Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
INSTITUTO TECNOLÓGICO SUPERIOR
P’URHÉPECHA
ACADEMIA DE INGENIERÍA INDUSTRIAL EAD
ESTADÍSTICA INFERENCIAL I
ACTIVIDAD 1 CORRESPONDIENTE A LA UNIDAD 3
Alumno: Ramón Amisadaí López Rosas
Núm. Control: A141420
Enero del 2018
RAMÓN AMISADAÍ LÓPEZ ROSAS 1
UNIDAD 3 ACTIVIDAD 1
PRUEBAS DE HIPOTESIS
3.1. INTRODUCCIÓN
La experiencia sobre el comportamiento de algún índice de un proceso, o la exigencia del
cumplimiento de alguna norma nos lleva a realizar proposiciones sobre el valor de algún parámetro
estadístico. Estas proposiciones se deben contrastar con la realidad (mediante el muestreo de
datos) para tomar una decisión, entre aceptar o rechazar la proposición. Se denominan Hipótesis y
el procedimiento para decidir si se aceptan o se rechazan se denomina Prueba de Hipótesis.
Una prueba de hipótesis es una herramienta de análisis de datos que puede en general formar
parte de un experimento comparativo más completo
Ejemplo: Consideremos el ejemplo anterior de la rapidez de combustión. Aquí se tenía:
H0: m = 50 cm/seg H1: m 50 cm/seg
Aceptación de H0.‐ Un valor de la media muestral x “muy cercano” a 50 cm/seg es una
evidencia que apoya a la hipótesis nula, sin embargo es necesario introducir un criterio para decidir
que tanto es muy cercano, para el ejemplo este criterio pudiera ser: 48.5 x 51.5, si esto ocurre
se acepta H0
De lo contrario, es decir, si x < 48.5 o x >51.5, se acepta H1
RAMÓN AMISADAÍ LÓPEZ ROSAS 2
3.2. CONFIABILIDAD Y SIGNIFICANCIA
Prueba de Hipótesis:‐
Denominada también prueba de significación, tiene como objetivo principal evaluar
suposiciones o afirmaciones acerca de los valores estadísticos de la población, denominados
parámetros.
La palabra docimar significa probar, cuando se hace indispensable tomar una decisión sobre
la validez de la representación de una población, con base en los resultados obtenidos a través de
una muestra, se dicen que se toman decisiones estadísticas.
Para tomar una decisión es necesario, ante todo plantear posibilidades acerca de la
característica o características a estudiar en una población determinada. La suposición puede ser
cierta o falsa. Estas suposiciones se llaman hipótesis estadísticas.
Hipótesis Estadística:
Es un supuesto acerca de un parámetro o de algún valor estadístico de una población. Con
esta definición encontramos que no todas las hipótesis son hipótesis estadísticas. Se debe tomar
con referencia a un parámetro, ya sea una media aritmética, una proporción (porcentaje) o varianza
para que sea hipótesis estadística.
Una hipótesis estadística también puede considerarse, como la afirmación de una
característica ideal de una población sobre la cual hay inseguridad en el momento de formularla y
que, a la vez, es expresada de tal forma que puede ser realizada.
RAMÓN AMISADAÍ LÓPEZ ROSAS 3
3.3. ERRORES TIPO 1 Y TIPO 2
El procedimiento anterior puede llevarnos a una de dos conclusiones erróneas:
Error Tipo I.‐ Se rechaza H0 cuando ésta es verdadera
Error Tipo II.‐ Se acepta H0 cuando ésta es falsa
En el ejemplo se cometerá un error de tipo I cuando µ =50, pero x para la muestra
considerada cae en la región crítica. Y se cometerá un error de tipo II cuando µ 50 pero x para la
muestra considerada cae en la región de aceptación.
A la probabilidad de cometer un error de Tipo I se denota por a, y se le llama el nivel o
tamaño de significancia de la prueba es decir:
a = P(error Tipo I)= P(rechazar H0 | H0 es verdadera)
Ejemplo: Calcular a para el ejemplo de la rapidez de combustión para una muestra de N=10
datos, suponiendo que la desviación estándar de la rapidez de combustión es Ϭ=2.5 cm/seg.
Solución: en este caso a = P(x caiga en la región crítica | µ=50), es decir:
a = P(x < 48.5) + P(x > 51.5)
Recordando que La distribución de x es Normal con media µ=50 y desviación estándar s/N
=0.79, por lo tanto, usando Matlab:
a = normcdf(48.5,50,0.79) + (1‐normcdf(51.5,50,0.79)) = 0.288+ 0.288 = 0.0576
Esto significa que el 5.76% de las muestras de tamaño 10 conducirán al rechazo de la Hipótesis H0:
µ=50 cm/seg, cuando ésta es verdadera.
Es claro que a se puede reducir de dos maneras:
‐ Aumentando la región de aceptación
‐ Aumentando el tamaño de la muestra
RAMÓN AMISADAÍ LÓPEZ ROSAS 4
Ejemplo: recalcular a del ejemplo anterior para a) los nuevos límites de la región de aceptación 48 y
52. b) Para N=16 con los límites originales c) con ambas modificaciones
Solución:
a) a = normcdf(48,50,0.79) + (1‐normcdf(52,50,0.79)) = 0.0114
b) a = normcdf(48.5,50,0.625)+(1‐normcdf(51.5,50,0.625)) = 0.0164
c) a = normcdf(48,50,0.625)+(1‐normcdf(52,50,0.625)) = 0.0014
ERROR TIPO II
β = P(error Tipo II) = P(aceptar H0 | H0 es falsa)
Sin embargo, no es posible calcular β si no se tiene una hipótesis alternativa específica, es decir, un
valor particular del parámetro bajo prueba en lugar de un rango de valores
Por ejemplo, supongamos que es importante rechazar H0 si la rapidez promedio de combustión µ es
mayor que 52 cm/seg o menor que 48 cm/seg. Dada la simetría sólo se requiere evaluar la
probabilidad de aceptar H0: µ=50 cuando el valor verdadero es µ=52.
RAMÓN AMISADAÍ LÓPEZ ROSAS 5
De acuerdo a la figura: β = P(48.5 x 51.5 | µ=52)
Usando Matlab:
Β = normcdf(51.5,52,0.79) ‐ normcdf(48.5,52,0.79) = 0.2643
La probabilidad de obtener un error de tipo II aumenta muy rápido a medida que el valor verdadero
m tiende al valor hipotético, por ejemplo, si suponemos que µ=50.5, y recalculamos β, obtenemos.
Usando Matlab:
β = normcdf(51.5,50.5,0.79) ‐ normcdf(48.5,50.5,0.79) = 0.8923
β también depende del tamaño de la muestra, por ejemplo, si N=16 obtenemos en el ejemplo
cuando µ=52: Ϭ=0.625, por lo tanto.
β = normcdf(51.5,52,0.625) ‐ normcdf(48.5,52,0.625) = 0.2119
Es decir, β disminuye cuando N aumenta, excepto si el valor real de µ está muy cerca del hipotético.
RAMÓN AMISADAÍ LÓPEZ ROSAS 6
3.4. POTENCIA DE LA PRUEBA
Potencia de prueba: la gran ausente en muchos trabajos científicos. Se pretende destacar la
importancia dela consideración del error tipo II y por ende la potencia dela prueba en la
investigación científica, particularmente en el campo del diseño experimental. Se presenta su uso
con base en un ejemplo hipotético y en un ejemplo real de un experimento en el campo
agronómico en el que se estudió el efecto dela concentración de fertilizante sobre la vida útil y la
calidad de las flores de Phalaenopsis y se concluyó, sustentando en una potencia de prueba alta,
que aplicando fertilizante foliar en baja concentración es posible aumentar la calidad de las flores
sin detrimento de su vida útil.
La Potencia de una prueba β representa la probabilidad de que la hipótesis nula no sea
rechazada cuando de hecho es falsa y debería rechazársele. La potencia de prueba 1‐β representa
la sensibilidad de la prueba estadística para detectar cambios que se presentan al medir la
probabilidad de rechazar la hipótesis nula cuando de hecho es falsa y debería ser rechazada. La
potencia de prueba estadística depende de qué tan diferente en realidad es la media verdadera de
la población del valor supuesto.
Una prueba de un extremo es más poderosa que una de dos extremos, y se debería utilizar
siempre que sea adecuado especificar la dirección de la hipótesis alternativa. Puesto que la
probabilidad de cometer un error tipo I y la probabilidad de cometer un error tipo II tienen una
relación inversa y esta última es el complemento de la potencia de prueba (1‐β), entonces α y la
potencia de la prueba varían en proporción directa. Un aumento en el valor del nivel de
significación escogido, tendría como resultado un aumento en la potencia y una disminución en α
tendría como resultado una disminución en la potencia. Un aumento en el tamaño de la muestra
escogida tendría como resultado un aumento en la potencia de la prueba, una disminución en el
tamaño de la muestra seleccionada tendría como resultado una disminución en la potencia.
RAMÓN AMISADAÍ LÓPEZ ROSAS 7
3.5. FORMULACION DE HIPOTESIS ESTADISTICAS
Objetivos:
1. Identificar los elementos básicos de una hipótesis.
1. 2 .Distinguir entre las diferentes clases de hipótesis.
2. Formular hipótesis de investigación, nulas y alternativas.
3. Reconocer la función e importancia de las hipótesis.
4. Reconocer la importancia de definir los conceptos y variables.
5. Reconocer y efectuar definiciones conceptuales, instrumentales y operacionales para
variables e hipótesis.
Con el fin de establecer guías precisas hacia el problema de investigación, se proponen
hipótesis que indican lo que estamos buscando o tratando de probar. Constituyen un puente entre
la teoría y la investigación empírica. Es a través de la comprobación de los cuerpos hipotéticos que
la ciencia busca la sistematización, generalización e interpretación. Las hipótesis son consideradas
como explicaciones tentativas respecto al problema planteado, presentadas a manera de
proposiciones. Pero no toda conjetura o suposición es una hipótesis científica. Cumple su función
sólo si está relacionada con el conocimiento existente; si reúne lo ya conocido con lo que se busca.
Son afirmaciones a manera de conjeturas respecto a las relaciones entre dos o más variables
expresada por medio de oraciones declarativas, sujetas a comprobación empírica. Según Rojas
(1980), las ciencias sociales enfrentan problemas teórico‐metodológicos para probar hipótesis
surgidas en investigación. Muchos de los conceptos acuñados carecen de referentes empíricos y
por otro lado el comportamiento humano no sigue patrones uniformes lo que impide generalizar
los resultados y conservar la validez a través del tiempo. Esto conduce a que la búsqueda de
relaciones significativas en estas ciencias se limite a situaciones concretas y universos reducidos.
Para que una hipótesis sea considerada como correcta, debe referirse a dos o más variables
potencialmente medibles y especificar al mismo tiempo de qué manera se relacionan dichas
variables (Kerlinger, 1988). Deben referirse a una situación real, los términos tienen que ser
comprensibles, precisos y lo más concretos posible; la relación entre variables propuesta debe ser
clara y verosímil (lógica) y deben estar relacionadas con técnicas disponibles para probarlas
(Hernández, 1993; Rojas, 1981).
RAMÓN AMISADAÍ LÓPEZ ROSAS 8
3.6. PRUEBA DE HIPOTESIS PARA LA MEDIA
Cuando se van a realizar pruebas de hipótesis relativas a la media poblacional m se debe
saber si la varianza poblacional s es conocida o desconocida, ya que la distribución subyacente al
estadístico de prueba será la normal estándar si la varianza es conocida, y la distribución t en caso
contrario.
Las diferentes hipótesis que se pueden presentar son las siguientes:
1) Ho: m = m0 H1: m > m0
2) Ho: m = m0 H1: m < m0
3) Ho: m = m0 H1: m ¹ m0
Las pruebas de hipótesis para la media se basan en el estadístico dado por la media
muestral cuya distribución tiende a la distribución normal (m, s/n) para muestras grandes.
EJEMPLO: 1
Una encuesta revela que los 100 autos particulares, que constituyen una muestra aleatoria,
se condujeron a un promedio de 12500 Km. Durante un año, con una desviación estándar de 2400
Km. Con base en esta información, decimar la hipótesis donde, en promedio, los autos particulares
se condujeron a 12000 Km durante un año, f rente a la alternativa de que el promedio sea superior.
Utilizar el nivel de significación.
SOLUCIÓN:
Z = ẋ ‐ µ
S/ √n
H0: μ = 12000 S = 2400
Ha: μ > 12000 α = 0.05
n = 100 Zcalc = 2.083
ẋ =12500
RAMÓN AMISADAÍ LÓPEZ ROSAS 9
Rechazamos la hipótesis de que μ es igual a 12000, luego aceptamos que los autos se
condujeron en un promedio superior durante ese año, al nivel del 5%.
0 Zα
PRU DE HIP. PARA UNA O 2 MUESTRAS DE MEDIAS
1
RAMÓN AMISADAÍ LÓPEZ ROSAS
0
EJEMPLO: 2
Un criador de pollos sabe por experiencia que el peso de los pollos de cinco meses es 4,35
libras. Los pesos siguen una distribución normal. Para tratar de aumentar el peso de dichas aves se
le agrega un aditivo al alimento. En una muestra de pollos de cinco meses se obtuvieron los
siguientes pesos (en libras).
4,41 4,37 4,33 4,35 4,30 4,39 4,36 4,38 4,40 4,39
En el nivel 0,01, el aditivo a ha aumentado el peso medio de los pollos? Estime el valor de p.
1
RAMÓN AMISADAÍ LÓPEZ ROSAS
1