Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Pruebas de Hipotesis
Decisiones Estadsticas
En la practica con frecuencia se esta obligado a tomar decisiones sobre poblaciones con base en la informacin de muestras. Estas de denominan decisiones estadsticas.
Hiptesis Estadsticas
Al intentar tomar una decisin, es til hacer suposiciones acerca de las poblaciones implicadas. Dichas suposiciones, que pueden o no se verdaderas, se denominan hiptesis estadsticas.
En muchos casos se formula una hiptesis estadstica, con el nico propsito de rechazarla o nulificarla. Si se quiere decidir si un procedimiento es mejor que otro, se formula la hiptesis de que no hay diferencia entre los procedimientos. Tales hiptesis suelen llamarse hiptesis nulas y se denotan por H0.
Cualquier hiptesis que difiera de una hiptesis dada, se denomina hiptesis alternativa. La hiptesis alternativa a la hiptesis nula se denota H1.
Si se supone que una hiptesis en particular es verdadera, pero se encuentra que los resultados observados en una muestra aleatoria difieren notablemente de los resultados esperados bajo la hiptesis, entonces se dir que las diferencias observadas son significativas, y, por lo tanto, se estara inclinando a rechazar la hiptesis.
Los procedimientos que permiten determinar si las muestras observadas difieren significativamente de los resultados esperados y que, por lo tanto, ayudan a decidir si se aceptan o rechazan las hiptesis, se denominan pruebas de hiptesis, pruebas de significancia o reglas de decisin.
Si se rechaza una hiptesis cuando debe aceptarse, se dice que se cometi un error Tipo I. Si, por el contrario, se acepta una hiptesis cuando debe rechazarse, se dice que se cometi un error Tipo II. En cualquier caso, se ha tomado una decisin equivocada.
Para que las reglas de decisin sean buenas, tienen que disearse de tal manera que se minimicen los errores de decisin. Esto no es sencillo, ya que para cualquier tamao de muestra el intento de disminuir el tipo de error generalmente va acompaado del incremento del otro tipo de error. En la practica, un tipo de error llega a ser mas serio que el otro, por lo que debe hacerse un compromiso para limitar el error mas grave. La nica manera de reducir ambos tipos de error es aumentando el tamao de la muestra, lo cual puede o no ser posible.
Nivel de Significancia
Cuando se prueba una hiptesis, la probabilidad mxima con la que estara dispuesto a arriesgarse a cometer un error Tipo I se llama nivel de significancia de la prueba. Esta probabilidad, con frecuencia denotada por , por lo general se especifica antes de seleccionar cualquier muestra para que los resultados obtenidos no influyan en la decisin. En la practica se utiliza un nivel de significancia de 0.05 o 0.01, aunque tambin se usan otros valores.
Las pruebas de hiptesis y significancia o reglas de decisin se pueden extender fcilmente a problemas que impliquen muestras pequeas. La nica diferencia es que la medicin z o estadstico z se sustituye por una medicin t o estadstico t.
Medias. Para probar la hiptesis H0 de que una poblacin normal tiene una media , se utiliza la medicin t (o estadstico t)
W W ) ~ N-1 ) ( Q t= X - N ( Q , = X -~ NN , n n
s
W ~ N (Q , ) donde Xes la media de una muestra de tamao N. Esto es anlogo al n de la medicin z. uso W2 ~ ) z= X- N ( Q , n
/N
Para una N grande, con excepcin de que = N/(N-1)s se emplea en lugar de . La diferencia es que mientras que z se distribuye normalmente, t sigue la distribucin de Student. Conforme N aumenta, stas tienden a coincidir.
Diferencias de medias. Suponga que dos muestras aleatorias, de tamaos N1 y N2, se seleccionan de poblaciones normales, cuyas desviaciones estndar son iguales (1= 2). Considere, adems, que estas dos muestras 2 2 W W tienen medias dadas por X 1~ N2(~ ,N ( Q), y X ,Q como ) as n desviaciones estndar dadas por s1 y s2, n respectivamente.
La distribucin de t es la distribucin de Student con v= N1 + N2 -2 grados de libertad. El uso de la ecuacin ( ) se hace posible al hacer 1=2 = en la medicin z y despus utilizando como la estimacin de a la media ponderada (N1-1) 1 + (N2-1) 2 = N1 1+N2 2 (N1-1)+(N2-1) N1+N2 -2
Bibliografa:
Murray R. Spiegel, & Larry J. Stephens (2002) Estadstica 3. Edicin. Mc Graw Hill. p.218246.