Inferencia Estadistica

ESTADSTICA
GRADOS EN INGENIERA MECNICA, INGENIERA QUMICA E

INGENIERA EN ORGANIZACIN INDUSTRIAL
TEMA 12.- CONTRASTES DE HIPTESIS

- Contrastes de hiptesis paramtricos.
- Hiptesis nula y alternativa
- Regla de decisin estadstica o Test.
- Riesgos de error en un contraste de hiptesis.
- Estrategia de Neyman-Pearson.
- Mtodo general de construccin de Tests.
- Error de Tipo II, Curvas CO y funcin de potencia.
- Eleccin del tamao muestral.
- El p-valor.
Tema 12. Contrastes de Hiptesis.
208
ESTADSTICA
CONTRASTES DE HIPTESIS PARAMTRICOS

El objetivo de un estudio inferencial no siempre es la bsqueda de un valor aproximado para un
parmetro (estimacin) con una determinada precisin y garanta (IC).
En ocasiones lo que se nos pide es una decisin sobre la validez de unas hiptesis o afirmaciones
realizadas sobre el parmetro, as como una valoracin del riesgo de equivocarnos con la decisin.
La metodologa de contrastes de hiptesis se puede ver como un procedimiento alternativo a la
estimacin para realizar inferencias sobre la poblacin. Los mismos supuestos de inters inferencial
que resolvimos mediante I.C. sern abordados desde una nueva perspectiva.
Esta metodologa del contraste de hiptesis consiste en
a) formular dos hiptesis contrapuestas sobre la poblacin (generalmente sobre un parmetro)
b) decidir a la luz de la muestra cul de las dos creemos que es la correcta.
Ejemplos:
1. En un proceso industrial se quiere estudiar si el producto obtenido contiene por trmino medio al
menos un 25% de cierta sustancia frente a que dicho contenido es inferior al 25%.
2. Se quiere estudiar si la tasa de defectos de un proceso es a lo sumo el 1% frente a que es mayor.
3. Se quiere contrastar si dos proveedores suministran pilas con la misma vida media frente a que
hay diferencias en la vida media.
Las decisiones estadsticas se traducirn habitualmente en decisiones operativas (en este caso, de
carcter industrial): Parar o no un proceso industrial para revisarlo; rechazar o no un envo de
mercanca; introducir o no un nuevo material en la fabricacin; cambiar o no de proveedor de un
suministro; etc.
209
ESTADSTICA
HIPTESIS NULA VS. HIPTESIS ALTERNATIVA

Las dos hiptesis que se formulan para ser contrastadas se llaman:
H 0: 0
Hiptesis nula:
Hiptesis alternativa: H 1 : 1
Las dos hiptesis tienen que ser incompatibles (solo puede ser cierta una de ellas)
Alguna de las dos hiptesis tiene que ser cierta (los valores del parmetro no incluidos en ninguna
de las dos hiptesis se dan por descartados de antemano).
Los contrastes de hiptesis no tienen un carcter simtrico, es decir, las dos hiptesis no juegan el
mismo papel. Este hecho se justificar ms adelante. Mientras tanto, conviene ir sabiendo que:
Hiptesis nula H0:
Es la que nosotros asumimos inicialmente
como vlida.
Representa el "statu quo" habitual, es decir "no
pasa nada", todo sigue igual ...
Habitualmente se formula de manera sencilla y
bajo ella el modelo es ms simple.
La mantendremos si los datos no aportan
evidencias suficientemente fuertes en su contra
En los ejemplos anteriores sera:
H 0 : 25%
Ej. 1: H : 25%
1
Hiptesis alternativa H1:

Estamos dispuestos a asumirla slo si los
datos rechazan H0 con fuerza suficiente.
Representa una postura crtica frente a H0,
generalmente a partir de indicios previos:
"pasa algo", las cosas han cambiado
Suele representar un modelo ms complejo,
consecuencias o costes importantes
H 0 : p 0.01
Ej. 2: H : p 0.01
1
H 0 : 1 2
Ej. 3: H :
2
1 1
Las hiptesis se plantean antes de obtener la muestra. Si se plantean las hiptesis a la medida de la
muestra obtenida previamente, las decisiones sern sesgadas y los riesgos no se pueden evaluar.
210
ESTADSTICA
Ejemplo: La tasa de defectos en un proceso de fabricacin en serie vena siendo habitualmente

pcuando el proceso est bajo control (funciona correctamente). Se han observado algunos
desajustes en las mquinas que nos hacen sospechar que esa proporcin puede haber aumentado.
Las hiptesis a contrastar sern:
H0: p se mantiene si los datos no ofrezcan evidencias suficientemente fuertes del aumento de p)
H1: p
Extrayendo una muestra de la produccin y midiendo en ella la proporcin de defectos estudiaremos
si podemos seguir sosteniendo H0 o si por el contrario pasamos a pensar que H1 es cierto.
Ejemplo: Se estudia el lanzamiento de un nuevo medicamento para el tratamiento de una
enfermedad. El Ministerio de Sanidad slo autorizar ese lanzamiento si el Laboratorio creador del
medicamento demuestra (lase justifica suficientemente) que es ms eficaz que otro ya existente.
Para ello autoriza la realizacin de un ensayo en una muestra controlada de pacientes de esa
enfermedad. Las hiptesis sern:
El medicamento nuevo no es ms eficaz que el existente y no se autoriza.
H1: El medicamento nuevo es ms eficaz y se autoriza.
En este caso, el estudio estadstico puede adoptar la forma de un problema de dos muestras, para
comparar las poblaciones hipotticas de pacientes tratados con cada uno de los medicamentos a
travs de los parmetros de alguna v. a. X correspondiente a una caracterstica crtica relacionada
con la enfermedad. Por ejemplo, si valores altos de X indican mayor gravedad de la enfermedad:
Nuevo Antiguo
H1: Nuevo < Antiguo
211
ESTADSTICA
CONTRASTES DE HIPTESIS UNILATERALES Y BILATERALES:

Atendiendo a la posicin relativa de H1 respecto a H0 distinguiremos:
1. Contrastes Bilaterales: No sabemos en qu direccin puede producirse la discrepancia con H0
H 0 : 0
H 1: 0
2. Contrastes Unilaterales: Sabemos la direccin de la posible discrepancia con H0
H 0 : 0
H 0 : 0
H
:
0
1
H 1: 0
Adems, en lo que se refiere a slo se va a tener en cuenta la frontera con H1.
Los contrastes unilaterales anteriores se formulan equivalentemente como:
H 0 : 0
H 0 : 0
H 1: 0
H 1: 0
y se resuelven tambin de manera equivalente.
El principio que se aplica para justificar esta simplificacin es que si una regla de decisin es capaz de
distinguir la frontera de H0, 0 , frente a los valores de H1, por ejemplo 0 , la misma regla
distinguira ms fcilmente el resto de valores de H0 por estar ms alejados de H1 que el valor
frontera.
212
ESTADSTICA
REGLA DE DECISIN ESTADSTICA

X variable aleatoria de inters definida sobre la poblacin.
parmetro de inters desconocido de la poblacin (de la distribucin de la variable X).
H 0 : 0
Queremos contrastar las hiptesis:

H 1: 1
X1, , Xn muestra aleatoria simple representativa de la poblacin.
Buscaremos un estadstico T, llamado Estadstico de Contraste, en el que basaremos la decisin.
En los contrastes paramtricos, este estadstico se basa normalmente en un estimador del parmetro.
Elaboraremos un criterio basado en T para clasificar las posibles muestras en dos conjuntos:
Regin crtica o de rechazo C :
Muestras contrarias a H0 y cuya obtencin sera significativamente ms probable bajo H1.
Regin de aceptacin C :
Muestras favorables o mejor dicho, no suficientemente contrarias a H0.
Regla de decisin:
Rechazamos H0
si T C
No rechazamos H0 si T C
Conocer la distribucin de T para cada valor de nos permitir valorar los riesgos de fallar con la
decisin, que puede errar en los dos casos, tanto si rechaza cuando no debe hacerlo como si no
rechaza cuando debe.
213
ESTADSTICA
Ejemplo: El departamento de marketing de un canal de TV sabe por estudios anteriores que su

programacin le parece aceptable o buena al 50% de la poblacin. Sin embargo, tras las ltimas
inversiones y mejoras efectuadas, tienen indicios de que esa proporcin ha aumentado. Para
comprobarlo se lleva a cabo una encuesta preguntando a una muestra de personas su opinin sobre
la nueva programacin. Tenemos entonces el contraste de hiptesis:
H 0 : p 0.5 todo sigue igual que antes
H1 : p 0.5 ha habido un aumento significativo

El estadstico de contraste ser la proporcin muestral p , estimador habitual de p.
La regin crtica estar formada por valores grandes de p
C p k
ya que cuanto ms grande sea p ms indicios hay para pensar que p ha aumentado (H1) y, por tanto,
para rechazar H0 .
Habr que ver cmo se determina el valor crtico k a partir del cul dejamos de sostener que el
cambio NO ha producido un aumento de audiencia significativo.
Como conocemos la distribucin de p para cada valor de p, podremos valorar los riesgos asociados
a la toma de decisiones.
Por ejemplo, la probabilidad de confundirnos rechazando H0 cuando realmente es cierta es
P C H P p k p 0.5
depende del valor k y podemos elegir k para obtener un determinado

214
ESTADSTICA
Ejemplo: Un producto limpiador debe contener en promedio al menos 25 gr. por unidad de un
determinado componente para ser eficaz, pero se sospecha por las muchas quejas de los
consumidores que el proceso de fabricacin sufre algn desajuste y que esa cantidad est siendo
menor en promedio. Para estudiar la veracidad de esta sospecha, se toman n muestras del producto y
en cada caso se mide la cantidad de ese componente X i , i 1, 2 , , n . En este caso, el contraste de
hiptesis es:
H 0 : 25 el peso est bien; la sospecha es infundada y no hace falta actuar
H 1 : 25 el peso efectivam ente ha cado; es necesario m odificar el proceso

y, lgicamente, como estadstico de contraste utilizaremos X .
La regin crtica estar formada por valores bajos de X
C X k
Cuanto menor sea X ms indicios hay para creer que ha disminuido (H1) y poder rechazar H0.
Habr que ver cmo se determina el valor crtico k.
Como conocemos la distribucin de X para cada valor de , podremos valorar los riesgos asociados
a la toma de decisiones. Por ejemplo
P C H P X k 25
215
ESTADSTICA
Ejemplo: Dos lneas de envasado de embutido, A y B, estn destinadas a la fabricacin del mismo
producto. Recientemente se han observado ciertas diferencias llamativas de peso entre los embutidos
y se achaca a una posible deficiencia en la presin que aplica alguna de las mquinas envasadoras.
Se toman muestras de ambas mquinas y se pesan los embutidos.
El contraste a realizar es
H 0 : A B
H1 : A B
las dos lneas van igual

hay diferencias significativas entre la dos lneas; hay que revisar los procesos
Lgicamente, como estadstico de contraste utilizaremos X A X B

La regin crtica estar formada por valores
C XA XB k
Cuanto ms alejado de 0 est X A X B ms indicios hay para pensar que A B y rechazar H0.
De nuevo habr que ver cmo se determina el valor crtico k.
Como conocemos las distribuciones de X A X B , podremos valorar los riesgos asociados a la toma
de decisiones. Por ejemplo
X XB k
P C H P A
0
A
B
216
ESTADSTICA
TIPOS DE ERROR (RIESGOS) EN UN CONTRASTE DE HIPTESIS

La aleatoriedad de la muestra hace inevitable que los tests estadsticos puedan cometer errores.
Realidad
Decisin
Rechazar H0
No rechazar H0
H0 cierta
H0 falsa
Error de tipo I
Acierto
Acierto
Error de tipo II
La probabilidad de cometer estos errores es una medida de la calidad de cada test:

PError I P Re chazar H 0 H cierta P C H
0
0
PError II P Aceptar H 0 H falsa P C H

0
1
Una regla de decisin ideal cumplira: = = 0, pero tal regla no existe. Tenemos que conformarnos
con tratar de que y sean pequeos.
Problema: y no se pueden hacer pequeos a la vez para una muestra fija. Si disminuimos uno
de ellos, el otro necesariamente aumenta.
La eleccin adecuada del tamao muestral S nos permite conseguir que ambos errores sean tan
pequeos como queramos.
217
ESTADSTICA
Ejemplo: Retomamos el ejemplo del producto limpiador.

H 0 : 25
En este caso, el contraste de hiptesis es:
H 1 : 25
Estadstico de contraste: X
Regin crtica: C X k
Ilustracin de la imposibilidad de controlar a la vez los dos riesgos para una muestra fija.
Distribucin de X bajo
H1 (=23), N ( 1 , / n )
H0 (=25), N ( 0 , / n )
PError I P C H
PError II P C H
1
C X k
23
R.C. rechazo H0
25
k
|
C X k
R.A. no rechazo H0
218
ESTADSTICA
Ilustracin del efecto de alejar H1 de H0

H1 (=21), N ( 1 , / n )
H0 (=25), N ( 0 , / n )
PError II P C H
1
PError I P C H
21
C X k
25
C X k
Observar que cuanto ms separado est el posible valor de H1 de H0 ms fcil es realizar el

contraste con xito. Es decir, se puede encontrar un valor crtico k que defina una Regin Crtica C
con errores y pequeos simultneamente.
219
ESTADSTICA
Ilustracin del efecto de aumentar el tamao muestral
H1 (=23), N ( 1 , / n )
H0 (=25), N ( 0 , / n )
PError II P C H
1
PError I P C H
23
C X k
25
C X k
Observar que el aumento del tamao muestral disminuye la varianza del estadstico, lo que hace ms
fcil realizar el contraste con xito. Es decir, aumentando n se puede conseguir que la Regin Crtica
asociada, C, tenga y pequeos simultneamente.
220
ESTADSTICA
ESTRATEGIA DE ACTUACIN (NEYMAN-PEARSON)

Ante la imposibilidad de minimizar para un n dado los dos errores a la vez se adopta la siguiente
estrategia:
Dar ms importancia al Error de tipo I y controlar su probabilidad de ocurrencia.

Cmo se lleva a cabo esta estrategia?
1. Se fija un valor pequeo (habitualmente 0.01 0.05) que se llama Nivel de significacin.
2. Se establece la regin crtica C de tal modo que la probabilidad de Error de tipo I, , sea a lo
sumo el nivel de significacin fijado. Generalmente se tendr = Nivel de significacin.
3. La regin crtica C se elige teniendo en cuenta H1, de modo que el riesgo de Error de Tipo II, ,
sea lo menor posible, pero este riesgo puede ser alto porque el Error de tipo II no se controla.
Consecuencias de la estrategia sobre el carcter de las decisiones:
Rechazar H0:
Decisin fuerte (Riesgo de error controlado, ).
No rechazar H0: Decisin dbil (Riesgo de error no controlado, ).
En otras palabras:
Si se rechaza H0 decimos que hemos demostrado H1:
Los datos presentan evidencias fuertes en contra de H0 frente a H1
H0 no se demuestra. Slo se mantiene H0, por ser el statu quo habitual, mientras no aparezcan
evidencias fuertes en su contra. Podran igualmente no rechazarse otros valores diferentes del
parmetro prximos a H0. Por ello diremos "No rechazamos H0" en lugar de "Aceptamos H0".
Consecuencia de la estrategia sobre el planteamiento de las hiptesis:
Lo que se quiere "probar" (mediante una decisin fuerte) se pone en H1.
221
ESTADSTICA
MTODO PARA CONTRASTAR HIPTESIS PARAMTRICAS

X variable aleatoria de inters definida sobre la poblacin.
parmetro de inters desconocido de la poblacin (de la distribucin de la variable X).
Queremos contrastar las hiptesis:
H 0 : 0
H 0 : 175
Ejemplo:
H 1 : 1
H 1 : 175
X1, , Xn muestra aleatoria simple representativa de la poblacin.
fijado de antemano.
Ejemplo: =0.05
El mtodo general para contrastar las hiptesis se basa en los siguientes pasos:
1. Elegir un buen estimador del parmetro para usarlo como estadstico de contraste T. Ej. X n
H
2. Obtener la distribucin muestral del estimador =T bajo H0. (Ej. X n N(175,10))
3. Fijar como regin crtica C una regin de probabilidad en las colas de distribucin muestral
de T bajo H0, en la direccin que favorezca la validez de H1:
Contraste bilateral: /2 en cada una de las colas.
Contraste unilateral: en una cola, la derecha o la izquierda en funcin de H1. (Ej. X n 176.25 )
4. Calcular el valor del estadstico de contraste con la muestra obtenida y decidir en consecuencia:
T C : Rechazamos H0.
(Ej. X n 176.71 176.25 Rechazo Ho )
o
T C : No rechazamos H0.
222
ESTADSTICA
Aplicacin al Contraste de Hiptesis sobre en el modelo N() con conocida:

H 0: 0
H 0 : 0
H 1: 0
(Se trabaja anlogamente con

)
:
H
0
1
X1, , Xn muestra aleatoria simple de la poblacin. fijado de antemano.
Contraste unilateral:
1. Estadstico de Contraste: T X .
2. Distribucin del estadstico de contraste bajo H0:
X N ( 0 ,
n) Z0
3. Regin Crtica de probabilidad en la cola derecha de la distribucin bajo H0:
X 0
N (0,1).
0,4
densidad
0,3
X 0
C Z0 z
z [ X 0 z
n
0,2
0,1
Rechazo H0 si Z0 grande ( X grande)
C No Rechazar H0
X 0
P C P0
z
H0
n
C Rechazar H0
4. Calcular el valor de Z0 a partir de la muestra y decidir en consecuencia (segn supere z o no).

223
n]
ESTADSTICA
H 0: 0
Contraste bilateral: H :
0
1
X1, , Xn muestra aleatoria simple de la poblacin. fijado de antemano.
1. Estadstico de Contraste: T X .
2. Distribucin del Estadstico de Contraste bajo H0:
X N ( 0 ,
n) Z0
X 0
N (0,1).
3. Regin Crtica de probabilidad entre las dos colas de la distribucin muestral:

0,4
densidad
0,3
0,2
0,1
zz
C Rechazar H0
Rechazo H0 si |Z0 | grande ( X lejos de 0)

X 0
C Z0 z /2
z /2 [ X 0 z /2
n
X 0
P C P0
z /2
H0
n
C Rechazar H0
4. Calcular el valor de Z0 a partir de la muestra y decidir en consecuencia.

224
n]
ESTADSTICA
ERROR DE TIPO II Y POTENCIA DE UN TEST

La estrategia seguida, basada en primar el control del Error de tipo I, hace que no tengamos ninguna
garanta de que el Error de tipo II, , sea pequeo para una tamao de muestra fijo.
Como H1 no es generalmente un nico punto,
depende del valor de la alternativa que
consideremos, es decir es una funcin. Como
norma general:
1
crece cuando nos acercamos a H0: Si H0 es 1
falsa y es cierto un valor de H1 cercano a H0, ser
muy probable que el test no lo detecte y no
rechace H0. Si el valor cierto de H1 es muy lejano
a H0 ser ms fcil detectarlo con el test.
Para fijo, decrece cuando aumentamos el
tamao muestral: Cuanta ms informacin
tengamos, ms probable es que el test de nivel
detecte un valor 1 diferente de 0.
Para modelos normales, se obtiene en las
Curvas Caractersticas de Operacin o Curvas
CO, que son una herramienta estadstica genuina
del mbito de la Ingeniera Industrial.
P Error II P Norechazar H 0 H falsa P C H

0
1
n=100
n=1000
n=50
n=10
n=5
0
H0
1
H1
225
ESTADSTICA
Alternativamente y de manera equivalente se puede trabajar con la potencia, , en lugar de con el

riesgo de Error de tipo II, . La potencia se define como:
1 P Rechazar H 0 H falsa P C H
0
1
La potencia de un test representa su capacidad para detectar cundo H0 es falsa y, por tanto,
rechazarla. Por eso tambin se conoce como capacidad de deteccin del test e interesara que fuera
lo mayor posible. Al igual que , es tambin una funcin del valor de la alternativa.
decrece cuando nos acercamos a H0 y crece cuando aumentamos el tamao muestral.
1
n=1000 n=100
n=50
Potencia (1 - beta)
0,8
n=10
n=5
0,6
0,4
0,2
226
ESTADSTICA
Aplicacin a los Contrastes de Hiptesis sobre en el modelo N() con conocida:

Contraste
H : 0
unilateral: 0
H 1: 0
Regin crtica:
X 0
z
C Z0 z
n
Supongamos que H0 es falsa y que es cierto un valor mayor que .

X 0
z P X 0 z
z
z
n n
C
( ) 1 ( ) P 1
z (
z )
z

n
n
n
X 0
() PC P
Se puede observar que para fijo:

Si alejamos de disminuye es decir, aumenta
Si aumenta el tamao muestral disminuye es decir, aumenta
Si se fija un valor para y se desea alcanzar en una alternativa una potencia entonces
el tamao muestral necesario es:
0
1 ( )
z
n
H 0: 0
Contraste unilateral:
H 1: 0
Regin crtica:
z z
( 0 ) 2
X 0
z
C Z0 z
n
(
)
z
Las mismas expresiones son validas por simetra:

n
( z z ) 2 2
( z z ) 2 2
(0 ) 2
.
227
ESTADSTICA
X 0
z / 2
C Z0 z / 2
n
H 0: 0
Contraste bilateral: H :
0
1
Supongamos que H0 es falsa y que es cierto un valor distinto de .
X 0
() P C P z / 2
z / 2 P 0 z / 2
X 0 z / 2
n
n
n
X 0
P 0
z / 2
z / 2 0
z / 2 0
z / 2
n n
n
z / 2 0
z / 2 0
z / 2 0
z / 2 0
z / 2
n
() 1 () P C 1
Nota: En la aproximacin final para se ha despreciado la cola pequea.

Se puede observar que para fijo:
Si alejamos de (en cualquiera de las dos direcciones) disminuye es decir, aumenta
Si aumenta el tamao muestral disminuye es decir, aumenta
Si se fija un valor para y se desea alcanzar en una alternativa una potencia entonces
el tamao muestral necesario es aproximadamente:
0
1 ( )
z / 2
n
z / 2 z
( z / 2 z ) 2 2
(0 ) 2
228
ESTADSTICA
Ejemplo: El porcentaje de desperdicio de mineral en un proceso de fundicin sigue una ley normal
con =1 conocido. El valor medio tiene que ser a lo sumo del 10% para que el proceso funcione
satisfactoriamente. Para verificar la sospecha de que en la ltima remesa de mineral el porcentaje
medio de desperdicio ha aumentado significativamente sobrepasando este lmite del 10%, se toman
datos de 25 coladas de mineral y se obtiene X 10.23% .
a) Plantear y contrastar las hiptesis apropiadas para =0.05.
b) Si un aumento del porcentaje de desperdicio medio al 10.5% se considera muy preocupante,
hallar la capacidad de la prueba utilizada en a) para detectarlo.
c) Obtener el tamao muestral necesario para detectar dicho aumento con potencia 0.9.
Solucin:
a)
H 0 : 10
H 1: 10
X 0
z
C
n
X 0
10.2310
1.15 1.645 z0.05 No Rechazamos H0.
n
1 25
No queda probado a nivel =0.05 que el desperdicio medio sobrepase el mximo tolerado.
b) Nos piden calcular la potencia para =10.5%. En una situacin como la actual nos preocupa
especialmente el riesgo ya que no hemos rechazado H0.
0
() 1 ()
10 10.5
1.645 0.855 0.8037.

z (10.5)
n
1 25
c) El tamao muestral necesario para conseguir (10.5)=0.9 es

n
( z z ) 2 2
( 0 ) 2
(1.645 1.28) 212
34.22.
(0.5) 2
n=35 observaciones habran sido suficientes.

229
ESTADSTICA
Ejemplo: Se fabrican anillos de pistn en un proceso industrial programado para que el dimetro
sea lo ms prximo posible al valor nominal de 74mm. El dimetro sigue una ley N(74mm,0.1mm)
cuando el proceso est bajo control. Se realiza un control rutinario sobre el estado del proceso en
cuanto a la media . Una muestra de 10 anillos arroja X 74.08mm La media sigue bajo control?
a) Plantear y contrastar las hiptesis apropiadas para =0.05.
b) Si una desviacin de 0.1mm de la media respecto a su valor nominal se considera un problema
grave, hallar la capacidad de la prueba utilizada en a) para detectarlo.
c) Obtener el tamao muestral necesario para detectar dicha desviacin con potencia 0.9.
Solucin:
a)
X 0
C
z / 2
n
H 0 : 74
H 1 : 74
X 0
74.08 74
0.1 10
2.53 1.96 z0.025 Rechazamos H0.
A nivel =0.05 podemos afirmar que el proceso se ha desajustado.
b) Nos piden calcular la potencia para =0.1mm.

0
() 1 ()
0.1
z / 2
1.96 1.20 0.8849.
0.1 10
c) El tamao muestral necesario para conseguir (74.1)=0.9 es

n
( z / 2 z ) 2 2
( 0 ) 2
(1.96 1.28) 2 0.12
10.5.
2
(0.1)
n=11 observaciones habran sido suficientes.

230
ESTADSTICA
EL P-VALOR
Rechazar o no H0 puede depender del nivel de significacin elegido.
Ejemplo: La longitud de unas barras metlicas fabricadas en serie sigue una ley normal. Se sabe que
=0.075. El proceso est bajo control si la media es = 3, pero se sospecha que ha aumentado.
Para contrastarlo estadsticamente, se toma una muestra de 10 barras y se obtiene X 3.05 .
H 0 : 3
H 1 : 3
C Z 0 z Z 0
X 0
3.05 3
2.108
n 0.075 10
z 0.05 1.645 Rechazo H 0

z 0.01 2.33 No Rechazo H 0
En lugar de fijar a priori el valor de podemos preguntarnos para qu valores de se rechazara

H0 y para cules no, con los datos de que se dispone en la muestra.
Distribucin
del estadstico de
contraste Z0 bajo H0
p-valor = P(Z 0 2.108) 0.0175
z0=2.108
( 0.01)
C ( 0.05)
231
ESTADSTICA
El p-valor es el mnimo nivel de significacin al que rechazaramos H0 con la muestra obtenida.

Dicho de otra manera: El p-valor es la probabilidad, siendo cierta H0, de obtener una muestra tan
extrema o ms (en la direccin de H1) que la que hemos obtenido.
Calculado el p-valor, tenemos la solucin del contraste de hiptesis a todos los niveles :
Si p-valor: Rechazamos H0.
Si p-valor: No Rechazamos H0.
Interpretacin prctica:
Si p-valor 0 (p-valor<0.01), se rechazara H0 a todos los niveles de significacin habituales y se
interpreta como una demostracin concluyente de la validez de H1.
Si p-valor > 0.1, no se rechazara H0 a ninguno de los niveles de significacin habituales y se
interpreta que no hay evidencias suficientemente fuertes contra H0 y puede sta mantenerse.
Si 0.01 < p-valor < 0.1, la decisin es comprometida y depende del nivel de significacin elegido
para el contraste, es decir del riesgo de error de Tipo I que estemos dispuestos a asumir.
En el caso de los contrastes de hiptesis bilaterales hay que tener en cuenta que, al tener dos colas
la regin crtica, para calcular el p-valor hay que multiplicar por 2 la probabilidad de la cola formada
por los valores ms extremos que el valor observado.
En el ejemplo anterior, si el contraste hubiera sido bilateral tendramos:
p-valor = P( Z 0 2.108) 2 P(Z 0 2.108) 2 0.0175 0.0350
232
ESTADSTICA
PLANTEAMIENTO DE LOS CONTRASTES UNILATERALES

Ejemplo: En un proceso de fabricacin de envases de vidrio interesa controlar la Presin (en psi)
que soportan dichos envases, que es una v. a. normal. Un valor medio de la presin por debajo de 25
psi se considerara inadecuado, mientras que por encima de 25 psi sera satisfactorio. Se toma una
muestra de n envases para estudiar el estado del proceso mediante un contraste de hiptesis.
La pregunta es:Cul de los dos planteamientos siguientes es el apropiado? (suponer conocida)
H 0A: 25
(A) A
H 1 : 25
X 25
z
CA
n
H 0B : 25
(B) B
H 1 : 25
X 25
z
CB
n
La pregunta no tiene respuesta mientras no decidamos qu posicin adoptamos al hacer el estudio:

Si se trata de un control rutinario del fabricante para verificar que el proceso continua funcionando
correctamente, tal y como fue diseado, el planteamiento sera el (A). El statu quo es que el
proceso funciona bien y solo lo pararemos si tenemos evidencias de que tenemos problemas.
Si se trata de un control de recepcin que hace un cliente, lo normal es que adopte una actitud
vigilante y exija al fabricante demostrar que cumple las especificaciones. El planteamiento sera
entonces el (B). Slo aceptar el envo si se demuestra que la calidad de los envases es la exigida.
Si Z0<-z, entonces en (A) se Rechaza H0 (demostramos <25) y en (B) No se rechaza H0 (no
demostramos >25), por lo que no hay ninguna contradiccin.
Si Z0>z, entonces en (A) No se rechaza H0 (no demostramos <25) y en (B) se Rechaza H0
(demostramos >25) y no hay ninguna contradiccin.
Si -z<Z0<z, entonces No se rechaza H0 ni en (A) ni en (B), lo cual tampoco es contradictorio ya
que ambas son decisiones dbiles: No queda demostrado ni que <25 ni que >25.
233

Inferencia Estadistica

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Inferencia Estadistica

Hochgeladen von

Copyright:

Verfügbare Formate

ESTADSTICA

GRADOS EN INGENIERA MECNICA, INGENIERA QUMICA E

TEMA 12.- CONTRASTES DE HIPTESIS

Tema 12. Contrastes de Hiptesis.

CONTRASTES DE HIPTESIS PARAMTRICOS

HIPTESIS NULA VS. HIPTESIS ALTERNATIVA

Hiptesis alternativa H1:

Ejemplo: La tasa de defectos en un proceso de fabricacin en serie vena siendo habitualmente

CONTRASTES DE HIPTESIS UNILATERALES Y BILATERALES:

Tema 12. Contrastes de Hiptesis.

REGLA DE DECISIN ESTADSTICA

Queremos contrastar las hiptesis:

Ejemplo: El departamento de marketing de un canal de TV sabe por estudios anteriores que su

H 0 : p 0.5 todo sigue igual que antes

H1 : p 0.5 ha habido un aumento significativo

depende del valor k y podemos elegir k para obtener un determinado

H 1 : 25 el peso efectivam ente ha cado; es necesario m odificar el proceso

Tema 12. Contrastes de Hiptesis.

las dos lneas van igual

Lgicamente, como estadstico de contraste utilizaremos X A X B

Tema 12. Contrastes de Hiptesis.

TIPOS DE ERROR (RIESGOS) EN UN CONTRASTE DE HIPTESIS

La probabilidad de cometer estos errores es una medida de la calidad de cada test:

PError II P Aceptar H 0 H falsa P C H

Ejemplo: Retomamos el ejemplo del producto limpiador.

Tema 12. Contrastes de Hiptesis.

Ilustracin del efecto de alejar H1 de H0

Observar que cuanto ms separado est el posible valor de H1 de H0 ms fcil es realizar el

Tema 12. Contrastes de Hiptesis.

Ilustracin del efecto de aumentar el tamao muestral

Tema 12. Contrastes de Hiptesis.

ESTRATEGIA DE ACTUACIN (NEYMAN-PEARSON)

Dar ms importancia al Error de tipo I y controlar su probabilidad de ocurrencia.

MTODO PARA CONTRASTAR HIPTESIS PARAMTRICAS

Aplicacin al Contraste de Hiptesis sobre en el modelo N() con conocida:

(Se trabaja anlogamente con

3. Regin Crtica de probabilidad en la cola derecha de la distribucin bajo H0:

Rechazo H0 si Z0 grande ( X grande)

4. Calcular el valor de Z0 a partir de la muestra y decidir en consecuencia (segn supere z o no).

3. Regin Crtica de probabilidad entre las dos colas de la distribucin muestral:

Rechazo H0 si |Z0 | grande ( X lejos de 0)

4. Calcular el valor de Z0 a partir de la muestra y decidir en consecuencia.

ERROR DE TIPO II Y POTENCIA DE UN TEST

P Error II P Norechazar H 0 H falsa P C H

Alternativamente y de manera equivalente se puede trabajar con la potencia, , en lugar de con el

Tema 12. Contrastes de Hiptesis.

Aplicacin a los Contrastes de Hiptesis sobre en el modelo N() con conocida:

Supongamos que H0 es falsa y que es cierto un valor mayor que .

Se puede observar que para fijo:

Las mismas expresiones son validas por simetra:

Tema 12. Contrastes de Hiptesis.

Supongamos que H0 es falsa y que es cierto un valor distinto de .

Nota: En la aproximacin final para se ha despreciado la cola pequea.

Tema 12. Contrastes de Hiptesis.

1.15 1.645 z0.05 No Rechazamos H0.

1.645 0.855 0.8037.

c) El tamao muestral necesario para conseguir (10.5)=0.9 es

(1.645 1.28) 212

n=35 observaciones habran sido suficientes.

2.53 1.96 z0.025 Rechazamos H0.

A nivel =0.05 podemos afirmar que el proceso se ha desajustado.

b) Nos piden calcular la potencia para =0.1mm.

c) El tamao muestral necesario para conseguir (74.1)=0.9 es