Prueba de Hipótesis II

Universidad del Desarrollo

2019

(UDD) Prueba de Hipótesis II 2019 1 / 20

Diferencia de medias, caso varianza conocida

iid iid
Sean X1 , ..., Xn ∼ Normal(µX , σ 2 ) e Y1 , ...Ym ∼ Normal(µY , σ 2 ), con σ conocido, las
muestras X e Y independientes también y consideremos las hipótesis:

H0 : µX = µY , vs, H1 : µX 6= µY

Se sugiere rechazar para |X − Y | ≥ k, eligiendo el valor de k de modo de lograr un

test de significancia α. Se obtiene la regla de rechazo:

|X − Y |
z0 = p ≥ z1−α/2
σ 1/n + 1/m

(UDD) Prueba de Hipótesis II 2019 2 / 20

Caso Normal, varianzas iguales y desconocidas

iid iid
Sean X1 , ..., Xn ∼ Normal(µX , σ 2 ) e Y1 , ...Ym ∼ Normal(µY , σ 2 ), con σ desconocido,
las muestras X e Y independientes también y consideremos las hipótesis:

H0 : µX = µY , vs, H1 : µX 6= µY

Luego del razonamiento anterior se obtiene la regla de rechazo:

|X − Y |
t0 = p ≥ tn+m−2,1−α/2
Sp 1/n + 1/m
con
2
(n − 1)SX + (m − 1)SY2
Sp2 =
n+m−2
estimador insesgado de σ 2

(UDD) Prueba de Hipótesis II 2019 3 / 20

Caso Normal, varianzas diferentes y desconocidas

iid 2 iid
Sean X1 , ..., Xn ∼ Normal(µX , σX ) e Y1 , ...Ym ∼ Normal(µY , σY2 ), con σX y σY
desconocidos, las muestras X e Y independientes también y consideremos las
hipótesis:
H0 : µX = µY , vs, H1 : µX 6= µY
Se puede demostrar que la regla de rechazo:

|X − Y |
t0 = q 2 2
≥ tdf,1−α/2
SX SY
n
+ m

donde df es el entero mas cercano a

2
2
SY2

SX
+
n m
2 2
2
SY2 /m


SX /n
+
n−1 m−1
tiene significancia aproximadamente α.

(UDD) Prueba de Hipótesis II 2019 4 / 20

Ejemplo

La entalpı́a de fusión de una sustancia corresponde al cambio en su entalpı́a como

resultante de la aplicación de calor a una cantidad especı́fica de ella, con el objeto de
cambiar su estado de sólido a lı́quido. Para determinar la entalpı́a de fusión del hielo,
se utilizó dos métodos diferentes. Los investigadores querı́an estudiar si los métodos
entregaban los mismos resultados. Los siguientes datos corresponden a la entalpı́a de
fusión de hielo al pasar desde −0.710 C y a 00 C, en kcal/kg

Método Datos
1 79.98 80.05 80.04 80.03 80.02 80.02 80.04 80.03
80.00 80.02 80.03 80.04 79.97
2 80.02 79.94 79.98 79.97 79.97 80.03 79.95 79.97

(UDD) Prueba de Hipótesis II 2019 5 / 20

Ejemplo

Evalúe las hipótesis del problema propuesto, asumiendo normalidad y varianzas

iguales. Utilice nivel de significancia α = 0, 01. Obtenga además el valor-p.

metodo1 <- c(79.98, 80.05, 80.04 ,80.03 ,80.02, 80.02, 80.04, 80.03, 80.00
metodo2 <- c(80.02, 79.94, 79.98, 79.97, 79.97, 80.03, 79.95, 79.97)
mean(metodo1)

## [1] 80.02077

ks.test(metodo1,pnorm)

## Warning in ks.test(metodo1, pnorm): ties should not be present for the

Kolmogorov-Smirnov test
##
## One-sample Kolmogorov-Smirnov test
##
## data: metodo1
## D = 1, p-value = 1.022e-11
## alternative hypothesis: two-sided

Notar el Warning...
(UDD) Prueba de Hipótesis II 2019 6 / 20
shapiro.test(metodo1)

##
## Shapiro-Wilk normality test
##
## data: metodo1
## W = 0.87182, p-value = 0.05532

n <- length(metodo1)
m <- length(metodo2)
df <- m+n-2
S2.1 <- (sd(metodo1))^2
S2.2 <- (sd(metodo2))^2
Sp2 <- ((n-1)*S2.1+(m-1)*S2.2)/(df)
t0 <- abs(mean(metodo1)-mean(metodo2))/(sqrt(Sp2)*sqrt(1/m+1/n))
t0

## [1] 3.472245

(UDD) Prueba de Hipótesis II 2019 7 / 20

t.test(metodo1,metodo2,alternative = 'two.sided',var.equal = T)

##
## Two Sample t-test
##
## data: metodo1 and metodo2
## t = 3.4722, df = 19, p-value = 0.002551
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
## 0.01669058 0.06734788
## sample estimates:
## mean of x mean of y
## 80.02077 79.97875

Evalúe las hipótesis del problema propuesto, asumiendo normalidad y varianzas

diferentes. Utilice nivel de significancia α = 0, 01. Obtenga además el valor-p.
Compare con sus resultados anteriores.

(UDD) Prueba de Hipótesis II 2019 8 / 20

Diferencia de proporciones poblacionales

Considere las proporciones muestrales p̂1 , p̂2 , provenientes de muestras independientes

(modelo Bernoulli...) de tamaño n1 y n2 resp. Se propone el test de hipótesis

H0 : p1 − p2 = 0 vs H0 : p1 − p2 6= 0

El estadı́stico de prueba para valores grandes de ni pi y ni (1 − pi ) es

p̂1 − p̂2
z0 = p
p̂(1 − p̂) (1/n1 + 1/n2 )
donde
n1 p̂1 + n2 p̂2
p̂ =
n1 + n2
dado que bajo H0 nuestro estadı́stico tiene una distribución aproximadamente
normal estándar, las regiones de rechazo y los p valores son exactamente iguales a las
del test Z.

(UDD) Prueba de Hipótesis II 2019 9 / 20

 p̂1 − p̂2
z0 = p
p̂(1 − p̂) (1/n1 + 1/n2 )

Supuestos sobre la Hipótesis Región de rechazo Valor-p

muestra alternati-
va
n grande p1 > p2 z0 > z1−α 1 − φ(z0 )
n grande p1 < p2 z0 < z α φ(z0 )
n grande p1 6= p2 |z0 | > z1−α/2 2(1 − φ(|z0 |))
Cuadro 1: Test para diferencia de proporciones.

En R
Supongamos que asignamos los éxitos observados en la muestra i a xi .

x = c(x1 , x2 ); n = c(n1,n2)
prop.test(x, n, alternative="greater", correct=F)
prop.test(x, n, alternative="less", correct=F)
prop.test(x, n, alternative="two.sided", correct=F)

(UDD) Prueba de Hipótesis II 2019 10 / 20

Ejemplo
Durante una investigación sobre las propiedades de resistencia al fuego de dos tipos
de materiales A y B, que se están considerando para su uso en pijamas de niños, 85
muestras seleccionadas al azar del tipo A y 100 muestras fueron seleccionadas del
tipo B. Fueron sometidos a altas temperaturas y 28 muestras del tipo A y 20 del tipo
B se encendieron. Se utilizará el tipo de material A a menos que haya evidencia de
que su capacidad de ignición supera considerablemente a la del material B. Sobre la
base de estos datos, ¿deberı́a utilizarse el material A? Pruebe en el nivel α = 0.05 y
calcule el valor-p.

(UDD) Prueba de Hipótesis II 2019 11 / 20

x <- c(28,20)
n=c(85,100)
prop.test(x,n,alternative = 'greater',correct = F)

##
## 2-sample test for equality of proportions without continuity
## correction
##
## data: x out of n
## X-squared = 4.0048, df = 1, p-value = 0.02269
## alternative hypothesis: greater
## 95 percent confidence interval:
## 0.02282805 1.00000000
## sample estimates:
## prop 1 prop 2
## 0.3294118 0.2000000

x/n

## [1] 0.3294118 0.2000000

pchisq(4,df = 1,lower.tail = F)

## [1] 0.04550026
(UDD) Prueba de Hipótesis II 2019 12 / 20
Test para muestras pareadas

Experimento
Se compararán dos métodos diferentes para determinar el porcentaje de hierro en
muestras de mineral. Una forma de diseñar este estudio comparativo es obtener
muestras y someter a cada una de ellas a los dos métodos diferentes para determinar
el contenido de hierro. Para cada muestra de mineral habrá dos mediciones,
resultando en datos pareados.

(UDD) Prueba de Hipótesis II 2019 13 / 20

Hipótesis

Sean (Xi , Yi ), i = 1, ..., n, pares de observaciones independientes:

iid 2
X1 , ..., Xn ∼ N ormal(µX , σX )
iid
Y1 , ..., Yn ∼ N ormal(µY , σY2 )
y suponga que se desear testear las hipótesis:

H0 : µX = µY vs H1 : µX 6= µY

Veamos como construimos un test usando el hecho de que la muestras son pareadas.

(UDD) Prueba de Hipótesis II 2019 14 / 20

Consideremos Di = Xi − Yi , como sabemos, bajo hipótesis de normalidad tenemos
iid 2
Di ∼ N (µD , σD )

donde
µD = µX − µY
y
2 2
σD = σX + σY2 − 2cov(X, Y )

test
Nuestras nuevas hipótesis son

H0 : µD = 0 vs µD 6== 0

dada la hipótesis de normalidad y varianza desconocidas tenemos el estadı́stico

|D̄|
t0 = SD
√
n

lo demás es conocido.

(UDD) Prueba de Hipótesis II 2019 15 / 20

Ejemplo

Los ingenieros ambientales o de suelos utilizan los cambios en la turbiedad de una

masa de agua como una indicación de que las tierras circundantes pueden ser
inestables, lo que permite que los sedimentos se introduzcan en el agua. Las
mediciones de turbiedad con la prueba de Wagner, de 10 lugares alrededor de un lago
tomadas antes y después de un proyecto de estabilización de la tierra, se pueden
encontrar en turbio.txt. ¿Hay evidencia de que las medidas de estabilización de la
tierra han reducido la turbiedad?

(UDD) Prueba de Hipótesis II 2019 16 / 20

t.test(turbio$Before,turbio$After,paired = T,alternative = 'two.sided')

##
## Paired t-test
##
## data: turbio$Before and turbio$After
## t = 8.7606, df = 9, p-value = 1.064e-05
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
## 1.268445 2.151555
## sample estimates:
## mean of the differences
## 1.71

(UDD) Prueba de Hipótesis II 2019 17 / 20

Comparación de varianzas en poblaciones normales.

Considere una muestra aleatoria X11 , ..., X1n y X21 , ..., X2m provenientes de
poblaciones Normales de varianza σ1 , σ2 , desconocida. Sean las hipótesis:

H0 : σ1 = σ2 , vs, H1 : σ1 6= σ2

Un test de hipótesis de significancia α para estas hipótesis, rechaza H0 si

S12 1−α/2
F0 = ≥ Fn−1,m−1
S22
o
1 α/2
> Fm−1,n−1
F0

Deduzca las regiones de rechazo para las hipótesis alternativas σ1 < σ2 y σ1 > σ2 .
teniendo en cuenta que
S12 /σ12
∼ F (n − 1, m − 1)
S22 /σ22

(UDD) Prueba de Hipótesis II 2019 18 / 20

Supuestos sobre la Hipotesis Region de rechazo Valor-p
muestra alternati-
va
Normalidad, n arbi- σ12 > σ22 1−α
F0 > Fn−1,m−1 p1 = 1 − pFn−1,m−1 (F0 )
trario, independencia
1
Normalidad, n arbi- σ12 < σ22 1−α
> Fm−1,n−1 ≡ p2 = 1 − pFm−1,n−1 (1/F0 )
F0
trario, independencia α
F0 < Fn−1,m−1
1−α/2
F0 > Fn1 −1,n2
Normalidad, n arbi- σ12 6= σ22 o 2min(p1 , p2 )
1 1−α/2
trario, independencia > Fn2 −1,n1 −1
F0
Cuadro 2: Test igualdad de varianzas, pivotes y regiones de rechazo.
Cola izquierda

(UDD) Prueba de Hipótesis II 2019 19 / 20

En R

alternative es con respecto al primero

var.test(x1, x2, alternative="greater") #varianza 1 mayor que varianza 2.

var.test(x1, x2, alternative="less") #varianza 1 menor que varianza 2.

var.test(x1, x2, alternative="two.sided")

(UDD) Prueba de Hipótesis II 2019 20 / 20