Tema 2.

Contraste de hip otesis en una poblaci on

Contenidos

Introduccion, las hipotesis nula y alternativa

El procedimiento de contraste de hipotesis

Errores de Tipo I y Tipo II, potencia del contraste

Estadsticos del contraste, nivel de signicacion y regiones de

aceptacion/rechazo en contrastes bilaterales y unilaterales

Contrastes de hipotesis: procedimiento

p-valor

Contrastes bilaterales e intervalos de conanza

Ejemplos para distintos parametros

Potencia y tama no muestral

Tema 2. Contraste de hip otesis en una poblaci on
Objetivos de aprendizaje
Al nal de este tema debieras ser capaz de:

Llevar a cabo un contraste de hipotesis sobre una poblacion

Formular las hipotesis nula y alternativa de un contraste

Entender los errores de tipo I y tipo II, denir el nivel de

signicacion, denir la potencia del contraste

Seleccionar un estadstico del contraste adecuado e identicar las

regiones crticas correspondientes a contrastes unilaterales y
bilaterales

Utilizar el p-valor para llevar a cabo un contraste

Conocer la relacion entre un contraste bilateral y un intervalo de

conanza asociado

Calcular la potencia de un contraste y encontrar el tama no muestral

necesario para obtener una potencia dada
Tema 2. Contraste de hip otesis en una poblaci on
Referencias

Newbold, P. Estadstica para administracion y economa

Captulo 9 (9.1-9.5)

Ross, S. Introduccion a la Estadstica

Captulo 9
Contrastes de hip otesis: introducci on
Un contraste de hipotesis es un procedimiento que:

se basa en datos muestrales

para proporcionarnos informacion cara a tomar una decision

sobre la validez de una conjetura o hipotesis sobre una poblacion X;

tpicamente, el valor de un parametro de la poblacion ( puede ser
uno cualquiera de los parametros que hemos considerado hasta
ahora: , p,
2
, etc)
Esta hipotesis a confrontar se conoce como la hipothesis nula (H
0
):

Podemos pensar en ella como la hipotesis considerada correcta

(antes de llevar a cabo el test)

Sera mantenida a menos que la muestra aporte suciente evidencia

contraria

La informacion recogida en la muestra se emplea para confrontar (o

contrastar) esta hipotesis
La hipotesis nula: ejemplos
1. Un fabricante de paquetes de cereales arma que, en promedio, cada
paquete pesa al menos 400 g. Quieres contrastar esta informacion a
partir de los pesos de los paquetes en una muestra aleatoria.
Poblacion: X = peso de un paquete de cereales (en g)
Hipotesis nula, H
0
:

0
..
400
'
MAS
Proporciona la muestra suciente evidencia para dudar de
(rechazar) H
0
?
2. Una compa na recibe envos de componentes, que acepta si el
porcentaje de componentes defectuosos es como maximo del 5%. La
decision se basa en una muestra aleatoria de estos componentes.
Poblacion: X = 1 si un componente es defectuoso y 0 en otro caso
X Bernoulli (p), p = proporcion de componentes defectuosos en
todo el envo
Hip otesis nula, H
0
: p
p
0
..
0.05
'
MAS
Proporciona la muestra evidencia suciente para rechazar H
0
?
La hipotesis nula, H
0

Dene la hip otesis a contrastar

Se asume inicialmente que la hip otesis nula es correcta (semejante a

suponer inocencia a menos que se pruebe la culpa)

Habitualmente corresponde al estatus quo

Su denici on matematica siempre contiene los smbolos =, o

(conjunto cerrado)

Puede ser rechazada como resultado del contraste, o no serlo

Hip otesis simples:

H
0
: =

0
z}|{
5 , H
0
: p =
p
0
z}|{
0.6 , H
0
:
2
=

2
0
z}|{
9 En general: H
0
: =
0
Espacio parametrico asociado a esta hip otesis nula:
0
= {
0
}

Hip otesis compuestas (especicadas mediante un rango de valores):

H
0
:

0
z}|{
5 , H
0
: p
p
0
z}|{
0.6 En general: H
0
:
0
o H
0
:
0
Espacio parametrico asociado a esta hip otesis nula:
0
= (,
0
] o

0
= [
0
, )
Hip otesis alternativa, H
1
Si la hip otesis nula no es valida, alguna alternativa debe ser correcta. Para
realizar el contraste, el investigador debe especicar una hip otesis alternativa
frente a la que se contrasta la hip otesis nula.
La hip otesis alternativa H
1
:

Es la opuesta a la hip otesis nula

Habitualmente confronta el estatus quo

Su formulaci on matematica no contiene los smbolos =, o

Puede ser soportada por los datos o no serlo

Habitualmente es la hip otesis por la que se inclina el investigador

Hip otesis unilaterales:

(cola derecha) H
1
: > 5, (cola izquierda) H
0
: p < 0.6
En general: H
1
: >
0
o H
1
: <
0
Espacio parametrico bajo esta alternativa:
1
= (
0
, ) o
1
= (,
0
)

Hip otesis bilaterales:

H
1
:
2
= 9 En general: H
1
: =
0
Espacio parametrico bajo esta alternativa:
1
= (,
0
) (
0
, )
La hipotesis alternativa: ejemplos
1. Un fabricante de paquetes de cereales arma que, en promedio, cada
paquete pesa al menos 400 g. Quieres contrastar esta informaci on a partir
de los pesos de los paquetes en una muestra aleatoria.
Poblaci on: X = peso de un paquete de cereales (en g)
Hip otesis nula, H
0
: 400 frente a
Hip otesis alternativa, H
1
: < 400
'
MAS
Proporciona la informaci on de la muestra suciente evidencia en contra
de H
0
y a favor de H
1
?
2. Una compa na recibe envos de componentes, que acepta si el porcentaje
de componentes defectuosos es como maximo del 5%. La decisi on se basa
en una muestra aleatoria de estos componentes.
Poblaci on: X = 1 si un componente es defectuoso y 0 en otro caso
X Bernoulli (p), p = proporci on de componentes defectuosos en el envo
Hip otesis nula, H
0
: p 0.05 frente a
Hip otesis alternativa, H
1
: p > 0.05
'
MAS
Proporciona la informaci on de la muestra suciente evidencia contra H
0
y a favor de H
1
?
Procedimiento de contraste de hip otesis
xyyxxxxyy
Poblacion:
X = altura de un estudiante de la
UC3M (en m)
Armacion: En promedio, los
estudiantes miden menos de 1.6 m
Hipotesis:
H
0
: 1.6 frente a H
1
: > 1.6
Es extra no observar una
media muestral igual a
x = 1.65
si la media de la poblacion
es 1.6?
'
MAS yyxx
Muestra: Supongamos que la
media muestral es 1.65 m,
x = 1.65
Si no es razonable, rechazamos la
hipotesis nula en favor de la
alternativa.
Procedimiento de contraste de hip otesis

Una vez especicadas las hipotesis nula y alternativa y recogida la

informacion muestral, se toma una decision sobre la hipotesis nula
(rechazar o no rechazar H
0
).

La regla de decision se basa en el valor de una distancia entre los

datos muestrales de que disponemos y aquellos valores que tienen
alta probilidad si se cumple la hipotesis nula.

Esta distancia se calcula como el valor de un estadstico del

contraste, relacionado con las cantidades pivotales mencionadas en
el Tema 1. Mas adelante se mencionaran casos especcos.

Para cualquier decision que pueda tomarse, existe la posibilidad de

llegar a una conclusion equivocada sobre el valor del parametro de la
poblacion, porque no disponemos mas que de una muestra aleatoria
y con ella no podemos tener la certeza de que la hipotesis nula sea
correcta o no.

Existen dos posibles estados en la naturaleza y por tanto se pueden

cometer dos errores: los errores de Tipo I y de Tipo II.
Errores de Tipo I y de Tipo II, potencia

Error de Tipo I: rechazar una hip otesis nula correcta. El error de Tipo I se
considera importante. La probabilidad de un error de Tipo I es igual a y
se denomina nivel de signicaci on,
= P(rechazar la nula|H
0
es correcta)

Error de Tipo II: no rechazar una hip otesis nula incorrecta. La

probabilidad de un error de Tipo II es igual a .
= P(no rechazar la nula|H
1
es correcta)

potencia: probabilidad de rechazar una hip otesis nula (cuando es

incorrecta).
potencia = 1 = P(rechazar la nula|H
1
es correcta)
Situaci on actual
Decisi on H
0
correcta H
0
incorrecta
No Sin error Error de Tipo II
Rechazar H
0
(1 ) ()
Rechazar Error de Tipo I Sin error
H
0
() (1 = potencia)
Errores de Tipo I y de Tipo II, potencia

Los errores de Tipo I y de Tipo II no se pueden cometer

simultaneamente

El error de Tipo I solo puede darse si H

0
es correcta

El error de Tipo II solo puede darse si H

0
es incorrecta

Si la probabilidad del error de Tipo I, , entonces la probabilidad

del error de Tipo II,

Si todo lo demas no cambia:

cuando la diferencia entre el valor supuesto para el parametro y

su valor real

cuando

cuando la variabilidad en la poblaci on ()

cuando el tama no muestral (n)

Para
1
potencia() = 1 ()

Para
0
potencia()
Estadstico del contraste, nivel de signicaci on y regi on de
rechazo
Estadstico del contraste, T

Nos permite decidir si es probable o improbable que se observen

los datos muestrales, suponiendo que la hipotesis nula sea cierta.

Es la cantidad pivotal vista en el Tema 1, calculada bajo la hipotesis

nula.

La decision del contraste de hipotesis se basa en el valor observado

del estadstico del contraste, t.

Si los datos muestrales proporcionan evidencia contraria a la

hipotesis nula, el valor observado del estadstico del contraste
debiera ser extremo, esto es, muy poco probable. En otro caso,
este valor debiera ser usual.

Distinguimos entre valores usuales y extremos sobre la base de:

la distribuci on del estadstico del contraste para la muestra,

el nivel de signicaci on , que dene la llamada regi on de rechazo o

crtica y la regi on de aceptaci on.
Estadstico del contraste, signicaci on y regi on de rechazo
Regi on de rechazo (RR) y de aceptaci on (RA) en contrastes de tama no :
Contraste unilateral derecho H
1
: >
0

RR

= {t : t > T

} RA

= {t : t T

} q
VALOR
CRITICO
RA RR

Contraste unilateral izquierdo H

1
: <
0

RR

= {t : t < T
1
} RA

= {t : t T
1
} q
VALOR
CRITICO
RA RR

Contraste bilateral H
1
: =
0

RR

= {t : t < T
1/2
o t > T
/2
}
RA

= {t : T
1/2
t T
/2
}
q q
VALOR
CRITICO
VALOR
CRITICO
RA RR RR
2 2
Estadsticos del contraste
Sea X
n
una m.a.s. de una poblaci on X con media y varianza
2
, un nivel de
signicaci on, z

el cuantil de N(0,1),
0
la media de la poblaci on bajo H
0
, etc.
Parametro Hipotesis Estadstico contraste RR

contraste bilateral
Datos normales
Varianza conocida

X
0
/

n
N(0, 1)
8
>
>
>
>
>
<
>
>
>
>
>
:
z :
z
z }| {
x
0
/

n
< z
1/2
o
x
0
/

n
> z
/2
9
>
>
>
>
>
=
>
>
>
>
>
;
Media
Datos no normales
Muestra grande

X
0
/

n

ap.
N(0, 1)

z :
x
0
/

n
< z
1/2
o
x
0
/

n
> z
/2

Datos Bernoulli
Muestra grande
pp
0
p
p
0
(1p
0
)/n

ap.
N(0, 1)

z :
pp
0
p
p
0
(1p
0
)/n
< z
1/2
o
pp
0
p
p
0
(1p
0
)/n
> z
/2

Datos normales
Varianza descono-
cida

X
0
s/

n
t
n1
8
>
>
>
>
>
<
>
>
>
>
>
:
t :
t
z }| {
x
0
s/

n
< t
n1;1/2
o
x
0
s/

n
> t
n1;/2
9
>
>
>
>
>
=
>
>
>
>
>
;
Varianza
Datos normales
(n1)s
2

2
0

2
n1
8
>
>
>
>
>
>
>
>
<
>
>
>
>
>
>
>
>
:

2
:

2
z }| {
(n 1)s
2

2
0
<
2
n1;1/2
o
(n1)s
2

2
0
>
2
n1;/2
9
>
>
>
>
>
>
>
>
=
>
>
>
>
>
>
>
>
;
Desv. Tp.
Datos normales
(n1)s
2

2
0

2
n1
(

2
:
(n1)s
2

2
0
<
2
n1;1/2
o
(n1)s
2

2
0
>
2
n1;/2
)
Pregunta: Como deniras RR

para contrastes unilaterales?

Contraste de hip otesis: procedimiento
1. Especicar las hipotesis nula y alternativa.
2. Calcular el valor observado del estadstico del contraste (ver
transparencia anterior).
3. Para un nivel de signicacion dado, denir la region de rechazo
(RR

).

Rechazar H
0
, la hip otesis nula, si el valor del estadstico del contraste
esta en RR

y no rechazar H
0
en otro caso.
4. Escribir las implicaciones para nuestro caso en una frase.
Contraste unilateral para la media de datos normales con
varianza conocida: ejemplo
Ejemplo: 9.1 (Newbold) Los pesos de los rodamientos fabricados en un proceso
siguen una distribuci on normal con media 250 g. y desviaci on tpica 5 g. Tras
reajustar el mismo, el encargado sospecha que el peso promedio ha aumentado,
pero su desviacion tpica no ha cambiado. Se selecciona una muestra aleatoria
simple de dieciseis rodamientos, con un peso medio de 251.9 g. Tiene razon el
encargado? Lleva a cabo el contraste para un nivel de signicaci on del 5%.
Poblaci on:
X = peso de un rodamiento (en g)
X N(,
2
= 5
2
)
'
MAS: n = 16
Muestra: x = 251.9
Objetivo: contrastar
H
0
: =

0
z}|{
250 frente a H
1
: > 250
(contraste unilateral)
Estadstico del contraste:
Z =

X
0
/

n
N(0, 1)
Valor observado del estadstico:
= 5
0
= 250
n = 16 x = 251.9
z =
x
0
/

n
=
251.9 250
5/

16
= 1.52
Contraste unilateral para la media de datos normales con
varianza conocida: ejemplo
Ejemplo: 9.1 (cont.)
Region de rechazo (o regi on crtica):
RR
0.05
= {z : z > z
0.05
}
= {z : z > 1.645}
Como z = 1.52 / RR
0.05
no rechazamos
H
0
a un nivel de signicacion del 5%.
Densidad N(0,1)

q
z=
1.52
z

= 1.645
RA RR
Conclusion: Los datos muestrales no proporcionan suciente evidencia
para rechazar la armacion de que el peso promedio de los rodamientos
es 250 g.
Denici on de p-valor

Es la probabilidad de que se obtenga un valor del estadstico del

contraste que sea al menos tan extremo ( o ) como el observado,
suponiendo que H
0
sea cierta.

Se conoce tambien como el nivel de signicacion observado

Es el menor valor de para el que se puede rechazar H

0
.

Se puede emplear en el paso 3) del procedimiento de contraste de

hipotesis con la regla siguiente:

Si el p-valor < , rechazamos H

0

Si el p-valor , no rechazamos H
0

Como resumen:

p-valores peque nos proporcionan evidencia en contra de H

0

p-valores grandes proporcionan evidencia a favor de H

0
p-valor
Calculo del p-valor: t valor observado del estadstico del contraste T:
Contraste unilateral derecho H
1
: >
0

p-valor = P(T t)
estad. de
contr.
pvalor
=area
Contraste unilateral izquierdo H
1
: <
0

p-valor = P(T t)
estad. de
contr.
pvalor
=area
Contraste bilateral H
1
: =
0

p-valor = P(T |t|) + P(T |t|)

|estad.| |estad.|
pvalor
=areas
izq.+der.
p-valor: ejemplo
Ejemplo: 9.1 (cont.)
Poblaci on:
X = peso de un rodamiento (en g)
X N(,
2
= 5
2
)
'
MAS: n = 16
Muestra: x = 251.9
Objetivo: contrastar
H
0
: =

0
z}|{
250 frente a H
1
: > 250
(contraste unilateral)
Estadstico del contraste:
Z =

X
0
/

n
N(0, 1)
Valor observado del estadstico: z = 1.52
densidad N(0,1)

p-valor = P(Z z) = P(Z 1.52)

= 0.0643 donde Z N(0, 1)
Como se cumple que
p-valor = 0.0643 = 0.05
no rechazamos H
0
(pero
rechazaramos para cualquier
mayor que 0.0643, por ejemplo,
= 0.1).
z=
1.52
pvalor
=area
El p-valor y la probabilidad de la hipotesis nula
1

El p-valor:

no es la probabilidad de H
0
ni la del error de Tipo I, ;

se puede utilizar como un estadstico del contraste comparando su

valor con el de (i.e. rechazar H
0
si p-valor < ).

Queremos responder la pregunta: cual es la probabilidad de la

hipotesis nula dadas las observaciones?

Recordemos que denimos el p-valor como la probabilidad de obtener

las observaciones (o valores mas extremos) dada la hip otesis nula.

No podemos responder de manera exacta,

Pero bajo condiciones generales y asumiendo que sin los datos

Pr(H
0
) = Pr(H
1
) = 1/2, entonces para p-valores, p, tales que
p < 0.36:
Pr(H
0
|Observaciones)
ep ln(p)
1 ep ln(p)
.
1
Selke, Bayarri and Berger, The American Statistician, 2001
El p-valor y la probabilidad de la hipotesis nula
La siguiente tabla permite calibrar el p-valor como una funcion de la
probabilidad de la hipotesis nula:
p-valor Pr(H
0
|Observaciones)
0.1 0.39
0.05 0.29
0.01 0.11
0.001 0.02
0.00860 0.1
0.00341 0.05
0.00004 0.01
0.00001 0.001

Para un p-valor igual a 0.05 la hipotesis nula tiene una probabilidad

de al menos el 29% de ser cierta.

Mientras que si queremos que la probabilidad de que sea cierta no

supere el 5%, el p-valor tiene que ser mas peque no que 0.0034.
Intervalos de conanza y contrastes bilaterales: dualidad
Un contraste bilateral a un nivel de signicacion puede realizarse a
partir de un intervalo (simetrico) con nivel de conanza 100(1 )% de
la manera siguiente:
1. Especicar las hipotesis nula y alternativa:
H
0
: =
0
frente a H
1
: =
0
2. Calcular un intervalo de conanza al 100(1 )% para .
3. Si
0
no pertenece a este intervalo, rechazamos H
0
.
Si
0
pertenece al intervalo, no rechazamos H
0
.
4. Escribir las implicaciones para nuestro caso en una frase.
Contraste bilateral para la media con varianza conocida:
ejemplo
Ejemplo: 9.2 (Newbold) Un taladro produce agujeros cuyos diametros
siguen una distribucion normal con media 2 cm y desviacion tpica 0.06
cm. Para vericar su correcto funcionamiento se miden aleatoriamente
nueve taladros, con un diametro medio de 1.95 cm. Realiza un contraste
bilateral para un nivel de signicacion del 5% utilizando ICs.
Poblacion:
X = diametro de un agujero (en cm)
X N(,
2
= 0.06
2
)
'
MAS: n = 9
Muestra: x = 1.95
Objetivo: contrastar
H
0
: =

0
..
2 frente a H
1
: = 2
(contraste bilateral)
Intervalo de conanza al
100(1 )% = 95% para :
IC
0.95
() =
_
x 1.96

n
_
=
_
1.95 1.96
0.06

9
_
= (1.9108, 1.9892)
Como
0
= 2 / CI
0.95
(),
rechazamos H
0
a un nivel de
signicacion del 5%.
Contraste bilateral para la proporcion: ejemplo
Ejemplo: 9.6 (Newbold) En una muestra aleatoria de 199 socios
auditores de empresas de auditora americanas, 104 socios se mostraron
de acuerdo con la armacion: Los ujos de caja operativos son una
medida valida de rentabilidad. Contrasta al 10% frente a una
alternativa bilateral la hipotesis nula de que la mitad de los miembros de
la poblacion estaran de acuerdo con esta armacion.
Poblacion:
X = 1 si un socio esta de acuerdo con la
armacion y 0 en otro caso
X Bernoulli (p)
'
MAS: n = 199 n grande
Muestra: p =
104
199
= 0.523
Objetivo: contrastar
H
0
: p =
p
0
..
0.5 frente a H
1
: p = 0.5
(contraste bilateral)
Estadstico del contraste:
Z =
pp
0

p
0
(1p
0
)/n

aprox.
N(0, 1)
Valor observado del estadstico:
p
0
= 0.5
n = 199 p = 0.523
z =
p p
0
_
p
0
(1 p
0
)/n
=
0.523 0.5
_
0.5(1 0.5)/199
= 0.65
Contraste bilateral para la proporcion: ejemplo
Ejemplo: 9.6 (cont.)
Region de rechazo o region crtica:
RR
0.10
= {z : z > z
0.05
}
{z : z < z
0.05
}
= {z : z > 1.645}
{z : z < 1.645}
Como z = 0.65 / RR
0.10
no
rechazamos H
0
a un nivel de
signicaci on del 10%.
Densidad N(0,1)

q q
z=
0.65
z

2
= 1.645 z

2
= 1.645
RA RR RR
Conclusion: Los datos muestrales no dan evidencia suciente para dudar
que la mitad de los socios auditores piensen que el ujo de caja
operacional es una medida valida de rentabilidad.
Contraste unilateral, media con var. desconocida: ejemplo
Ejemplo: 9.4 (Newbold, modicado) Una cadena de centros comerciales cree
que el aumento de ventas entre Noviembre y Diciembre es del 20%. Una
muestra aleatoria de seis centros tuvo incrementos de ventas de 19.2, 18.4,
19.8, 20.2, 20.4, 19.0. Suponiendo la poblaci on normal, contrasta que el
incremento promedio es al menos del 20% frente a una alternativa unilateral,
para = 10%. Emplea el p-valor.
Poblaci on:
X = incremento de ventas en un centro
entre Nov. y Dic. (en %)
X N(,
2
)
2
desconocida
'
MAS: n = 6 n peque no
Muestra: x =
117
6
= 19.5
s
2
=
2284.446(19.5)
2
61
= 0.588
Objetivo: contrastar
H
0
:

0
z}|{
20 frente a H
1
: < 20
(contraste unilateral)
Estadstico del contraste:
T =

X
0
s/

n
t
n1
Valor observado del estadstico:

0
= 20 n = 6
x = 1.95 s =

0.588 = 0.767
t =
x
0
s/

n
=
19.5 20
0.767/

6
= 1.597
Contraste unilateral, media con var. desconocida: ejemplo
Ejemplo: 9.4 (cont.)
p-valor = P(T 1.597)
(0.05, 0.1) porque
t
5;0.05
z }| {
2.015 < 1.597 <
t
5;0.10
z }| {
1.476
Dado que p-valor < = 0.1,
rechazamos la hip otesis nula a este
nivel.
Densidad t
n1

| |
t=
1.597
pvalor
=area
2.015 1.476
Conclusi on: Los datos muestrales proporcionan suciente evidencia para
rechazar que el incremento promedio de las ventas haya sido al menos del 20%.
Interpretacion del p-valor: si la hip otesis nula fuese cierta, la probabilidad de
que hubiesemos obtenido estos datos muestrales sera como maximo del 10%,
lo que es bastante improbable, y por tanto rechazamos la hip otesis nula.
Contraste unilateral para la media con varianza
desconocida: ejemplo
Ejemplo: 9.4 (cont.) en Excel: Selecciona la opci on de men u: Datos,
submenu: Analisis de datos, escoge la funci on: prueba t para dos muestras
suponiendo varianzas desiguales.
Columna A (datos), Columna B (n repeticiones de
0
= 20), en amarillo
(estadstico observado t, p-valor y t
n1;
).
Contraste unilateral para la varianza: ejemplo
Ejemplo: 9.5 (Newbold) Para cumplir con la normativa, la varianza del nivel de
impurezas en tanto por ciento en los envos de un cierto producto qumico no
puede superar el valor 4. Una muestra aleatoria de veinte envos ha
proporcionado una cuasi-varianza muestral del nivel de impurezas de 5.62.
a) Lleva a cabo un contraste de hip otesis adecuado ( = 0.1).
b) Calcula la potencia del contraste. Cual es la potencia para
2
1
= 7?
c) Que tama no muestral garantizara una potencia de 0.9 para
2
1
= 7?
Poblaci on:
X = nivel de impurezas del producto en un
envo (en %)
X N(,
2
)
'
MAS: n = 20
Muestra: s
2
= 5.62
Objetivo: contrastar
H
0
:
2

2
0
z}|{
4 frente a H
1
:
2
> 4
(contraste unilateral)
Estadstico del contraste:

2
=
(n1)s
2

2
0

2
n1
Valor observado del estadstico:

2
0
= 4 n = 20
s
2
= 5.62

2
=
(n 1)s
2

2
0
=
(20 1)5.62
4
= 26.695
Contraste unilateral para la varianza: ejemplo
Ejemplo: 9.5 a) (cont.)
p-valor = P(
2
26.695)
(0.1, 0.25) porque

2
19;0.25
..
22.7 < 26.695 <

2
19;0.1
..
27.2
Como el p-valor es mayor que
= 0.1, no podemos rechazar la
hip otesis nula a este nivel.
Densidad
2
n1

2
=
26.695
pvalor
=area
q q
22.7 27.2
Conclusion: Los datos muestrales no proporcionan suciente evidencia
para rechazar la armacion de que la varianza del porcentaje de
impurezas en los envos de este producto no es mayor que 4.
Contraste unilateral para la varianza: potencia
Ejemplo: 9.5 b) Recuerda que: potencia = P(rechazar H
0
|H
1
es cierta)
Cuando rechazamos H
0
?
RR
0.1
=

(n 1)s
2

2
0
>
2
n1;0.1

=
8
>
>
<
>
>
:
(n 1)s
2
>
27.2 4 = 108.8
z }| {

2
n1;0.1

2
0
9
>
>
=
>
>
;
La potencia viene dada por:
potencia(
2
1
) = P

rechazar H
0
|
2
=
2
1

= P

(n 1)s
2
> 108.8|
2
=
2
1

= P

(n 1)s
2

2
1
>
108.8

2
1

= P

2
>
108.8

2
1

= 1 F

108.8

2
1

potencia(
2
) funcion de
2

0 2 4 6 8 10
0
.
0
0
.
2
0
.
4
0
.
6
0
.
8
1
.
0
q
potencia(
2
) =
1 (
2
)

0
2
= 4

2
(F

2 es la funci on de distribuci on de
2
n1
) Por tanto,
power(7) = P
`

2
>
108.8
7

= 0.6874.
Contraste unilateral para la varianza: calculo de tama no
muestral
Ejemplo: 9.5 c)
De nuestros calculos anteriores, sabemos que
potencia(
2
1
) = P

(n1)s
2

2
1
>
108.8

2
1

Nuestro objetivo es encontrar n tal que:

potencia(7) = P
0
B
B
B
@
(n 1)s
2
7
>
15.54
z }| {
108.8
7
1
C
C
C
A
= 0.9
La ultima ecuaci on implica que queremos trabajar con una distribuci on
2
n1
cuyo cuantil 0.9 debe cumplir
2
n1;0.9
= 15.54.
tabla chi-cuadrado

2
24;0.9
= 15.66 15.54 n 1 = 24
Por tanto, si disponemos de 25 observaciones podremos detectar el valor
alternativo
2
1
= 7 correctamente con una probabilidad del 90%.
Otro ejemplo sobre potencia: contraste unilateral para la
media, poblaci on normal y
2
conocida

H
0
:
0
frente a H
1
: <
0
para = 0.05

Supongamos
0
= 5, n = 16, = 0.1

Rechazamos H
0
si
x
0
/

n
< z

= 1.645, esto es, cuando

x 4.96, por tanto
potencia(
1
) = P
_
Z <
4.96
1
0.1/

16
_
4.85 4.95 5.05
0
.
0
0
.
2
0
.
4
0
.
6
0
.
8
1
.
0
q

0
= 5

potencia() =
1 ()
4.85 4.95 5.05
0
.
0
0
.
2
0
.
4
0
.
6
0
.
8
1
.
0
n=16
n=9
n=4
Otro ejemplo sobre potencia: contraste unilateral para la
media, poblaci on normal y
2
conocida
La funcion potencia = 1 P(error Tipo II) tiene las siguientes
propiedades (si todo lo demas se mantiene constante):

Cuanto mas alejada este la media verdadera

1
del valor supuesto

0
, mayor es la potencia.

Cuanto menor sea , menor es la potencia, esto es, si se reduce la

probabilidad de un error de Tipo I, se incrementa la probabilidad de
un error de Tipo II.

Cuanto mayor es la varianza de la poblacion, menor es la potencia

(cuando tenemos mas variabilidad, resulta mas difcil detectar
peque nas desviaciones del valor real respecto del valor supuesto
0
).

Cuanto mayor sea el tama no muestral, mayor es la potencia del

contraste (cuanto mas informacion tengamos sobre la poblacion,
mas sencillo resultara detectar peque nas desviaciones del valor real
respecto de la hipotesis nula).