• Por ahora

:

“es suficiente reconocer que β aumenta a medida que α disminuye para un tamaño de muestra dado”

Para el marketing : Costo Error tipo II > Costo Error tipo I • Ejemplos 1.- Si se comete error tipo I en la selección de la mejor estrategia promocional para el lanzamiento de un nuevo producto de desodorante, suponga que se rechaza la hipótesis verdadera (concluimos que una estrategia promocional es mejor que las demás) aún cuando todas son igualmente eficaces. Acá hay poco riesgo asociado a nuestra selección de estrategias. 2.- Por otra parte, podemos aceptar la hipótesis falsa (concluir que no hay diferencias en la efectividad de las tres estrategias promocionales) cuando una de ellas es más eficaz que las demás. Este error tipo II podría ser más costoso, en términos de costo de oportunidad, si seleccionamos una de las estrategias menos eficaces.

Hoy, con razones gerenciales apremiantes para seleccionar un nivel de significación (α) en el rango de 0.10 a 0.25, en regular de los tradicionales niveles de 0.01 ó 0.05 utilizados en la investigación de las ciencias sociales. 3) Pasos en la prueba de hipótesis 1.- Formular la hipótesis nula y una alternativa. 2.- Seleccionar la prueba estadística apropiada al tipo de datos que tiene el investigador. 3.-Especificar el nivel de significación “α”. 4.- Buscar el valor del estadístico de prueba en un conjunto de tablas para el α (diferentes niveles de probabilidad α). 5.- Realizar la prueba estadística seleccionando en el paso 2 sobre los datos disponibles (genera un valor estadístico pertinente). 6.- Comparar el valor calculado en el paso 5 con el valor encontrado en el paso 4. Si valor paso 5 > valor paso 4 rechazamos H0 Si valor paso 5 < valor paso 4 aceptamos H0

Estadística Inferencial La prueba apropiada de inferencias estadísticas también varía según el nivel de escala de los datos disponibles. . La selección depende del investigador sobre su conocimiento de: .Desviación Standard de la población . 1) Datos de Intervalo Para este caso se utiliza la prueba Z o la prueba t..Tamaño de muestra utilizado OJO.son pruebas sobre el tamaño de la media de la población.

PRUEBA Z Sea: X : media muestral μ : media poblacional n : tamaño de la muestra N : tamaño de la población La prueba Z compara X con μ y permite si la X le permite concluir que la media poblacional (μ) es verdadera. o 2...El tamaño de la muestra es mayor que 30 y NO se conoce la σ Nota : Si n < 30 y no se conoce σ Prueba t . La prueba Z es adecuada para los datos de intervalos donde: 1.El tamaño es de cualquier orden y se conoce la σ (desviación standard poblacional).

.Partimos de una variable continua EDAD. Pasos de la Prueba Z 1. Supongamos que de una muestra de estudiantes universitarios que están tomando el curso de investigación de mercados se ha generado la siguiente información: S=5 n = 100 N = 4000 X = 24 Se considera como población a los estudiantes de la UNALM.-Formulas de una prueba de hipótesis nula y una alternativa Si deseamos saber si la edad media de la población es 23 H0 : μ = 23 HI : μ ≠ 23 Acá la hipótesis alternativa HI expresa que la media poblacional es diferente a 23 (por debajo o encima) es una prueba de 2 colas (bilateral) * El número de colas afecta la posición en una tabla estadística.

Acá utilizamos la tabla A-2 (prueba Z bilateral) Se utiliza la tabla A-3 (prueba Z unilateral) Se asume que las tablas considera X=0 y σ =1 . estos valores son α. ya que la prueba Z se basa en la naturaleza de la distribución muestral de medias. .Los valores que aparecen en el resto de la tabla dan el área contenida en la cola o las colas de la distribución.2.. en otras palabras. la probabilidad de cometer un error tipo I.En la tabla los valores de la primera columna y primera fila de la tabla se combinan para dar los valores de Z. Esto suministra una medida de la probabilidad de rechazar una HIPÓTESIS NULA VERDADERA. .Seleccionar las pruebas estadísticas apropiadas La prueba adecuada es la prueba Z porque n>100 y estamos probando una hipótesis sobre las medias.

.96 (en la columna 1 es 1.05. Recordamos que cuando en el capítulo V se afirma que el intervalo de confianza al 95% era ±2 veces el error standard.025 (de una cola).05 encontramos que esto es 1. en ese caso estaríamos ampliando una prueba con α = 0. Por tanto.96 es menor que 0.645.Ejemplos 1.96 veces el error standard.05 en una prueba unilateral observamos que Z = 1. en realidad es 1. Para α = 0.06) desviación standard de la media.. pero por necesidad de facilitar el análisis se utiliza 2.025.9 y en la fila 1 es 0.En la tabla A-3 observamos que la probabilidad de lograr un valor de Z mayor que 1.05” 2. Lo que nos dice el 1.96 es menor que 0. .96 es: “que la probabilidad de lograr un valor de Z mayor que 1. Por tanto. la probabilidad de obtener un valor de Z mayor que 1.64 en una prueba unilateral es menor que 0.En la tabla A-2 para α = 0.

1.1 En la tabla A-2 observamos que Z = 1.3. Buscar el valor de z para α=0. El investigador debe especificar el nivel de significación α . Se debe tener en cuenta que cuando menor sea α . Para el ejemplo utilizaremos α=0.64 se rechaza la hipotesis nula (H ) o . Si la Z calculada con base en los datos EXCEDE a 1. Este es el Valor Crítico de Z. mayor será β para cualquier tamaño de muestra dado.1 4.Especificar el nivel de significacion.64 para un α=0.

5. Realizar la prueba estadistica • Si se Conoce la desviación Standard de la población (δ): x x Z  x  • Si se Desconoce la δ: n x x Z  S Sx n .

1 24  23 1 Z  2 5 0 .5 100 La diferencia Standart x   = 24 – 23 es iguala 2 errores .En nuestro ejemplo : α =0.

05 en una PRUEBA UNILATERAL observamos que Z= 1.025.64 en una prueba unilateral es menor que 0. • Para α=0. ∴La probabilidad de obtener un valor de Z mayor que 1. ∴En ese caso estaríamos empleandouna prueba con α=0.96 es Menor que 0.025 (de una cola).Ejemplo B • En la Tabla A-3 observamos que la probabilidad de lograr un valor de Z Mayor que 1.05.645. .

64 ∴ No se puede concluir que la Edad Promedio de la población sea 23 años. (ZC > ZT) Ho se rechaza (ZC < ZT) Ho se acepta T ZC = 2 ZT = 1.6. .1. Comparar los valores Z El valor de Z calculado (Zc) EXCEDE el valor de Z de la tabla (Z ) para α =0.

En ese caso n > 30 y No se conoce δ . 1. una muestra podría generar un estimado de la participación de mercado (p).25 Si n < 30 ( pequeño) Distribución Binomial es una situación poco común en los problemas reales de I.M. Es probable que queramos comparar ésta con la participación del mercado objetivo por encima de π. H0 : π ≤ 0.25 H1 : π > 0.• Ejemplo Para una proporción VARIABLES DICOTOMICAS Se utiliza para medir la participación del mercado.

2. n Donde: p: proporción muestral π: proporción hipotética Sp: error standart de la proporción p: probabilidad de éxito q: probabilidad de fracaso . El estadístico: p  p  Z  Sp q p.

ZT = 2. El nivel de significación α = 0.60 (0.01 4. Se calcula ZC p = 0.3  0.25 0. Como Zc < ZT no se puede concluir que hemos logrado una participación de mercado objetivo superior al 25% Nótese que esto es cierto aun cuando la participación de mercado de la muestra era de 30%. .32 para α = 0.01 5.3 n = 30 Zc  0.7) 30 0.3)( 0.05   0.3.084 6.

. los valores de “t” no se han calculado para tamaños grandes de muestra.PRUEBA T Se utiliza para obtener conclusiones sobre la media poblacional y se parte de:  Para muestras pequeñas n < 30  No se conoce la δ Para valores n > 30 la distribución “t” y la “z” son virtualmente idénticas.

05.  Si se requiere una prueba unilateral o bilateral. Siempre hay “n-1” grados de ibertad en la prueba t.l=10 .812. en una prueba unilateral con 10 grados de libertad t = 1.  El número de grados de libertad en la muestra.1 y g. Como ejemplo en la tabla A-4 para un α = 0.05) =0. OJO En la tabla de 2 colas se busca α = 2(0.El valor crítico de “t” varía según:  El nivel α seleccionado.

Se genera la Ho: Ho ≤ 100 galones H1 > 100 galones 2.1 .Ejemplo Se desea estimar las tasa anuales de consumo de gaseosa anual per cápita en el sector c en el Perú es de 100 galones. para lo cual hemos tomado una muestra del sector c: S = 15 1. Selección de la prueba estadística: como n < 30 y δ no se conoce Prueba “t”   120 n=7 α = 0.

. El tT para : gl = 7-1=6 y α = 0. pero se busca con α = 0. 4.53 5.1.3. El tc es: Tc    S    S n 120  100 20 Tc    3. Como tc > tT se rechaza H0 y se acepta que el consumo es superior a 100 galones de gaseosas.2.67 15 7 6. El nivel de significación α = 0.44 para una cola. 5.2 tT=1.

Ejemplo: Si las familias que compran gaseosas en envases retornables se distribuyen por igual en todas las categorías de ocupación. .Datos Nominales No siempre se esta interesado en hipótesis sobre medias. Con frecuencia desean hacer inferencias sobre la forma como se distribuye los encuestados a través de las posibles categorías de una variable nominal.

.Importante: La prueba ji cuadrado es un procedimiento para comparar una distribución hipotética de la población a través de las categorías en relación con una distribución observada.

Oi: numero observado de los encuestados en la categoría i. Donde: (Oi  Ei )   Ei i 1 k 2 2 K : numero de categorías de las variables. Ei: numero hipotético de los encuestados de la categoría i. .PRUEBA Ji-Cuadrado En una prueba ji-cuadrado se compara una distribución hipotética de la población con una distribución generada por una muestra.

05= 0.95 Ejemplo Se tiene una variable con 7 gl y un α = 0. univariado.La prueba Ji cuadrado depende:  Grados de libertad (k-1) unilateral.05 se busca en la columna donde aparece 1 – α = 1 .05.  Nivel de significación.  El tamaño de la muestra.0.1 .95 columna y fila gl = 7 X2 = 14.05 =0. Se busca un 1 – 0. En la tabla se nos dan α = 0.

Ejemplo : Categoría ocupacional k=4 n=100 Oi 15 20 30 35 100 Ei 25 25 25 25 100 Oi – Ei -10 -5 5 10 (Oi – Ei)2 (Oi – Ei)2/ Ei Obrero Personal oficina Personal Administrativo 100 25 25 100 4 1 1 4 10 Estudiante Total .

H1 : Existe diferencias significativas Si se espera que sean iguales a cada uno le corresponde 25 como esperado.Se tiene 100 personas de diferente categoría que consumen gaseosas en envases retornables y se desea saber si existe diferencia en la población de usuarios de envases retornables. . La hipótesis: Ho : No existe diferencias significativas. 1.

El X2T para gl = 4 – 1 α = 0.90 X  6. Nivel de significación α = 0.1 Se busca 1 – 0.25 2 T .2. La prueba estadística: 2 ( O  E ) i 2   i Ei i k Son categorías Nótese que X2 sólo nos dice que existe una relación significativa.1 4.1 = 0. 3.

.5. Como   2 c 2 T Se rechaza la Ho y se acepta que existen diferencias significativas para el uso de envases retornables para cada categoría ocupacional. El X2c X2= 4 + 1 + 1 + 4 =10 6.