Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
BIOTECNOLOGIA AMBIENTAL
9 "A"
Presentado por:
Raúl Benavides Lara Ph.D.
Clase No.7
Riobamba
Marzo – Julio 2019
CONTENIDOS DE LA CLASE:
- El porcentaje de este
insecticida… afecta el resultado
de la mezcla
- El tiempo de espera para la
reacción es de tres horas, en
promedio.
- Si aumentamos en 10ml la
cantidad de reactivo … se elimina
el problema.
3
Pasos del Modelo de Prueba Estadística
4
“Es una afirmación sobre los valores
1) y 2) Planteamiento de de los parámetros de una población o
proceso, que son susceptibles de
una Hipótesis
probarse a partir de la información
estadística contenida en una muestra
representativa..”
• En el caso de ser rechazada HO, por la evidencias que aportan los datos,
se acepta la hipótesis alternativa HA
5
3) Estadístico de Prueba
• Planteada la hipótesis, se toma una muestra aleatoria de la población de
estudio o se obtienen datos de un experimento planeado de acuerdo con
esta.
6
4) Criterio de Rechazo
• El estadístico de prueba, construido bajo el
supuesto de que Ho es verdad, es una
variable aleatoria con distribución conocida.
7
Pruebas de UNA y de DOS colas
(unilaterales y bilaterales)
La ubicación de la región o intervalo de rechazo depende de si la
hipótesis es bilateral o unilateral
8
EL RIESGO DE UNA DECISIÓN EQUIVOCADA:
ERROR TIPO I Y II
• Probar una hipótesis estadística es una decisión probabilística, por lo que
existe el riesgo de cometer un error tipo I o un error tipo II.
10
PRUEBA PARA LA MEDIA
• Cuando se estudia el comportamiento de un proceso o un fenómeno
suelen interesar su media y varianza (o desviación estándar).
• En particular, al estudiar la media µ, es de interés indagar si ésta es igual,
mayor o menor a cierto valor µo (número conocido).
• Eje: se puede investigar si el promedio µ de la altura de un espécimen es
igual, mayor o menor que el del otro tratamiento µo. planteando una
hipótesis estadística adecuada.
• Las hipótesis se pueden probar suponiendo la varianza poblacional σ2 es
conocida o no; pero en la mayoría de los problemas es irreal suponer
esto, generalmente se utiliza el caso de σ2 desconocida.
11
Varianza desconocida
12
PRUEBA PARA LA VARIANZA
13
CRITERIOS DE RECHAZO O ACEPTACIÓN EQUIVALENTES
1) Estadístico de prueba frente a valor crítico
• Consiste en rechazar Ho si el estadístico de prueba cae en la región de
rechazo que está delimitada por el valor crítico.
• Este método (tradicional) es el que da menos información adicional acerca de
la decisión tomada.
3) Intervalo de confianza
• En este método se rechaza Ho si el valor del parámetro declarado en la
hipótesis nula se encuentra fuera del intervalo de confianza para el mismo
parámetro.
15
HIPÓTESIS PARA COMPARACIÓN DE DOS TRATAMIENTOS
• Un problema frecuente de investigación, es comparar la media de dos
procesos, tratamientos, materiales, especímenes, máquinas o métodos
de trabajo.
• Si interesa comparar dos tratamientos A y B (2 maquinas que realizan la
misma operación) Para ello se debe obtener una muestra aleatoria de
observaciones de cada tratamiento (máquina).
• Para una comparación justa, la materia prima utilizada por las máquinas
se debe asignar de forma aleatoria, a igual que las 2n pruebas o corridas
(No es adecuado realizar primero todas las pruebas de la máquina A y
luego en la B, eso sesga la comparación)
• Con estas condiciones, se puede estadísticamente compararlas
16
Hipótesis para la Media con Suposición de Varianzas
Desconocidas, pero Iguales.
• Sean dos (2) tratamientos con medias μx y μy y varianzas σx2 y σy2
• Determinar si las medias pueden considerarse estadísticamente
iguales.
HO : μx = μy
• Para ello se plantean las siguientes hipótesis:
HA : μx ≠ μy
• S2x y S2y son las varianzas muestrales de los datos de cada proceso.
• Se rechaza Ho si |to| > tα/2, donde tα/2 es el punto α/2 de la cola derecha
de la distribución t de Student con nx + ny – 2 grados de libertad.
• Cuando la hipótesis alternativa es de la forma:
HA : μx > μy HA : μx < μy
HO : μx = μy HO : μx = μy
18
Hipótesis para la Media con Suposición de Varianzas
Desconocidas y Desiguales
• En la mayoría de ocasiones las varianzas no son iguales, y-o no
existen datos históricos sobre los dos tratamientos que permitan
suponer esto.
• Por ejemplo: al comparar dos proveedores de un mismo material puede
no haber razones para suponer que las varianzas sean iguales o
parecidas (estadísticamente).
• Si no se supone igualdad de varianzas, el estadístico de prueba para
Ho: μx = μy está dado por: 𝒕 = Ẋ − Ȳ
𝒐
𝑺𝟐𝑿 𝑺𝟐𝒚
+
𝒏𝒙 𝒏𝒚
• Que sigue aproximadamente una distribución t de Student, cuyos
grados de libertad Ѵ (nu) se calculan mediante la relación:
𝑺𝟐𝒙 𝑺𝟐𝒚 𝟐
+
𝒏𝒙 𝒏𝒚 Como antes, se rechaza Ho
Ѵ= 𝟐 - 2
𝑺𝟐 𝒙 𝟐 𝑺𝟐 𝒚
𝒏𝒙 𝒏𝒚 si |to| > tα/2, Ѵ (bilateral) o si el
+ valor-p < α
𝒏𝒙 +𝟏 𝒏𝒚 +𝟏 19
Hipótesis para la Media con Suposición se Varianzas
Conocidas
20
Prueba para la Igualdad de Varianzas
• Para no suponer en la prueba de medias, que las varianzas son iguales o
diferentes, se puede verificarlo de manera estadística mediante las
hipótesis:
Hipótesis nula → HO : σ2x = σ2y
Hipótesis alternativa → HA : σ2x ≠ σ2y
24
25
26
Ejemplo 1: Un experimento de una proporción con
muestras defectuosos en un 8%
1 y 2) Planteamiento de una hipótesis estadística
• En este caso en términos de proporción (p) es:
Hipótesis nula → HO : p = 0.08
Hipótesis alternativa → HA : p < 0.08 (unilateral)
→ HA : p ≠ 0.08 (de dos lados – bilateral)
3) Estadístico de Prueba
( proporción_ observada) − ( proporción_ H 0 )
z=
sp
pˆ − 𝒑
𝒁𝒐 =
𝒑 𝟏−𝒑
𝒏
Para la hipótesis Ho=0.08, Se tiene el supuesto que la muestra es n=150, de ellas
x=20 son defectuosas, entonces el valor de la proporción es pˆ = x/n = 0.13.
27
0.13 − 𝟎. 𝟎𝟖 • En este caso, el valor estadístico es Zo =
𝐙𝐨 = 2.257~2,26
𝟎, 𝟎𝟖 𝟏 − 𝟎, 𝟎𝟖
𝟏𝟓𝟎 • Con este valor se establece si existe una
diferencia suficiente para rechazar o no Ho
(p=0.08).
• Para probar la hipótesis bilateral con un nivel
de confianza del 95%, con los valores de Zα/2
= 1.96; y Zo = 2.26, entonces
• |Zo|>Zα/2. (2.26 > 1.96); por lo tanto, se
rechaza Ho: p=0.08.
28
Ejemplo 2: Media con varianza desconocida
Un investigador precisa de muestras de tierras. según los proveedores, las mismas
tienen un peso medio de 50.1 kg, con una varianza de σ2 = 0.5. Pero se sospecha
que el peso medio es menor. Confirmar su sospecha contrastando hipótesis, con un
nivel de significancia de 5% (α = 0.05).
Hipótesis nula → HO : μ = 50.1
Hipótesis alternativa → HA : μ < 50.1
Para ello, selecciona de manera aleatoria tres bultos de cada uno de los siguientes
cinco pedidos. Pesa los 15 bultos y obtiene que Ẋ= 49.4 y S2 = 1.2. De esta
manera, el estadístico de prueba calculado de acuerdo con la expresión
(Ẋ−𝝁𝑶) 15 49,4−50,1
𝒕o = = 1,2
= -2,47
𝑺/ 𝒏
El hecho de que los dos números sean distintos no significa que sean
estadísticamente diferentes, de aquí la necesidad de contrastar o probar las
hipótesis:
Hipótesis nula → HO : σ2 = 0.5
Hipótesis alternativa → HA : σ2 > 0.5 (unilateral)
30
• Si Ho es verdadera Xo2 sigue una
distribución ji-cuadrada con n-1 grados de
libertad.
http://www.danielsoper.com/statcalc/calculator.aspx?id=8
32
Ejemplo 5: Intervalo de Confianza
• En el peso de la muestras, en el caso de hipótesis unilateral sobre la media del
peso de las muestras
Hipótesis nula → HO : μ = 50.1
Hipótesis alternativa → HA : μ < 50.1
• Así, con una confianza de 90%, μ está entre 48.9 y 49.9. En tanto, el valor 50.1
declarado en la hipótesis nula no pertenece al intervalo, y está ubicado a la
izquierda de 50.1, por lo tanto, se rechaza la hipótesis Ho.
• Con μ = 50.1, se evidencia que la muestra es de menor peso de lo dicho.
• Este criterio es útil cuando el software proporciona el intervalo de confianza para
el parámetro de interés, pero no provee la prueba de hipótesis correspondiente
33
Ejemplo 6: Comparación de dos centrifugadoras
• La calidad de la pintura látex depende, entre otros del tamaño de la partícula.
• Para medir esta característica se utilizan dos (2) centrifugadoras, y se sospecha
que éstas reportan mediciones distintas para la misma pintura.
• Se decide hacer un estudio que permita comparar las medias y las varianzas
reportadas por los dos equipos; para lo cual, de un mismo lote de pintura se
tomaron 13 lecturas con cada centrifugadora.
• Los resultados :
• Como | to | = 2.04 < 2.064 = tα/2, no se rechaza Ho, y se concluye que las
centrifugadoras A y B reportan en promedio el mismo tamaño de partícula.
• El valor – p= 0,053, como valor – p no es menor (<) que α (0.053 > 0.05) no se
rechaza la hipótesis.
35
Ejemplo 7: Comparación de la medias de dos
centrifugadoras
• En el caso de las centrifugadoras no se pudiera suponer
que las varianzas son iguales.
• El valor del estadístico resulta ser to = 2.04
• Aplicando la fórmula de Ѵ para calcular los grados de
libertad, se obtiene que Ѵ = 26.
• El valor de tα/2, Ѵ es de 2,056; y el valor-p = 0.052.
• Por lo tanto, con α = 0.05, no se rechaza la igualdad de
las medias.
• Ésta es la misma decisión que se obtuvo al suponer
varianzas iguales;
• Observe que los valores de to y el valor-p son
prácticamente iguales que antes.
36
Ejemplo 8: Comparación de dos centrifugadoras
• En el caso de las centrifugadoras Fo = 1,11
• El valor del estadístico resulta ser Fα, nx-1, ny-1 = 2,26
• En https://www.easycalculation.com/es/statistics/f-test-p-
value.php, se determina que el valor-p = 0,85.
• Por lo tanto, con α = 0.05, no se rechaza la hipótesis HO: σ2x = σ2y y
se concluye que las centrifugadoras tienen la misma variabilidad
37
Ejemplo 9: Evaluación de fármacos (proporciones)
• Se integran dos grupos formados por dos muestras aleatorias de n1 =
n2 = 100 personas cada una.
• A cada grupo se le suministra un fármaco diferente.
• Transcurrido el tiempo de prueba se observan x1 = 65 y x2 = 75
personas que se recuperaron con cada fármaco
• Para ver si estas diferencias son significativas a favor del fármaco 2,
se necesita probar la hipótesis de igualdad de proporciones.
𝟔𝟓 𝟕𝟓
p^=
𝟔𝟓+𝟕𝟓
= 0,7 𝟏𝟎𝟎
− 𝟏𝟎𝟎
𝟏𝟎𝟎+𝟏𝟎𝟎 𝒁𝒐 = = 1,543
1 1
0,7 1−0,7 +
100 100
http://www.elosiodelosantos.com/calculadoras/calculad
ora_distribucion_normal.php
38
Ejemplo 10: Comparación de
dos básculas (pareados).
• Ver si 2 básculas están sincronizadas.
• Para ello, se toma una muestra aleatoria de
10 especímenes y cada uno se pesa en
ambas básculas, cuidando que el orden
sea aleatorio.
• El trabajo lo realiza el mismo operador y los
datos obtenidos se muestran en la tabla
• En este caso tenemos observaciones
pareadas, ya que el peso que registra una
báscula para un espécimen no es Hipótesis nula → HO : μ1 = μ 2
independiente del que registra la otra para Hipótesis alter. → HA : μ 1 ≠ μ 2
el mismo espécimen.
• La comparación de las básculas se puede Entonces, estas hipótesis, en el
evaluar probando la siguiente hipótesis: caso pareado, se plantean de
manera equivalente como
• Donde: μ1= peso promedio poblacional que
mide báscula 1
HO : μD = 0
μ2= peso promedio poblacional que mide
báscula 2 HA : μD ≠ 0
μD= media poblacional de las diferencias 39
đ
to =
𝑆𝐷 / 𝑛
• Donde: đ = –0.022 es el promedio muestral de las diferencias,
SD = 0.0287 es la desviación estándar muestral de tales diferencias, y
n = tamaño de la muestra. (10)
• Ho se rechaza si |to| > tα/2, n – 1, o si valor-p < α.
• Al hacer los cálculos resulta to= -2,20 y tα/2, n – 1 = 2,26 por lo cual no se
rechaza Ho; y calculando el valor-p = 0.055 que es mayor que α = 0.05, no se
rechaza Ho para este nivel de significancia.
• Es decir, no hay suficiente evidencia en contra de la sincronización de las
básculas. Sin embargo, esta conclusión es bastante endeble dado que el valor-p
es muy similar al valor α.
40