 cert definim l’estadís'c Z=
σ
€ n
⎛ ⎞
Busquem zα perquè P⎜ −zα ≤ Z ≤ zα ⎟ = 1 − α
2 ⎝ 2 2⎠

⎛ ⎞ €
Llavors α
φ⎜ zα ⎟ = 1 −
⎝ 2 ⎠€ 2
€
Per tant , la regió d’acceptació serà ⎡ ⎤ o també ⎧ σ ⎫
A0 = ⎢−zα , zα ⎥ A0 = ⎨ x / x − µ0 ≤ zα ⎬
⎣ 2 2⎦ ⎩ n ⎭
€ 2

€ €
 Contrast d’hipòtesis
Contrast bilateral de la mitjana d’una població normal amb variància coneguda.
⎛ ⎞
Així: P⎜ −zα ≤ Z ≤ zα ⎟ = 1 − α
⎝ 2 2⎠

⎛ ⎞ α
on
€ φ⎜ zα ⎟ = 1 −
⎝ 2⎠ 2
⎡ ⎤
Per tant , la regió d’acceptació serà A0 = ⎢−zα , zα ⎥
⎣ 2 2⎦
⎧ σ ⎫ ⎡ σ σ ⎤
€ O també A0 = ⎨ x / x − µ0 ≤ zα ⎬ = ⎢ µ0 − zα , µ0 + zα ⎥
⎩ 2
n ⎭ ⎣ 2
n 2
n ⎦
€x −µ ≤z σ o X ∈A
El criteri d’acceptació serà: 0 α 0
2
n
€

€
 Contrast d’hipòtesis
Contrast bilateral de la mitjana d’una població normal amb variància coneguda.

• Exemple.
Volem saber si el consum habitual d’un producte modifica el nivell de
colesterol. Sabem que aquest segueix una llei normal µ = 200 mg /dl
i σ = 3 agafem una mostra de n=9 persones.
Establim un nivell de significació α = 0.01
Així, tenim €
€ α = 0.01 ⇒ zα = 2.575
⎧ H 0 : µ = 200 2 σ
⎨ € llavors z = 2.575
⎩ H1 : µ ≠ 200 σ = 3; n = 9 ⇒
σ α
n
=1 2
n

La hipòtesis serà rebutjada si

€ X − 200 > 2.575 o X ∉ [200 − 2.575, 200 + 2.575]

 Contrast d’hipòtesis
P-valor

• El p-valor és el mínim nivell de significació per el qual encara

rebutjaríem H0 para una mostra observada.
• Suposem que a par'r de la mostra obtenim l’estadís'c
normalitzat zexp (suposant l’hipòtesis nul·la certa).
• Llavors Contrast bilateral ⇒ p = 2 − 2φ (zexp )
⎧ p = 1 − φ (zexp ) si H1 : θ > θ 0
⎪
Contrast unilateral ⎨o
⎪ p = φ (z ) si H1 : θ < θ 0
⎩ exp

• El criteri d’acceptació serà: Si p < α ⇒ rebutgem H 0

Si p ≥ α ⇒ acceptem H 0
€

€
 Contrast d’hipòtesis
P-valor

Contrast unilateral p = 1 − φ (zexp )

€
 Contrast d’hipòtesis

• Exemple:
• Fa anys, es va fer un estudi de l’estatura de les persones d’una ciutat, el
resultat va donar que seguia una llei normal de mitjana 1,68 m i desviació
estandard 0,064 m. Volem comprovar ara si aquesta estatura mitjana ha
canviat. Agafem una mostra de 15 persones i obtenim una mitjana mostral de
1,73 m. Suposant que la desviació estandard no ha canviat volem discernir si
l’estatura mitjana ha canviat o no.
• Contrast bilateral:
⎧ H 0 : µ = 1.68 = µ0 α = 0.05 ⇒ zα = 1.96 ⎫
⎨ 2 ⎪
⎩ H1 : µ ≠ 1.68 σ = 0.064 ; n = 15 ; x = 1.73 ⎪⎪
x − µ0 1.73 −1.68 ⎬ ⇒ 3.026 > 1.96
zexp = = ≈ 3.026 ⎪
σ 0.064 ⎪
n 15 ⎪⎭
p − valor : p = 2 − 2φ ( 3.026) = 0.00246 < 0.05

• Per tant rebutgem H0

€
 Contrast d’hipòtesis
Contrast bilateral de la mitjana d’una població amb distribució desconeguda i variança coneguda
En el cas que la variable segueixi una llei desconeguda fent servir mostres de grandària
gran (n>30) podem fer servir el mateix estadís'c que en el cas anterior a par'r del
TCL. ⎛ ⎞
σ X − µ0
X ~ N ⎜ µ, ⎟ Estadístic de contrast : zexp =
⎝ n⎠ σ
n
Contrast bilateral de la mitjana d’una població amb variança desconeguda i mostra gran

€ el cas que no coneguem la variància ni la distribució, per una mostra prou gran sabem
En
pel TCL que la distribució de la mitjana mostral tendeix a la normal. Al no conèixer σ hem
d’u'litzar l’estadís'c de la t de Student. Però ja hem vist que quan els graus de llibertat
tendeixen a infinit la t de Student s’aproxima molt a la normal. Així l’estadís'c de contrast
serà:
X − µ0
X ~ t n −1 Estadístic de contrast : t exp =
S
n
 Contrast d’hipòtesis
Contrast bilateral de la mitjana d’una població amb variança desconeguda

• Exemple:
• Suposem ara que entenem que la variància pot haver canviat i per tant és
desconeguda. Per tant fem servir la variància mostral i l’estàdís'c ob'ngut a
par'r de la t de Student amb 14 graus de llibertat. Suposem que obtenim una
desviació estandard mostral corregida de 0,144 Llavors:
• Contrast bilateral:
⎧ H 0 : µ = 1.68 = µ0 α = 0.05 ⇒ t = 2.1448 ⎫
α
14, ⎪
⎨ 2
⎩ H1 : µ ≠ 1.68 σ = 0.064 ; n = 15 ; x = 1.73 ⎪⎪
x − µ0 1.73 −1.68 ⎬ ⇒ t exp < t α
14,
t exp = ˆ = ≈ 1.3448 ⎪ 2
s 0.144 ⎪
n 15 ⎪⎭
p − valor : p = 2P ( t > 1.3448) = 0.2 > 0.05
> pt(1.3448,14,lower.tail = FALSE)
• Per tant acceptem H0 [1] 0.1000363

€
 Contrast d’hipòtesis
Contrast bilateral de la mitjana d’una població amb variança coneguda

• Exemple:
• Una fàbrica de disposi'us va llençar un producte que tenia una vida mitjana de 2 anys.
Va realitzar una millora que podria allargar aquesta vida mitjana. Per a comprovar-ho
s’agafa una mostra de 18 disposi'us. Obtenim una mitjana mostral de 2.8 anys.
Suposant que la desviació estandard és 1.2 anys anem a realitzar una prova de contrast.

• Contrast unilateral:
⎧ H 0 : µ ≤ 2 = µ0 α = 0.05 ⇒ zα = 1.65 ⎫
⎨ ⎪
⎩ H1 : µ > 1.68 σ = 1.2 ; n = 18 ; x = 2.8 ⎪
x − µ0 2.8 − 2 ⎬ ⇒ zexp > zα
zexp = = ≈ 2.8284 ⎪
σ 1.2 ⎪
n 18 ⎭
p − valor : p = P ( z > 2.8284 ) = 1 − φ (2.8284) = 1 − 0.99767 = 0.0023 < 0.05

• Per tant rebutjem H0 , acceptem que les millores allarguen la vida dels disposi'us.

€
 Contrast d’hipòtesis
Contrast bilateral de la mitjana d’una població amb variança desconeguda

• Exemple:
• Suposant ara que la desviació estandard és desconeguda anem a realitzar una
prova de contrast. Suposem que hem ob'ngut una desviació estandard
mostral corregida S= 1,2 anys. Llavors fem servir la t de Student .

• Contrast unilateral:

⎧ H 0 : µ ≤ 2 = µ0 α = 0.05 ⇒ t17,0.95 = 1.74 ⎫

⎨ ⎪
⎩ H1 : µ > 1.68 σ = 1.2 ; n = 18 ; x = 2.8 ⎪
x − µ0 2.8 − 2 ⎬ ⇒ 2.824 > 1.74
t exp = = ≈ 2.8284 ⎪
S 1.2 ⎪
n 18 ⎭
p − valor : p = P ( t > 2.8284 ) = 0.005 < 0.05
• Per tant rebutjem H0 , acceptem que les millores allarguen la vida dels
disposi'us.

€
 Contrast d’hipòtesis
Contrast d’una proporció.
• Sabem que per a una variable Bernuilli de paràmetre p i una
m.a.s prou gran np>5 i n(1-p)>5 podem considerar que
⎛ p(1 − p) ⎞
X →Ν⎜ p, ⎟
⎝ n ⎠
• Per tant podem fer servir com a estadís'c de contrast

pˆ − p0
€ • Z= on H 0 : p = p0 i pˆ = proporció mostral
p0 (1 − p0 )
n

€
€
 Contrast d’hipòtesis
Contrast d’una proporció.
• Exemple:
• Un estudi sobre la obesitat a EEUU l’any 2002 va detectar que 1276 persones adultes
d’una mostra de 4115 van ser considerades obeses segons un test de massa corporal.
Una enquesta realitzada l’any 1998 va fer palès que el 20% de la població
s’autoconsideren obesos. Suggereixen les dades ob'ngudes el 2002 que la proporció
mostral d’adults 1276/4115=0.31 és més d’1.5 vegades la proporció de l’enquesta
d’autoavaluació (0,31/0.2>1.5) ?
• Per a respondre la pregunta farem un contrast d’hipòtesis amb nivell de significació 0.1
• Contrast unilateral:

⎧ H 0 : p = 0.3 n = 4115; npˆ > 5 n(1 − pˆ ) > 5 ⎫

⎨ ⎪
α = 0.1 ⇒ zα = 1.28 ⎪
⎩ H1 : p > 0.3 ⎪
⎬ ⇒ zexp > zα
pˆ − p0 0.31 − 0.30 ⎪
zexp = = ≈ 1.3998
p0 (1 − p0 ) 0.3(1 − 0.3) ⎪
⎪⎭
n 4115
p − valor : p = 1 − φ (1.3998) = 1 − 0.91924 = 0.08076 < 0.1

• Per tant rebutgem H0 considerem, que al nivell de significació del 0.1, podem acceptar
que la proporció d’obesos ha augmentat en el conjunt de la població per sobre del 30%.

€
 Contrast d’hipòtesis
Contrast d’una proporció.
• Exemple: I si fem un contrast bilateral en la situació anterior?
• Contrast bilateral:
n = 4115; np > 5 n(1 − p) > 5 ⎫
⎧ H 0 : p = 0.3 ⎪
⎨ α = 0.1 ⇒ zα = 1.65 ⎪
⎩ H1 : p ≠ 0.3 2
⎪
⎬ ⇒ zexp < zα
pˆ − p0 0.31 − 0.30 ⎪ 2
zexp = = ≈ 1.3998 ⎪
p0 (1 − p0 ) 0.3(1 − 0.3) ⎪
n 4115 ⎭
p − valor : p = 2 − 2φ (1.3998) = 2(1 − 0.91924) = 0.16152 > 0.1

• Per tant no rebutjem H0 considerem, que al nivell de significació del 0.1,

€
no podem rebutjar que la proporció d’obesos ha augmentat en el conjunt
de la població per sobre o per sota del 30%.
Problemes per resoldre
 Problemes per resoldre

Sol: a) Contrast unilateral. b) Estadís'c . c) Regió crí'ca o de rebuig.

⎧ H 0 : µ ≥ 20.5 = µ0
⎨
x − µ0 α = 0.05 ⇒ t 9,0.05 = -1.833113
⎩ H1 : µ < 20.5
t exp =
S regió rebuig : texp < -1.833113
S
n o també X < Valor crític = µ0 -1.833113*
10

€
Problemes per resoldre

⎧ H 0 : µ ≥ 20.5 = µ0 α = 0.05 ⇒ t 9,α = -1.833113 ⎫

Sol: d) ⎨ ⎪
⎩ H1 : µ < 20.5 S = 1.165666 ; n = 10 ; x = 20.39 ⎪
x − µ0 20.39 − 20.5 ⎬ ⇒ t exp > t 9,α
t exp = = ≈ -0.2984135 ⎪
S 1.165666 ⎪
n 10 ⎭

també : 20.39 > 20.5 −1.833113*

1.165666
= 19.82429
No podem rebutjar H0
10
p − valor : p = P ( t < -0.2984135) = 0.3860812 > 0.05
Problemes per resoldre
Problemes per resoldre

Sol: a) ⎧ H 0 : µ > 206.5 = µ0 α = 0.1 ⇒ t 8,α = -1.396815 ⎫

⎨ ⎪
⎩ H1 : µ ≤ 206.5 S = 1.706876 ; n = 9 ; x = 205.132 ⎪
x − µ0 205.132 − 206.5 ⎬ ⇒ t exp < t 9,α
t exp = = ≈ -2.404392 ⎪
S 1.706876 ⎪
n 9 ⎭
1.706876
també : 205.132 < 206.5 -1.396815 * = 205.7053
9
p − valor : p = P ( t < -2.404392) = 0.02144089 < 0.1
Així hem de rebutjar H 0 no podem donar crèdit al que diu el fabricant.

€
Problemes per resoldre

> c1=c(204.999,206.149,202.150,207.048,203.496,206.343,203.496,206.676,205.831) #vector de dades

Sol: a) > xbarra=mean(c1);xbarra #mitjana mostral
[1] 205.132
> sigma=sd(c1);sigma # desv. estand. mostral
[1] 1.706876
> n=length(c1)
> SE=sigma/sqrt(n) #error estandard
> hnul=206.5
> texp=(xbarra-hnul)/SE;texp #estadís'c de la mostra.
[1] -2.404392
> alpha=0.1
> tcri=qt(alpha,n-1);tcri
[1] -1.396815
> hnul+tcri*SE #valor infim de l'interval d'acceptació, valor crí'c.
[1] 205.7053
> pv=pt(texp,n-1); pv #p-valor
[1] 0.02144089
Problemes per resoldre

Sol: b) ⎧ H 0 : µ = 206.5 = µ0 α = 0.05 ⇒ zα = 1.959964 ⎫

⎨ 2 ⎪
⎩ H1 : µ ≠ 206.5 2
σ = 4 ; n = 9 ; x = 205.132 ⎪⎪ ⎡ ⎤
⎬ ⇒ zexp ∉ ⎢−zα ,zα ⎥ R.A.
x − µ0 205.132 − 206.5 ⎪ ⎣ 2 2⎦
zexp = = ≈ -2.052
σ 2 ⎪
n 9 ⎪⎭
2
també : 205.132 < 206.5 -1.959964 * = 205.1934 ⇒ x ∉ [205.1934, 207.8066]
3
p − valor : p = 2P ( z < -2.052) = 0.04016966 < 0.1
Així rebutgem H 0 no hem de donar crèdit al que diu el fabricant.
Problemes per resoldre

> c1=c(204.999,206.149,202.150,207.048,203.496,206.343,203.496,206.676,205.831) #vector de dades

> xbarra=mean(c1);xbarra #mitjana mostral
[1] 205.132
> sigma=2;sigma # desv. Estand.
[1] 2
Sol: b) > n=length(c1);n
[1] 9
> SE=sigma/sqrt(n);SE #error estandard
[1] 0.6666667
> hnul=206.5
> zexp=(xbarra-hnul)/SE;zexp #estadís'c de la mostra.
[1] -2.052
> alpha=0.05
> zcri=qnorm(1-alpha/2);zcri
[1] 1.959964
> E=zcri*SE #error max de l'interval d'acceptació.
> Reg.accept=hnul+c(-E,E);Reg.accept
[1] 205.1934 207.8066
> pv=2*pnorm(zexp); pv #p-valor
[1] 0.04016966
Problemes per resoldre
 Problemes per resoldre

Sol: a) ⎧ H 0 : µ = 14 = µ0
⎨ Re gió de rebuig : X < Valor crític
⎩ H1 : µ < 14
si acceptem H1 i rebutgem H 0 i en realitat H 0 era certa,
cometem un error de tipus 1, fals positiu.

€
Problemes per resoldre

α = 0.01 ⇒ t 25,α = -2.485107 ⎫

⎧ H 0 : µ = 14 = µ0
Sol: b) ⎨ n ⎪
⎩ H1 : µ < 14 S= ⋅ 2.7 = 2.753471 ; n = 26 ; x = 12.5 ⎪⎪
n −1
⎬ ⇒ t exp < t 25,α
x − µ0 12.5 −14 ⎪
t exp = = ≈ -2.777778
S 2.753471 ⎪
n 26 ⎪⎭
2.753471
també : 12.5 < 14 - 2.485107 * = 12.65804
26
p − valor : p = P ( t < -2.777778) = 0.00511433 < 0.01
Així hem de rebutjar H 0 acceptem que el temps mitjà s' ha reduït.
Problemes per resoldre

> #Contrast unilateral

Sol: b) > #Hipòtesi nul·la H_0: μ =14 , Hip. altern. H_1: μ <= 14
> alpha=0.01
> n=26
> xbarra=12.5;xbarra #mitjana mostral > tcri=qt(alpha,n-1);tcri
[1] -2.485107
[1] 12.5
> sigma=sqrt(n/(n-1))*2.7;sigma # desv. estand. mostral > hnul+tcri*SE #valor infim de l'interval d'acceptació, valor crí'c.
[1] 2.753471 [1] 12.65804
> pv=pt(texp,n-1); pv #p-valor
> SE=sigma/sqrt(n) #error estandard
> hnul=14 [1] 0.00511433
> texp=(xbarra-hnul)/SE;texp #estadís'c de la mostra.
[1] -2.777778
Problemes per resoldre

⎧ H 0 : µ = 14 = µ0 α = 0.05 ⇒ zα = -1.644854 ⎫
Sol: c) ⎨ ⎪
⎩ H1 : µ < 14 σ = 4.8 ; n = 26 ; x = 12.5 ⎪
x − µ0 12.5 −14 ⎬ ⇒ t exp > t 25,α
zexp = = ≈ -1.593444 ⎪
σ 4.8 ⎪
n 26 ⎭
4.8
també : 12.5 > 14 -1.644854 * = 12.4516
26
p − valor : p = P ( t < -1.593444 ) = 0.05553036 > 0.05
Així no podem rebutjar H 0 acceptem que el temps mitjà no s' ha reduït.
Problemes per resoldre

> #Contrast unilateral

Sol: c) > #Hipòtesi nul·la H_0: μ =14 , Hip. altern. H_1: μ <= 14 > alpha=0.05
> n= 26 > zcri=qnorm(alpha);zcri
> xbarra=12.5;xbarra #mitjana mostral [1] -1.644854
[1] 12.5 > hnul+zcri*SE #valor infim de l'interval d'acceptació, valor crí'c.
> sigma=4.8;sigma # desv. estand. mostral [1] 12.4516
[1] 4.8 > pv=pnorm(zexp); pv #p-valor
> SE=sigma/sqrt(n) #error estandard [1] 0.05553036
> hnul=14
> zexp=(xbarra-hnul)/SE;zexp #estadís'c de la mostra.
[1] -1.593444
Problemes per resoldre
Problemes per resoldre

Sol: a,b)
⎧ H 0 : µ ≥ 62000 = µ0 α = 0.05 ⇒ t 8,α = -1.859548 ⎫
⎨ ⎪
⎩ H1 : µ < 62000 S = 7464.081 ; n = 9 ; x = 57000 ⎪
x − µ0 57000 − 62000 ⎬ ⇒ t exp < t 9,α
t exp = = ≈ -2.009625 ⎪
S 7464.081 ⎪
n 9 ⎭
7464.081
també : 57000 < 206.5 -1.859548 * = 57373.39
9
p − valor : p = P ( t < -2.009625) = 0.03966217 < 0.05
Així hem de rebutjar H 0 les nostres vendes són inf eriors a la mitjana del sec tor.
Problemes per resoldre

Sol: a,b)
> c1=c(53700,55500,53000,52400,51000,62000,75000,53800,56600) #vector de dades
> xbarra=mean(c1);xbarra #mitjana mostral
[1] 57000 > alpha=0.05
> sigma=sd(c1);sigma # desv. estand. mostral > tcri=qt(alpha,n-1);tcri
[1] 7464.081 [1] -1.859548
> n=length(c1) > hnul+tcri*SE #valor infim de l'interval d'acceptació, valor crí'c.
> SE=sigma/sqrt(n) #error estandard [1] 57373.39
> hnul=62000 > pv=pt(texp,n-1); pv #p-valor
> texp=(xbarra-hnul)/SE;texp #estadís'c de la mostra. [1] 0.03966217
[1] -2.009625
 Problemes per resoldre

>c1=c(53700,55500,53000,52400,51000,62000,75000,53800,56600)
Sol: a,b) > xbarra=mean(c1);xbarra #mitjana mostral
[1] 57000
α = 0.01 ⇒ z α = 2.575829 ⎫⎪ > sigma=sqrt(54760000);sigma # desv. estand. mostral
1−
2 ⎬ [1] 7400
σ = 7400 ; n = 9 ; x = 57000 ⎪⎭ > n=length(c1);n
⎡ [1] 9
σ σ ⎤ > SE=sigma/sqrt(n);SE #error estandard
IC = ⎢ x − z α * , x+z α * ⎥ = [50646.29, 63353.71]
⎣ 1−
2
n 1−
2
n ⎦ [1] 2466.667
> alpha=0.01
> zcri=qnorm(1-alpha/2);zcri
[1] 2.575829
€ > E=zcri*SE #error max de l'interval de confiança.
> IC=xbarra+c(-E,E);IC
[1] 50646.29 63353.71
Càlcul dels errors.

• EXEMPLE:
• Considerem una variable aleatòria X procedent d’una població
amb densitat de probabilitat N(μ,5). Efectuades dues hipòtesis
sobre el valor de la mitjana μ, H0: μ=12 ; H1: μ=15, mitjançant
una m.a.s. de n=25, es fa un contrast i s’estableix que si la
mitjana mostral és inferior a 14 s’acceptarà la hipòtesis nul·la.
• Determina:
• A) Probabilitat de cometre l’error de 'pus 1
• B) Probabilitat de cometre l’error de 'pus 2
• C) La potència del contrast.
 Càlcul dels errors

Es tracta d’un contrast unilateral per a la mitjana.

⎧ H 0 : µ = 12 ⎧ X < 14 acceptem H 0
⎨ ⎨
⎩ H1 : µ = 15 » Regla de decisió: ⎩ X ≥14 rebutgem H 0

€ €
 Càlcul dels errors

• A) Error 'pus 1 α=P(Rebutjar H0/H0 certa)

⎛ ⎞
⎜ 14 −12 ⎟
α = P ( X > 14 )
µ = 12 = P⎜ Z > ⎟ = P(Z > 2) = 0.0228
⎜ 5 ⎟
⎝ 25 ⎠

€
 Càlcul dels errors

• B) Error 'pus 2 β=P(Rebutjar H1/H1 certa)

⎛ ⎞
⎜ 14 −15 ⎟
β = P ( X ≤ 14 )
µ = 15 = P⎜ Z ≤ ⎟ = P(Z ≤ −1) = 0.1587
⎜ 5 ⎟
⎝ 25 ⎠

• Potència del contrast: 1-β=0.8413

Problema per resoldre

Sol: a)
Problema per resoldre

Sol: a) α = 0.01 ⇒ t 5,α = -3.36493 ⎫

⎧ H 0 : µ = 8000 = µ0 ⎪
⎨ n
⎩ H1 : µ < 8000 S= ⋅ 145 = 158.8395 ; n = 6 ; x = 7750 ⎪⎪
n −1
⎬ ⇒ t exp < t 9,α
x − µ0 7750 − 8000 ⎪
t exp = = ≈ -3.85529
S 158.8395 ⎪
n 6 ⎪⎭
158.8395
també : 7750 < 8000 - 3.36493* = 7781.798
6
p − valor : p = P ( t < -3.85529) = 0.00596844 < 0.05
Així hem de rebutjar H 0 la resistència és inf erior.
Problema per resoldre

> #Contrast unilateral

Sol: a) > #Hipòtesi nul·la H_0: μ =8000 , Hip. altern. H_1: μ < 8000
> n=6
> xbarra=7750;xbarra #mitjana mostral > alpha=0.01
[1] 7750 > tcri=qt(alpha,n-1);tcri
> sigma=sqrt(n/(n-1))*145;sigma # desv. estand. mostral [1] -3.36493
[1] 158.8395 > hnul+tcri*SE #valor infim de l'interval d'acceptació, valor crí'c.
> SE=sigma/sqrt(n) #error estandard [1] 7781.798
> hnul=8000 > pv=pt(texp,n-1); pv #p-valor
> texp=(xbarra-hnul)/SE;texp #estadís'c de la mostra. [1] 0.00596844
[1] -3.85529
Problema per resoldre

Sol: b)
⎧ H 0 : µ = 8000 = µ0 α = 0.05 ⇒ zα = -1.644854 ⎫
⎨ ⎪
⎩ H1 : µ < 8000 σ = 136161 = 369 ; n = 6 ; x = 7750 ⎪
x − µ0 7750 − 8000 ⎬ ⇒ zexp < zα
zexp = = ≈ -1.659546 ⎪
σ 369 ⎪
n 6 ⎭
369
també : 7750 < 8000 -1.644854 * = 7752.213
6
p − valor : p = P ( t < -1.659546) = 0.04850292 < 0.05
Així hem de rebutjar H 0 la resistència és inf erior.
Problema per resoldre

Sol: b) > #Contrast unilateral

> #Hipòtesi nul·la H_0: μ =8000 , Hip. altern. H_1: μ < 8000
> n=6
> alpha=0.05
> xbarra=7750;xbarra #mitjana mostral
> zcri=qnorm(alpha);zcri
[1] 7750
[1] -1.644854
> sigma=sqrt(136161);sigma # desv. estand. mostral
> hnul+zcri*SE #valor infim de l'interval d'acceptació, valor crí'c.
[1] 369
[1] 7752.213
> SE=sigma/sqrt(n) #error estandard
> pv=pnorm(zexp); pv #p-valor
> hnul=8000
[1] 0.04850292
> zexp=(xbarra-hnul)/SE;zexp #estadís'c de la mostra.
[1] -1.659546
Problema per resoldre

Sol: c) ⎧ H 0 : µ = 8000 = µ0 α = 0.05 ⇒ zα = -1.644854 ⎫

⎨ ⎪
⎩ H1 : µ < 8000 σ = 136161 = 369 ; n = 6 ⎪
⎬Acceptem H 0 si X ≥ 7752.213
369 ⎪
Valor crític = 8000 -1.644854 * = 7752.213 ⎪
6 ⎭
L'error tipus 2 és acceptar H 0 quan H1 és certa :
⎛ ⎞
⎜ 7752.213 − 7700 ⎟
β = P(acceptar H 0 H1 és certa) = P(X ≥ 7752.213 µ = 7700) = P⎜ z ≥ ⎟ = 0.3644454
⎜ 369 ⎟
⎝ 6 ⎠
Problema per resoldre
Problema per resoldre

Sol: ⎧ H 0 : µ ≤ 80 = µ0 α = 0.0505 ⇒ zα = 1.640025 ⎫

⎨ ⎪
⎩ H1 : µ > 80 σ = 5 ; n = 100 ⎪
⎬Acceptem H 0 si X ≤ 80.82001
5 ⎪
Valor crític = 80 +1.640025 * = 80.82001 ⎪
100 ⎭
L'error tipus 2 és acceptar H 0 quan H1 és certa :
⎛ ⎞
⎜ 80.82001 − 81⎟
β = P(acceptar H 0 H1 és certa) = P(X ≤ 80.82001 µ = 81) = P⎜ z ≤ ⎟ = 0.3594329
⎜ 5 ⎟
⎝ 100 ⎠
> zcri=qnorm(0.0505,lower.tail = FALSE);zcri
[1] 1.640025
> hnul=80
> sigma=5
>€n=100
> halt=81
> SE=sigma/sqrt(n)
> zbeta=(vcri-halt)/SE
> E=zcri*SE
> beta=pnorm(zbeta);beta
> vcri=hnul+E;vcri
[1] 0.3594329
[1] 80.82001
 Contrast d’hipòtesis
Contrast bilateral de la variància d’una població normal.

Considerem una variable X →Ν( µ,σ ) on σ desconegut és el paràmetre sobre el

qual farem el contrast.. Sigui X1,...,Xn una m.a.s. d’X
⎧ H 0 : σ 2 = σ 02 (n −1)sˆ 2
⎨ 2
⎩ H1 : σ ≠ σ 0
2 Suposant H0 cert definim l’estadís'c: χn2 −1 = 2
€
⎛ ⎞
σ 0
2 2
Busquem χ α i χ α perquè P⎜ χ2 α ≤ χ2 ≤ χ2 α ⎟ = 1 − α
n −1,1− n −1,
2 2 ⎝ n −1,1− 2 n −1,
2⎠

€ ⎧ ⎡ ⎤
2 2
⎪χ ∈ ⎢χ α , χ 2
α⎥ ⇒ no rebutjem H 0 €
⎪ ⎣ n −1,
2
n −1,1−
2⎦
⎨
⎪ 2 €⎡ 2 2
⎤
⎪ χ ∉ ⎢⎣ χn −1,α , χn −1,1−α ⎥⎦ ⇒ rebutjem H 0
⎩ 2 2

€
 Contrast de la variància d’una distribució normal.

Contrast unilateral de la variància d’una població normal.

• Si el contrast és
⎧ H 0 : σ 2 = σ02 llavors : ⎧⎪ χ 2 ∈ [ χ 2 ,+∞] ⇒ no rebutjem H
n −1,α 0
⎨ ⎨ 2
H
⎩ 1 : σ 2
< σ 2
0
⎪⎩ χ ∈ [ −∞, χn2 −1,α ] ⇒ rebutjem H 0

• Si el contrast és:

⎧ H 0 : σ 2 = σ02 € ⎧⎪ χ2 ∈ [ −∞, χ2 ] ⇒ no rebutjem H

€ ⎨ Llavors: ⎨ 2
n −1,α

H
⎩ 1 : σ 2
> σ 2
0
⎪⎩ χ ∈ [ χn2 −1,α ,+∞] ⇒ rebutjem H 0

€ €
Problema a resoldre
 Problema a resoldre

Sol: a)
⎧ H 0 : σ 2 ≥10000 = σ0 2 (n −1)sˆ 2 χ 2 ∈ [ χn2 −1,α ,+∞] ⇒ no rebutgem H 0
⎨ χ n −1 =
⎩ H1 : σ 2 < 10000 σ 2
0 χ ∈ [ −∞, χ
2 2
n −1,α ] ⇒ rebutgem H 0
Sˆ 2 = 1590 n=4 α = 0.1 χn2 −1,α = 6.251389 ⎫ > c2=c(515,464,558,491)
⎪ 2
2 ⎬ χexp < χn2 −1,α ⇒ rebuitgem H 0 > sigma2=var(c2);sigma2
2 ( )
n −1 ˆ
s 3⋅ 1590
χexp = = = 0.477 ⎪ [1] 1590
σ02 10000 ⎭ > hnul=10000
> n=length(c2)
> chiexp=(n-1)*sigma2/hnul;chiexp
[1] 0.477
> chicri=qchisq(0.9,n-1);chicri
[1] 6.251389
€
Problema a resoldre

X compte el temps de reacció en ms. X ~ N(500,50)

Sol: b) ⎛ 50 ⎞
X1,..., X n m. a. s. d' X X ~ N ⎜500, ⎟
⎝ n⎠
P( X − µ < 10) = 0.95 ⎫⎪
⎬ ⇒ P(X < µ +10) = 0.975
P ( −10 < X − µ < 10) = P ( µ −10 < X < µ +10) = 2P(X < µ +10) −1⎪⎭
⎛ ⎞
⎜ 510 − 500 ⎟ 510 − 500
així µ = 500 P(X < 510) = P⎜ Z < ⎟ = 0.975 ⇒ = Φ−1 (0.975) = 1.959964
⎜ 50 ⎟ 50
⎝ n ⎠ n > qnorm(0.975)
⎛1.959964 * 50 ⎞ 2 [1] 1.959964
n =⎜ ⎟ = 96.03647 agafem n = 97
⎝ 10 ⎠
Problemes per resoldre
 Problemes per resoldre

Sol: a) > n=41

> xbarra=10
γ = 0.87886 α = 0.12114 ⇒ t α = 1.583689 ⎫⎪ > sd=1.5
n −1,
2 ⎬ > alpha=1-0.87886;alpha
Sˆ n −1 = 1.5 ; n = 41 ; x = 10 ⎪⎭ [1] 0.12114
⎡ Sˆ Sˆ ⎤ > tcri=qt(1-alpha/2,n-1);tcri
IC = ⎢ x − t α * n −1 , x + t α * n −1 ⎥ = [ 9.629004, 10.370996]
⎣ n −1,
2
n n −1,
2
n⎦ [1] 1.583689
> SE=sd/sqrt(n)
γ = 0.87886 α = 0.12114 n > 30 ⇒ zα = 1.550006 ⎫⎪ > E=tcri*SE
2 ⎬ > IC=xbarra+c(-E,E);IC
Sˆ n −1 = 1.5 ; n = 41 ; x = 10 ⎪⎭ [1] 9.629004 10.370996
⎡ Sˆ Sˆ ⎤ > zcri=qnorm(1-alpha/2);zcri
IC = ⎢ x − zα * n −1 , x + zα * n −1 ⎥ = [ 9.636895, 10.363105]
⎣ n n⎦ [1] 1.550006
2 2
> SE=sd/sqrt(n)
> E=zcri*SE
> IC=xbarra+c(-E,E);IC
€ [1] 9.636895 10.363105
 Problemes per resoldre

Sol: b)
> n=41
⎧ H 0 : µ > 10.5 = µ0 α = 0.05 ⇒ t 40,α = -1.683851⎫ > xbarra=10
⎨ ⎪
⎩ H1 : µ < 10.5 Sˆ = 1.5 ; n = 41 ; x = 10 ⎪ > sd=1.5
⎬ ⇒ t exp < t 9,α > SE=sd/sqrt(n)
x − µ 10 −10.5
t exp = ˆ 0 = ≈ -2.134375 ⎪ > alpha=0.05
S 1.5 > hnul=10.5
⎪
n 41 ⎭ > texp=(xbarra-hnul)/SE;texp
1.5 [1] -2.134375
també : 10 < 10.5 -1.683851* = 10.10554 > tcri=qt(alpha,n-1);tcri
41 [1] -1.683851
p − valor : p = P ( t < 2.134375) = 0.01949627 < 0.05 > E=tcri*SE
> vcri=hnul+E;vcri
Així hem de rebutjar H 0 .
[1] 10.10554
> p_valor=pt(texp,n-1);p_valor
[1] 0.01949627
€
 Problemes per resoldre

Sol: b)
> n=41
⎧ H 0 : µ > 10.5 = µ0 α = 0.05 ⇒ zα = -1.644854 ⎫ > xbarra=10
⎨ ⎪
⎩ H1 : µ < 10.5 Sˆ = 1.5 ; n = 41 ; x = 10 ⎪ > sd=1.5
⎬ ⇒ zexp < zα > SE=sd/sqrt(n)
x − µ 10 −10.5
zexp = ˆ 0 = ≈ -2.134375 ⎪ > hnul=10.5
S 1.5 > zexp=(xbarra-hnul)/SE
⎪
n 41 ⎭ > alpha=0.05
1.5 > zcri=qnorm(alpha);zcri
també : 10 < 10.5 -1.644854 * = 10.11468 [1] -1.644854
41 > E=zcri*SE
p − valor : p = P ( z < 2.134375) = 0.01640606 < 0.05 > vcri=hnul+E;vcri
[1] 10.11468
Així hem de rebutjar H 0 .
> p_valor=pnorm(zexp);p_valor
[1] 0.01640606

€
Problemes per resoldre
Problemes per resoldre

Sol: a) n = 250; pˆ =
35
= 0.14 npˆ > 5 n(1 − pˆ ) > 5
250
⎧ H 0 : p = 0.1 = p0 pˆ − p0
⎨ ~ N(0,1)
⎩ H1 : p ≠ 0.1 p0 (1 − p0 )
n

Re gió d' acceptació :

pˆ − p0 ⎛ ⎞ ⎛ p0 (1 − p0 ) p0 (1 − p0 ) ⎞
zexp = ∈ ⎜ −zα , zα ⎟ o pˆ ∈ ⎜ p0 − zα * , p0 + zα * ⎟
p0 (1 − p0 ) ⎝ 2 2 ⎠ ⎝ 2
n 2
n ⎠
n
Criteri fent servir el p _ valor :
Si p − valor = 2φ (zexp ) - 2 < 0.05 llavors hem de rebutjar H 0
 Problemes per resoldre

Sol: b)
35 > n=250
n = 250; pˆ = = 0.14 npˆ > 5 n(1 − pˆ ) > 5
⎧ H 0 : p = 0.1 = p0 250 > p=35/n
⎨ α = 0.05 ⇒ zα = 1.959964 > alpha=0.05
⎩ H1 : p ≠ 0.1
2 > zcri=qnorm(1-alpha/2);zcri
[1] 1.959964
⎛ ⎞ > hnul=0.1
pˆ − p0 0.14 − 0.1 > sigma=sqrt(hnul*(1-hnul)/n)
zexp = = ≈ 2.108185 ∉ ⎜ −zα , zα ⎟ = (-1.959964, 1.959964 )
p0 (1 − p0 ) 0.1⋅ (1 − 0.1) ⎝ 2 2⎠ > E=zcri*sigma
n 250 > zexp=(p-hnul)/sigma;zexp
Re gió d' acceptació : pˆ ∉ (0.0628123, 0.1371877) [1] 2.108185
> Reg.accept=hnul+c(-E,E);Reg.accept
p − valor : p = 2φ (2.108185) - 2 = 0.03501498 < 0.05 [1] 0.0628123 0.1371877
Hem de rebutjar H 0 > p_valor=2*pnorm(zexp,lower.tail = FALSE)
> p_valor
[1] 0.03501498

€
Problemes per resoldre
 Problemes per resoldre

Sol:
926
⎧ H 0 : p ≤ 0.75 = p0 n = 1225; pˆ = = 0.14 npˆ > 5 n(1 − pˆ ) > 5
1225
⎨
⎩ H1 : p > 0.75 α ⇒ zα

926
pˆ − p0 − 0.75
zexp = = 1225 ≈ 0.4783759 > zα no el podem calcular
p0 (1 − p0 ) 0.75⋅ (1 − 0.75)
n 1225
Rebutjarem H 0 si p − valor : p = 1 − φ (0.4783759) = 0.03501498 < α
Així nivell de significació : α > 0.03161913

€
Problemes per resoldre
Problemes per resoldre

Sol: a i b) ⎧ H 0 : p ≥ 0.45 = p0
Contrast unilateral ⎨
⎩ H1 : p < 0.45
80
n = 200; pˆ = = 0.4 npˆ = 80 > 5 n(1 − pˆ ) = 120 > 5
200
pˆ − p0
Estadístic de contrast ~ N(0,1)
p0 (1 − p0 )
n
 Problemes per resoldre

80
Sol: c) Contrast unilateral per l'esquerra ⎧⎨ H 0 : p ≥ 0.45 = p0 n = 200; pˆ = = 0.4 α = 0.05
200
⎩ H1 : p < 0.45

pˆ − p0 p0 (1 − p0 )
Re gió de rebuig : zexp = < zα o pˆ < p0 + zα *
p0 (1 − p0 ) n
n
Criteri del p _ valor
Rebutjarem H 0 si p − valor : p = φ (zexp ) < α
 Problemes per resoldre

80
Sol: c) n = 200; pˆ =
200
= 0.4 α = 0.05 zα = -1.644854

Re gió de rebuig :
pˆ − p0
zexp = > zα
p0 (1 − p0 )
n
o també :
p0 (1 − p0 )
Valor crític v cri = p0 + zα * pˆ > v cri
n
Criteri del p _ valor
Si p _ valor = φ (zexp ) < α rebutgem H 0
 Problemes per resoldre

80 > hnul=0.45 > zcri=qnorm(0.05);zcri

Sol: d) n = 200; pˆ =
200
= 0.4 α = 0.05 zα = -1.644854
> n=200 [1] -1.644854
> xbarra=80/n;xbarra > vcri=hnul+zcri*sigma;vcri
Re gió de rebuig : [1] 0.4 [1] 0.3921371
pˆ − p0 0.4 − 0.45 > sigma=sqrt(hnul*(1-hnul)/n) > p_valor=pnorm(zexp);p_valor
zexp = = = -1.421338 > zα > zexp=(xbarra-hnul)/sigma;zexp [1] 0.07760924
p0 (1 − p0 ) 0.45 * (1 − 0.45) [1] -1.421338
n 200
o també :
p0 (1 − p0 ) 0.45 * (1- 0.45)
Valor crític = p0 + zα * = 0.45 -1.644854 * = 0.3921371 ⇒ pˆ > v cri
n 200
Criteri del p _ valor
p − valor : p = φ (-1.421338) = 0.07760924 > α No podem rebutjar H 0
 Contrast d’hipòtesis
Contrast bilateral de λ per a una distribució de Poisson.

Considerem una variable X →P( λ) on λ desconegut és el paràmetre sobre el qual

farem el contrast. Sigui X1,...,Xn una m.a.s. d’X
⎧ H 0 : λ = λ0 λˆ − µ0
⎨ Suposant H cert definim l’estadís'c Z=
⎩ 1H : λ ≠ λ 0 0 λ0
€
n
⎛ ⎞
Busquem zα perquè P⎜ −zα ≤ Z ≤ zα ⎟ = 1 − α
2 ⎝ 2 2⎠
€
⎛ ⎞ €
Llavors α
φ⎜ zα ⎟ = 1 −
⎝ 2 ⎠€ 2
€
⎡ ⎤ ⎧ λ0 ⎫
Per tant , la regió d’acceptació serà A0 = ⎢−zα , zα ⎥ o també A0 = ⎨ x / x − µ0 ≤ zα ⎬
⎣ 2 2⎦ ⎩ n ⎭
€ 2

€ €
Problema a resoldre

• El nombre d’avaries d’un determinat 'pus d’avió es considera

una variable aleatòria amb distribució de Poisson de mitjana 2
avaries al mes. L’equip de manteniment intenta rteduir
aquesta mitjana incorporant algunes millores. Per a
comprovar si aquestes mesures ajuden a reduir la mitjana
d’avaries, es decideix observar el nombre mitjjà d’avaries
durant els 25 mesos següents a la introducció de les millores.
Si el nombre mitjà d’avaries va ser de 1.5.
• Quina decisió ha d’adoptar el servei tècnica un nivell de
significació de l’1%?
• I al 85% de confiança? Canviaria la seva decisió?
 Problema a resoldre
El nombre d’avaries d’un determinat 'pus d’avió es considera una variable aleatòria amb
distribució de Poisson de mitjana 2 avaries al mes. L’equip de manteniment intenta
rteduir aquesta mitjana incorporant algunes millores. Per a comprovar si aquestes
mesures ajuden a reduir la mitjana d’avaries, es decideix observar el nombre mitjjà
d’avaries durant els 25 mesos següents a la introducció de les millores. Si el nombre
mitjà d’avaries va ser de 1.5.
a) Quina decisió ha d’adoptar el servei tècnica un nivell de significació de l’1%?
b) I al 85% de confiança? Canviaria la seva decisió?
X compte el nombre d' a var ies mensuas d' un tipus d' avió. X ~ P( λ )
> zcri=qnorm(0.01);zcri
Sol: a) X1,..., X 25 m. a. s. d' X ; X = 1.5
[1] -2.326348
⎛ λ0 ⎞ ⎛ 2 ⎞ > n=25
ˆ
n = 25; λ = X = 1.5 on X ~ N ⎜ λ0 , ⎟ = N ⎜2, ⎟
⎧ H 0 : λ = 2 = λ0 n⎠ 25 ⎠ > hnul=2
⎨ ⎝ ⎝
> xbarra=1.5
⎩ H1 : λ < 2 α = 0.01 ⇒ zα = -2.326348 > sigma=sqrt(hnul/n)
> zexp=(xbarra-hnul)/sigma;zexp
λˆ − λ0 1.5 − 2 [1] -1.767767
zexp = = ≈ -1.767767 > zα > E=zcri*sigma
λ0 2 > vcri=hnul+E;vcri
n 25 [1] 1.342009
λ0 2 > p_valor=2*pnorm(zexp)
Re gió d' acceptació : X > λ0 + zα * = 2 - 2.326348 * = 1.342009 > p_valor
n 25 [1] 0.07709987
p − valor : p = 2φ (-1.767767) = 0.07709987 > 0.05
No podem rebutjar H 0
 Problema a resoldre
El nombre d’avaries d’un determinat 'pus d’avió es considera una variable aleatòria amb
distribució de Poisson de mitjana 2 avaries al mes. L’equip de manteniment intenta
rteduir aquesta mitjana incorporant algunes millores. Per a comprovar si aquestes
mesures ajuden a reduir la mitjana d’avaries, es decideix observar el nombre mitjjà
d’avaries durant els 25 mesos següents a la introducció de les millores. Si el nombre
mitjà d’avaries va ser de 1.5.
a) Quina decisió ha d’adoptar el servei tècnica un nivell de significació de l’1%?
b) I al 85% de confiança? Canviaria la seva decisió?
X compte el nombre d' a var ies mensuas d' un tipus d' avió. X ~ P( λ )
> zcri=qnorm(0.15);zcri
Sol: b) X1,..., X 25 m. a. s. d' X ; X = 1.5
[1] -1.036433
⎛ λ0 ⎞ ⎛ 2 ⎞ > n=25
ˆ
n = 25; λ = X = 1.5 on X ~ N ⎜ λ0 , ⎟ = N ⎜2, ⎟
⎧ H 0 : λ = 2 = λ0 n⎠ 25 ⎠ > hnul=2
⎨ ⎝ ⎝
> xbarra=1.5
⎩ H1 : λ < 2 α = 0.15 ⇒ zα = -1.036433 > sigma=sqrt(hnul/n)
> zexp=(xbarra-hnul)/sigma;zexp
λˆ − λ0 1.5 − 2 [1] -1.767767
zexp = = ≈ -1.767767 < zα > E=zcri*sigma
λ0 2 > vcri=hnul+E;vcri
n 25 [1] 1.706852
λ0 2 > p_valor=2*pnorm(zexp)
Re gió d' acceptació : X < λ0 + zα * = 2 -1.036433* = 1.706852 > p_valor
n 25 [1] 0.07709987
p − valor : p = 2φ (-1.767767) = 0.07709987 < 0.15
Hem de rebutjar H 0
 Problema a resoldre

X compte el consum de combustible en m 3 .

> hnul=0.65
Sol: a) 12 ˆ > n=12
X1,..., X12 m. a. s. d' X ; n = 12 X = 0.63 Sˆ = 0.035 Sˆ corr = ⋅ S = 0.03655631
11 > xbarra=0.63
⎧ H 0 : µ = 0.65 = µ0 > sigma=sqrt(12/11)*0.035;sigma
⎨
H1 : µ < 0.65
α = 0.05 ⇒ t11,0.05 = -1.795885 [1] 0.03655631
⎩
> SE=sigma/sqrt(n)
Re gió de rebuig : > tcri=qt(0.05,11);tcri
X −µ 0.63 − 0.65 [1] -1.795885
t exp = ˆ 0 = ≈ -1.895214 < zα > texp=(xbarra-hnul)/SE;texp
Scorr 0.03655631
12 [1] -1.895214
n
> vcri=hnul+tcri*SE;vcri
0.03655631 [1] 0.6310482
X < µ0 + t11,α * = 0.65 -1.795885 * = 0.6310482
12 > p_valor=pt(texp,11);p_valor
p − valor : p = P(t < -1.895214) = 0.04231648 < 0.05 [1] 0.04231648
Hem de rebutjar H 0
Problema a resoldre

X compte el nombre de rajoles que han canviat de color. X ~ B( p)

Sol: b) 170
n = 2000; X1,..., X n m. a. s. d' X, pˆ = X = = 0.085
2000 > hnul=0.1
⎛ p(1 − p) ⎞ > n=2000
n⋅ pˆ = 170 n(1 − pˆ ) = 1830 pel TCL X →N ⎜ p, ⎟
⎝ n ⎠ > xbarra=0.085
> sigma=sqrt(hnul*(1-hnul)/n);sigma
⎧ H 0 : p = 0.1 = p0 [1] 0.006708204
⎨ α = 0.05 > alpha=0.05
⎩ H1 : p ≠ 0.1 > zcri=qnorm(1-alpha/2);zcri
Re gió d' acceptació : [1] 1.959964
⎡ p0 (1 − p0 ) p0 (1 − p0 ) ⎤ > E=zcri*sigma
⎢ p0 − zα * , p0 + zα * ⎥ = [0.08685216, 0.11314784 ] > reg.accept=hnul+c(-E,E);reg.accept
⎣ n n ⎦
[1] 0.08685216 0.11314784
X ∉ [0.08685216, 0.11314784 ] Hem de rebutjar H 0 > zexp=(xbarra-hnul)/sigma;zexp
Criteri del p _ valor [1] -2.236068
pˆ − p0 > p_valor=2*pnorm(zexp);p_valor
zexp = = -2.236068 [1] 0.02534732
p0 (1 − p0 )
n
p − valor : p = 2⋅ φ (−2.236068) = 0.02534732 < α hem de rebutjar H 0