Universidad De Oriente Ncleo De Monagas Programa De Ingeniera De Sistemas Ctedra: Estadstica II Maturn-Edo-Monagas

PRUEBA DE HIPTESIS CORRELACIN Y REGRESIN

Prof. Luis Aguilera

Bachiller(es): Alexandra Loroo CI: 20597666 Barbara Ruiz CI: 20915119 Hctor Castellanos CI: 20916795 Jos L. Urrieta CI: 20646207 Luis M. Mota CI: 20023707 Yurika Hernndez CI: 20646412 Marzo, 2012

Introduccin El uso de la Estadstica es de gran importancia en la investigacin. Casi todas las investigaciones aplicadas requieren de algn tipo de anlisis estadstico para que sea posible evaluar sus resultados. La eleccin de uno u otro tipo de anlisis estadstico depende del problema que se plantee en el estudio as como la naturaleza de los datos. Dentro de la estadstica se aplican en las investigaciones tcnicas paramtricas y no paramtricas que se utilizan normalmente para verificar si una distribucin se ajusta o no a una distribucin esperada, si la variable estudiada es discreta o continua no normal solo son aplicables tcnicas no paramtrica pues aplicar las primeras arrojara resultados de dudosa validez. Entre las tcnicas estadsticas paramtricas y no paramtricas que estudiaremos estn Prueba de hiptesis de Z para la madia con varianza conocidas, Prueba de un y dos extremos, Prueba t para la media con varianza desconocidas, Prueba Z para una proporcin en poblaciones normales entre otras que estaremos desarrollando en el contenido presentado.

 Hiptesis estadstica Para llegar a tomar decisiones, conviene hacer determinados supuestos o conjeturas acerca de las poblaciones que se estudian. Tales supuestos que pueden ser o no ciertos se llaman hiptesis estadsticas y, en general, lo son sobre las distribuciones de probabilidad de las poblaciones. Ejemplo de hiptesis estadstica: Ejemplo, estimar con cierta significancia la vida promedio de focos de cierta marca, se puede formular una hiptesis, digamos por ejemplo que el promedio de vida de los focos es de 500 horas, la cual deber probarse; es decir, se buscarn evidencias que ayuden a decidir si la hiptesis se rechaza o no. Tipos de hiptesis estadstica: Hiptesis Nula Ho: En la hiptesis nula se plantea la igualdad acerca de los parmetros de una poblacin. Hablando en trminos general, se plantea la hiptesis nula para propsito de la prueba. La hiptesis nula se rechaza o se acepta. La hiptesis nula no se rechaza al menos que los datos de prueba proporcionen evidencias convincentes de que es falso. Ejemplo de hiptesis nula: Si deseamos probar que un mtodo para ensear la programacin de computadoras es ms eficaz que otro, formulamos las hiptesis que los dos son igualmente buenos. De manera similar, si queremos demostrar que un mtodo de irrigacin es ms costoso que otro, formulamos la hiptesis de que los dos son igualmente costosos; y si queremos demostrar que una nueva aleacin de acero con cobre produce ms resistencia que el acero ordinario, formulamos la hiptesis de que los dos producen la misma resistencia. En vista de que formulamos la hiptesis de que no hay diferencia en la eficacia de los dos mtodos de enseanza, ni en el costo de los mtodos de irrigacin ni en la resistencia resultante de los tipos de acero, a estas hiptesis las llamamos hiptesis nulas y la denotamos con .

La idea de formular una hiptesis nula no carece de sentido, aun en un pensamiento no estadstico; es exactamente lo que se hace en los tribunales estado andense, donde a un acusado se le considera inocente mientras no se demuestre su culpabilidad mas halla de toda duda. La hiptesis nula establece que el acusado no es culpable y la probabilidad expresada subjetivamente por la frase mas halla de toda duda refleja la probabilidad de incurrir en el error tipo I. obsrvese que la obligacin de probar esta siempre en la parte acusadora en el sentido de que al acusado se le considera inocente a menos que la hiptesis nula de inocencia sea claramente refutada. Esto no implica que sea inocente si no que se prueba su culpabilidad; significa tan solo que no se ha demostrado que sea culpable. Por su puesto, como legalmente no podemos detener al reo, si la demostracin de culpabilidad no se logra, el acusado es puesto en libertad y actuamos como si la hiptesis nula de inocencia fuera aceptada. Ntese que esto es precisamente lo que tenemos que hacer en pruebas de hiptesis estadsticas, cuando no podamos darnos el lujo de abstenernos de darnos un veredicto. Hiptesis Alternativa Ha: es la que el investigador desea apoyar. Ha o H1 se establece contradiciendo lo dicho en la hiptesis nula. La hiptesis alternativa se acepta si los datos de la muestra proporcionan suficiente evidencia estadstica de la hiptesis nula es falsa. La hiptesis alternativa se observa solo si se demuestra que no es verdad la hiptesis nula. Ejemplo de hiptesis alternativa: Si la hiptesis Ho dice "la media de la poblacin es 10" y la hiptesis

alternativa dice "la media de la poblacin es mayor que 10", analizaremos si debemos rechazar H0 frente a la hiptesis alternativa. Es decir, si en base a los datos que obtenemos de la muestra (y a los riesgos que estamos dispuestos a correr) es ms razonable HA que H0. Por otra parte, el hecho de no rechazar H0 no implicar necesariamente aceptarla, porque el hecho de aceptarla tambin conlleva un cierto nivel de riesgo.

 Metodologa de la hiptesis estadstica: La lgica de una prueba de hiptesis es similar a la de un juicio penal, donde debe decidirse si el acusado es inocente o culpable y el juicio consiste en aportar evidencia para rechazar la hiptesis de inocencia ms all de cualquier duda razonable. Por su parte una prueba de hiptesis analiza si los datos observados permitan rechazar la hiptesis nula, comprobando si stos tienen una probabilidad de aparecer lo suficientemente pequea cuando es cierta la hiptesis nula. Las etapas de una prueba de hiptesis son: a) Definir la hiptesis nula a contrastar. b) Definir una medida de discrepancia entre los datos mustrales y la hiptesis Ho. Supongamos que el parmetro de inters es la media de una poblacin m y que a partir de una muestra hemos obtenido su estimador x, entonces debemos medir de alguna manera la discrepancia entre ambos, que denotaremos como d (m, x). c) Decidir qu discrepancia consideramos inadmisibles con Ho, es decir, a partir de que valor de d, la discrepancia es muy grande como para atribuirse al azar y considerar que Ho pueda ser cierta. Para ello debemos entonces: Tomar la muestra Calcular el estimador del parmetro, en nuestro ejemplo x Calcular la medida de discrepancia d. Tomar la decisin: Si d es pequea, aceptar Ho, si es lo suficientemente grande, rechazarla y aceptar .

Es por ello que necesitamos establecer una Regla de Decisin mediante la cual sea especificada:

La medida de discrepancia. Un criterio que nos permita juzgar qu discrepancia son demasiado grandes

Prueba de hiptesis de Z para la media con varianza conocidas. Si se desea probar la Hiptesis: H0: m = m0 H1: m m0 Se puede usar el estadstico de prueba Z siguiente, Z=

El cual tiene una distribucin Normal con media cero y varianza 1 (si se cumplen las suposiciones del teorema del lmite central) Ejemplo: Se ilustrarn los 8 pasos del procedimiento general para el ejemplo del combustible slido para sistemas de escape de aeronaves. En este caso se conoce s=2 cm/seg, se desea probar si la media m es de 50 cm/seg. Se selecciona una muestra aleatoria de tamao N=25, obteniendo x=51.3 cm/seg. Se especifica un nivel de significancia a=0.05 A qu conclusiones se debe llegar? 1) El parmetro de inters es m (rapidez promedio de combustin) 2) H0: m = 50 cm/seg. 3) H1: m 50 cm/seg. 4) = 0.05 5) La estadstica de prueba es 6) Rechazar H0 si z>1.96 o si z<-1.96 (consecuencia del paso 4)

7) clculos 8) Conclusin como z = 3.25 > 1.96, se rechaza H0: m = 50 cm/seg. con un nivel de significancia = 0.05 Es decir, Se concluye que en base a una muestra de 25 mediciones la rapidez promedio de combustin es diferente de 50 cm/seg, de hecho, existe evidencia fuerte de que sta es mayor. Describa el significado del valor de P en el contraste de hiptesis Valor de p para la prueba de hiptesis: Se puede describir, como la probabilidad de observar un valor de prueba tan extremo como, o ms personal que el valor observado, dado que la hiptesis nula es verdadera. El resultado de determinar el valor p no solo es una decisin respecto a la hiptesis nula, sino que da una perspectiva adicional a la fortaleza de la decisin. Un valor p muy pequeo como 0.001, indica que existe una pequea probabilidad de que la hiptesis nula sea verdad. Por otra parte, un valor p de 0.2033 significa que la hiptesis nula no se rechaza, y que la probabilidad de quesea falso es escasa ejemplo: Valor p

.0606 Regin de rechazo

.0606 Regin de rechazo

-2.58 -1.55

1.55 2.58

Cmo se calcula el valor P? en la figura representa la prueba de la hiptesis nula de que la cantidad media de escritorios que se producen en la planta de Fredonia fue de 200. No se rechazo la hiptesis nula, por que el valor de z de 1.55cae en la regin entre -2.58 y 2.58.se acepto no rechazar la hiptesis nula si el valor calculado de z cay en esta regin. La probabilidad de encontrar el valor de z de 1.55 o ms es 0.0606, que se encuentra por 0.5000-0.4394. Es decir, la probabilidad de obtener una x mayor 203.5 si = 200 es 0.0606. Para calcular el valor de p es preciso interesarse por la regin menor a -1.55 tanto como por valore mayores 1.55 (debido a que la regin de rechazo esta en ambas colas). El valor de p es 0.1212, que se encuentra por 2(0.0606) el valor de p de 0.1212 es mayor que el nivel de significancia de 0.01 que se decidi al principio, de modo que la hiptesis nula no se rechaza. Diga cul es la relacin entre la Estimacin por intervalos y el contraste de hiptesis. Esta relacin es el motivo de que muchos estadsticos prefieran la informacin disponible en un enunciado de intervalo de confianza en contra posicin a la informacin de que la hiptesis nula + Este intervalo esta conectado estrechamente con el niel de de la prueba para la en contra posicin a la alternativa bilateral esta prueba tiene la regin critica | | | | se halla o no rechazado

La regin de aceptacin de esta prueba se obtiene interviniendo la desigualdad para obtener todos los valores de la que no conduzcan al rechazo de Regin de aceptacin: | |

Ejemplo: La perdida promedio en el peso de n=16 aspas despus de cierto intervalo de tiempo en un molino de aspas es 3.42g, con una desviacin estndar de 0.68g. Constryase un intervalo de confianza del 99% para la perdida promedio real del peso de las aspas en las condiciones establecidas. n=16 determinaciones de perdidas de peso resultaron = 3.42 y S=0.68. Como con 15 G.L, el intervalo de confianza de 95% es: + , o 3.06< < 3.78

Use la relacin entre los intervalos de confianza de 95% y la pruebas de nivel de alternativa Solucin: De acuerdo con la relacin que acabamos d establecer, una prueba de =3.7 contra no se rechazara al nivel de 5%, por que queda dentro del intervalo de confianza. Por otro lado, valida generalmente. Error tipo I y error tipo II. Error tipo I: Este error se comete cuando se rechaza la hiptesis nula, siendo esta cierta. La probabilidad de cometer se denota con la letra griega . es el nivel de significancia para rechazar la hiptesis nula. no cae dentro del intervalo de confianza para comprobar la hiptesis nula en comparacin con la hiptesis

del 95% y por lo tanto la hiptesis nula se rechaza al nivel de 0.05, La relacin es

Ejemplo del Error Tipo I: Supongamos un =0.05

Rechazo

Rechazo

Aceptacin Al disminuir el tamao de la regin de aceptacin de la hiptesis nula (aumenta el tamao de la regin de rechazo de la hiptesis nula) entonces aumentan las posibilidades de cometer el error estadstico tipo I. Error Tipo II ():

Es la aceptacin de una hiptesis nula cuando es falsa. Una vez especificado el valor de , el de queda fijado para cualquier tamao de muestra determinado. El valor de depende del valor verdadero de por lo tanto existe un numero infinito de valores de , ya que hay un valor de diferente para cada valor verdadero que puede tomar . Ahora bien, dado un valor fijo de , la probabilidad de cometer un error de tipo II disminuir a medida que aumente el tamao muestral. Este se comete cuando se acepta la hiptesis nula siendo esta falsa. La probabilidad de cometer este error se denota con la letra griega . Ejemplo de error tipo II. Supongamos un =0.01 Rechazo Rechazo

Aceptacin

Al aumentar el tamao de la regin de aceptacin, disminuye el tamao de la regin de rechazo de la hiptesis nula. Aumenta la probabilidad de cometer el error tipo II. Prueba de hiptesis un y dos extremos. Una prueba de dos extremos de una hiptesis rechazar la hiptesis nula s la media de muestra es significativamente mayor o menor que la media de poblacin hipottica. Por tanto, en una prueba de dos extremos, existen dos regiones de rechazo (Figura).Una prueba de dos extremos es apropiada cuando la hiptesis nula es =Ho (en donde Ho es algn valor especificado) y la hiptesis alternativa es Ho.

Sin embargo, hay situaciones en las que no es apropiada una prueba de dos extremos, por lo que debemos usar una prueba de un extremo que se conoce como prueba de extremo izquierdo (prueba de extremo inferior) o prueba de extremo derecho (prueba de extremo superior). En general, se utiliza una prueba de extremo izquierdo si las hiptesis son H0:- Ho, y HA: < Ho. En una situacin semejante, la evidencia muestral con la media de muestra significativamente por debajo de la media de poblacin hipottica es la que nos lleva a rechazar la hiptesis nula a favor de la hiptesis alternativa (como se muestra en la siguiente figura).

Una prueba de extremo superior utiliza cuando las hiptesis son H0:- Ho, y HA: > Ho. Slo los valores de la media de muestra que estn significativamente por encima de la media de poblacin hipottica harn que rechazamos la hiptesis nula a favor de la hiptesis alternativa. Cabe mencionar que cada prueba de hiptesis, cuando aceptamos una hiptesis nula con base en la informacin de la muestra, en realidad estamos diciendo que no hay evidencia estadstica para rechazarla. No estamos afirmando que la hiptesis nula sea cierta. La nica forma de probar una hiptesis nula es conociendo el parmetro de poblacin, y eso no es posible al tomar una muestra. Por consiguiente, aceptamos la hiptesis nula y nos comportamos como si fuera cierta, simplemente porque no podemos encontrar evidencia para rechazarla.

 Prueba t para la media con varianza desconocidas. Cuando la varianza s2 no es conocida, las pruebas de hiptesis se basan en el hecho de que la variable aleatoria T definida como tiene una distribucin t con n-1 grados de libertad. Por lo tanto, al analizar los diferentes casos presentados anteriormente para las pruebas de hiptesis con respecto a la media, bastar con cambiar la varianza poblacional s2, por su estimativo muestral y la distribucin normal estndar por la distribucin t. Si las hiptesis fueran H0: m = m0 contra H1:m m1 la mejor regin crtica de tamao a (aunque no es uniformemente ms potente como en el caso de las dos anteriores) consiste en rechazar H0 si la media muestral es menor o igual que una constante c1 mayor igual que otra constante c2. Por lo tanto, una vez tomada la muestra y obtenidos los valores x1, x2,, xn, se calcula la media muestral, y los criterios de decisin seran los siguientes: a) Rechace H0: m = m0 si c1 c2, donde y. b) Calcule el estadstico de prueba y rechace H0: m = m0 si T tn - 1, a/2. c) Calcule el estadstico de prueba y estime P como el rea en la distribucin t a la izquierda del valor T calculado si T es negativo, o a la derecha del valor de T si T es positivo, y rechace Ho: m = m0 si P < a. Tambin P se puede calcular como el rea a derecha del valor absoluto de T. Ejemplo: Un modelo fsico sugiere que el aumento medio de temperatura en el agua usada como enfriador en una cmara de un compresor no debera ser mayor de 5C. Los aumentos de temperatura en el refrigerante medidos en 8 perodos de funcionamiento del compresor fueron de 6.4, 4.3, 5.7, 4.9, 6.5, 5.9, 6.4 y 5.1 grados centgrados. Con un nivel de significancia del 5%, cree Usted que los datos contradicen la informacin del modelo fsico?

Solucin. Este problema lo podemos plantear como una prueba de hiptesis del siguiente tipo: H0: m m0 = 5C H1: m > 5C Con n = 8, a = 0.05. La hiptesis nula se plantea como menor o igual a m0, que es una hiptesis compuesta. Sin embargo, para la realizacin de la prueba, se tomar el mximo aumento permisible en la temperatura que sera m = mo = 5, con lo cual la hiptesis se convierte en una hiptesis simple. Se tiene que: = 5.65, s2 = 0.6571, S= 0.81, t7, 0.05 = 1.895. Por lo tanto, la regin crtica est dada por lo tanto como la media muestral 5.65 es superior al valor crtico de 5.54, se rechaza la hiptesis de que el aumento promedio de la temperatura es 5 grados (o inferior), a favor de la hiptesis de que es mayor. Usando los otros criterios de aceptacin tenemos que: Como T = 2.27 > 1.895 se rechaza la hiptesis nula. El valor P es aproximadamente 0.0287, Como P = 0.0287 es menor que a = 0.05, se rechaza de nuevo la hiptesis nula. Prueba Z para una proporcin en poblaciones normales. Supngase que dos muestras aleatorias independientes de tamao de 2 poblaciones, y sea que y y se toma

representa el numero de observaciones que

pertenece a la clase de inters en las muestras 1 y 2, respectivamente. Supngase asi mismo que se aplica la aproximacin normal de la distribucin binomial a cada una de las poblaciones, de tal modo que los estimadores de las proporciones poblacionales = : = : y = tiene distribucin normal aproximada. El inters se encuentra en probar las hiptesis:

El estadstico Z=

Tiene una distribucin aproximada normal estndar y es la base de la prueba de Z= : = . Especficamente, si la hiptesis nula = =p , la variable aleatoria.
)

: =

es verdadera, entonces usar

el hecho de que
(

Tiene una distribucin aproximada N (0,1) un estimador del parmetro comn p es El estadstico de la prueba para =
( )

: =

entonces

Esto lleva a los procedimientos de prueba que se describen a continuacin: Hiptesis alternativas criterio de rechazo : : > : < Ejemplo Se evalan 2 tipos diferentes de soluciones de pulido para su posible uso en una operacin de pulido rotatorio en la fabricacin de lentes intraoculares usados en ojo humanos despus de una ciruga de cataratas. Se pulieron rotatoriamente 300 lentes usando la primera solucin de pulido, de los cuales 253 no tuvieron defectos producidos por el pulido. Otros lentes se pulieron rotatoriamente usando la segunda solucin de pulido, y 196 lentes fueron satisfactorios al termino de la operacin. Hay alguna razn para creer que las 2 soluciones de pulido difieren? usar = 0.01

El procedimiento de la prueba de hiptesis de 8 pases lleva los siguientes resultados: 1. Los parmetros de inters son 2. 3. : = : y , la proporcin de lentes que son satisfactorios despus del pulido rotatorio con los fluidos de pulido 1 o 2.

4. = 0.01 5. estadstico de prueba es: =

( )

= 253/300 =

= 0.8433,

= 196/300

= 0.6533,

= 300

= 0.7483

6. se rechaza

: =

si

= 2.58 o si =

= -2.58 = 5.36
( )

7. clculos: el valor del estadstico de prueba es

8. conclusiones: puesto que

= 5.36 >

= 2.58, se rechaza la hiptesis nula.

Obsrvese que el valor de P es P 8.32x10-8. hay evidencia solida en favor de la afirmacin que los 2 fluidos de pulidos son diferentes. El fluido 1 produce una proporcin mayor de lentes no defectuosas.

 Explique el contraste de hiptesis en dos poblaciones. Las pruebas de hiptesis estadsticas que se realizan sobre dos poblaciones, estn las siguientes: 1. Contraste de hiptesis para la diferencia de medias sobre poblaciones aproximadamente normales cuando se conocen y

En este caso se deduce fcilmente las distribuciones mustrales, puesto que la diferencia de las medias mustrales de las poblaciones con distribucin normal tiene una distribucin normal con media conocida ( y y varianza

conocidas). Luego, la estadstica de prueba estar dada por:

Su teorema nos dice que Sean X1, X2,Xn1 y Y1, Y2,Yn2, dos muestras independiente de a) do contra y , entonces se pueden tener algunos de
o,

los siguientes contraste de hiptesis. entonces la prueba UMP( ), para estar dada por la siguiente regla de decisin para una realizacin X2,Xn1 y Y1, Y2,Yn2. Rechaza b) do, si CC: do contra < do + = do Za

do, entonces la prueba UMP(a), para

(0.1) estar dada por la siguiente regla de decisin para una realizacin X1, X2,Xn1 y Y1, Y2,Yn2. Rechazar do, si CC: < do + = do Za

c)

do

d1 contra para

do o

d1 entonces la

prueba UMP (

estar dada por la siguiente regla de decisin

para una realizacin X1, X2,Xn1 y Y1, Y2,Yn2.

Rechazar Za Con do, d1 o

d1, si CC: do + ( )

< do +

( )

= do

= do + Za/2

valores conocidos de antemano. En donde de la distribucin normal estndar para ,o

representa el cuartil

Z representa el valor de la variable normal estndar cuya rea a la derecha es

Ejemplo: los fabricantes de tornillos tipo A y B aseguran que los tornillos tipo A tienen en promedio una mayor resistencia a la tensin que los tornillos tipo B en mas de 3 kilogramos. Para probar su afirmacin los fabricantes prueban de forma independiente 100 piezas de cada tipo de cuerda bajo condiciones similares, obteniendo los siguientes resultados; el tipo A, tuvo una resistencia promedio de 88 kilogramos, mientras que el tipo B una resistencia promedio de 83 kilogramos. Suponiendo que la Xb realice un prueba estadstica para verificar la afirmacin de los fabricantes. a) Plantee el contraste de hiptesis apropiado para este problema. b) Justifique a un nivel de significancia de 0.005, si es validad la afirmacin de los fabricantes. Solucin. a) Se estn comparando medias en donde los fabricantes afirman que la resistencia promedio a la tensin de la cuerda de los dos tipos de tornillos es As, ser la hiptesis alterna y la contrapuesta la hiptesis nula.

b) Siguiendo los pasos de la metodologa para realizar la comprobacin y determinar la prueba UMP(0.05), se tendr: i) ii) iii) Ho : contra H1 : Nivel de significancia Se est ante una situacin similar a la del inicio del teorema. Luego se requiere calcular CC: do + . As, de las tablas

porcentuales para la distribucin normal estndar, por otro lado, do=3, Finalmente la regla de decisin. Rechazar 1.6449 3, si CC: =4.69. 3, si 4.69. Grficamente se tiene: do + = 3
A= B =100

=25 y

=81.

Es decir, rechazar

Regin de no rechazo Ra

4.69 Regin de Rechazo Rr iv) Por ultimo se aplica la regla de decisin, con =88-83= 5 4.69. as se concluye que =83, y 3 se rechaza al

5% de significancia. Es decir, al 5% de significancia y a la realizacin obtenida no existe evidencias para refutar la afirmacin de los fabricantes que + 3, la cuerda de los tornillos tipo A tiene una resistencia promedio mayor a la del tipo B en mas de 3 kilogramos.

2. Contraste de hiptesis para la diferencia de medias sobre poblaciones aproximadamente normales cuando se desconocen y pero = .

El problema de la comparacin de media para el caso de igualdad de varianzas se le conoce como el problema de Behrens Fisher y fue desarrollado entre 1935-1939. Es este caso la estadstica de la prueba encontrada tiene una distribucin t-student con n1 +n2 2 grados de libertad y esta dada por:

, en donde

Su teorema nos dice que Sean X1, X2,Xn1 y Y1, Y2,Yn2, dos muestras aleatorias independiente de y , entonces se pueden tener algunos de los siguientes contraste de hiptesis. A) do contra
o,

entonces la prueba UMP ( ), para

estar dada por la siguiente regla de decisin para una realizacin X2,Xn1 y Y1, Y2,Yn2. Rechaza B) do contra
o,

do, si CC:

< do +

= do

entonces la prueba UMP ( ), para

estar dada por la siguiente regla de decisin para una realizacin X2,Xn1 y Y1, Y2,Yn2. Rechaza do, si CC: do + = do +

C)

d1 contra

entonces la

prueba UMP ( ), para

estar dada por la siguiente regla de decisin

para una realizacin X2,Xn1 y Y1, Y2,Yn2. Rechaza = do = do Con do, d1 R valores conocidos de antemano. En donde representa el cuartil para de la distribucin t- student con v grados de libertad , o T representa el valor de la variable t- student con v = grados de libertad cuya rea a la derecha es Ejemplo: se comparan dos tipos de rosca de tornillos para ver su resistencia a la tensin. Se prueban independientemente 12piezas de cada tipo de cuerda bajo condiciones similares, obtenindose los siguientes resultados, en kilogramos: Tipo de rosca 1 2 1 78 83 2 76 80 3 80 82 4 79 83 5 78 81 6 80 80 7 82 79 8 81 80 9 79 82 10 83 78 11 80 79 12 82 81 o d1, si CC: d1 + do + ( ) ( ) = d1 +

Suponiendo que la resistencia a la tensin de los tornillos se distribuye normalmente que la resistencia promedio a la tensin de los tornillos de tipo I es menor de la de los tornillos de tipo II. a) Plantee el contraste de hiptesis para este problema b) Justifique el nivel de significancia de 0.025, si es valida la conclusin.

Solucin a) Se estn comparando medias en donde los fabricantes afirman que la resistencia promedio a la tensin de la cuerda de los dos tipos de tornillos es As, ser la hiptesis alterna y la contrapuesta la hiptesis nula.

b) Siguiendo los pasos de la metodologa para realizar la comprobacin y determinar la prueba UMP(0.05), se tendr: v) vi) vii) Ho : contra H1 : Nivel de significancia Se est ante una situacin similar a la del inicio del teorema. Luego se requiere calcular CC: do + . As, de las

tablas porcentuales para la distribucin t-student con =12+12-2=22 grados de libertad, . por otro lado do=0,

, para obtener la regla de decisin se requiere calcular de la realizacin sus promedios y varianzas insesgadas: , = = 80.6667, 2.6061, ahora = 1.8133

Finalmente, la regla de decisin. Rechaza 0, si CC: = -1.54 0, si CC: < -1.54. Grficamente se tiene: < do + = 0-

2.074(1.8133) Es decir, rechazar

Regin de Rechazo Rr -1.54 Regin de no rechazo Ra

iv) Por ultimo se aplica la regla de decisin, para esto recuerde que = 79.8333 y = 80.6667, luego - = -0.84 con lo cual se concluye que 0 no se rechaza al 2.5% de significancia. Dicho valor se encuentra en la regin de no rechazo, por tal razn a partir de la realizacin dada no hay evidencias para rechazar 0 a un nivel de significancia del 2.5%. Luego la resistencia promedio a la tensin de los tornillos tipo I no es menor a la de los tornillos tipo II. 3. Contraste de hiptesis para la diferencia de medias sobre poblaciones aproximadamente normales cuando se desconocen y pero = .

Cuando las distribuciones de la poblacin son normales con varianza desconocidas y diferentes. Esther Welch (1937) o Stterthwaite (1946) encontraron pruebas ms potentes que el teorema explicado anteriormente, pero en general la prueba de Welch es ms recomendable y ser la que explicar a continuacin. Su teorema nos dice que Sean X1, X2,Xn1 y Y1, Y2,Yn2, dos muestras aleatorias independiente de y , entonces se pueden tener algunos de los siguientes contraste de hiptesis. para do contra
o,

a)

entonces la prueba de tamao ( ),

estar dada por la siguiente regla de decisin para una

realizacin X2,Xn1 y Y1, Y2,Yn2. Rechaza para do, si CC: do contra < do +
o,

entonces la prueba de tamao ( ),

b)

estar dada por la siguiente regla de decisin para una

realizacin X2,Xn1 y Y1, Y2,Yn2. Rechaza do, si CC: do + = do +

c)

d1 contra

entonces la

prueba de tamao ( ), para

estar dada por la siguiente regla de

decisin para una realizacin X2,Xn1 y Y1, Y2,Yn2. Rechaza o d1 + d1, si CC: ( ) do + = d1 + ( ) representa el (0.1), t = do = do

Con do, d1 R valores conocidos de antemano. En donde, cuantil de la distribucin t-student con v grados de libertad para derecha es (0.1).

representa el valor de la variable t-student con v grados de libertad cuya areaa la

DEFINICIONES BASICAS: REGERSIN Y CORRELACIN Encierre en un crculo la repuesta correcta: 1.- Tcnica para determinar el grado en el que las variables se relacionan linealmente a.- Ordenada de Y b.- Anlisis de correlacin c.- Relacin Inversa d.- Ninguna de las anteriores

2.- Medida de la proporcin de la variacin en Y, la variable dependiente, que explica la recta de regresin, esto es, la relacin de Y con la variable independiente. a.- Diagrama de dispersin b.- Ecuacin de la estimacin c.- Coeficiente de determinacin d.- Todas las anteriores

3.- Frmula matemtica que relaciona la variable desconocida con las variables conocidas en el anlisis de regresin. a.- Ecuacin de estimacin b.- Error estndar de la estimacin c.- mtodos de mnimos cuadrados d.- Todas las anteriores

5.- Una lnea ajustada a un conjunto de datos para estimar la relacin entre dos variables a.- Variable independiente b.- Variable Dependiente c.- Regresin mltiple d.- Recta de regresin

Conclusin La hiptesis no son ms que suposiciones que se hacen sobre un fenmeno el cual se desea estudiar y mediante las herramientas que nos proporciona la estadstica podemos llegar a tomar la decisin correcta, estas herramientas o mtodos so los expuestos anteriormente como la Prueba de hiptesis de Z para la madia con varianza conocidas, Prueba de un y dos extremos, el contrate de hiptesis en dos poblaciones, los tipos de hiptesis, etc. Donde podemos decir que los tipos de hiptesis son dos una es la hiptesis nula y la otra es la alternativa, par que una se acepta la otra tiene que ser rechazada, y mediante el proceso de aceptacin o rechazo de la hiptesis se producen dos tipos de error los cuales son el error tipo I y el error tipo II, el erro tipo uno se produce cuando se rechaza la hiptesis nula Ho, siendo esta cierta y el error tipo dos se produce cuando se acepta la hiptesis nula Ho, siendo esta falsa. La estadstica a travs de estos mtodos busca estar ms cerca de la verdad y reducir el error de la no probabilidad de ocurrencia de un evento. La regresin y la correlacin son dos tcnicas estrechamente relacionadas y comprenden una forma de estimacin. En forma ms especifica el anlisis de correlacin y regresin comprende el anlisis de los datos muestrales para saber que es y como se relacionan entre si dos o mas variables en una poblacin. El anlisis de correlacin produce un nmero que resume el grado de la correlacin entre dos variables; y el anlisis de regresin da lugar a una ecuacin matemtica que describe dicha relacin. El anlisis de correlacin generalmente resulta til para un trabajo de exploracin cuando un investigador o analista trata de determinar que variables son potenciales importantes, el inters radica bsicamente en la fuerza de la relacin. La correlacin mide la fuerza de una entre variables; la regresin da lugar a una ecuacin que describe dicha relacin en trminos matemticos. En tal sentido podemos decir que la tcnica para determinar el grado en el que las variables se relacionan linealmente es un anlisis de correlacin y que una lnea ajustada a un conjunto de datos para estimar la relacin entre dos variables es una recta de regresin.

Bibliografa

George, Canavos. Probabilidad y Estadstica. Paul, Meyer. Probabilidad Estadstica 1998. Mongomery y Douglas. Diseo y Anlisis De Experimentos. Steel R, y Torrie J. Bioestadstica.