Anlisis de Datos

Muestreo e Inferencia Estadstica

Sesin 7

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

Introduccin
Elemento Poblacin Muestra es la entidad en la que se recogen datos. es el conjunto total de elementos de un estudio. es un subconjunto de la poblacin.

Poblacin muestreada Marco muestral

es la poblacin de la cual se extrae la muestra es una lista de los elementos de donde se seleccionar la muestra.

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

Muestreo de una poblacin finita

Poblaciones finitas se definen a menudo por listas tales como: Lista de los miembros de la organizacin. Nmeros de cuentas de tarjetas de crdito. Productos en inventario Una muestra aleatoria simple de tamao n tomada de una poblacin finita de tamao N es una muestra seleccionada de tal manera que todos los elementos de la poblacin tienen la misma probabilidad de ser seleccionados.
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

Muestreo de una poblacin finita

A veces queremos seleccionar una muestra, pero encontramos que no es posible obtener una lista de todos los elementos de la poblacin. Por lo tanto, no tenemos el marco muestral, y no podemos utilizar el procedimiento de seleccin de nmeros al azar. La mayora de las veces, esta situacin se presenta en los casos de poblacin infinita.

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

Muestreo de una poblacin infinita

Las poblaciones son a menudo generadas por procesos en marcha donde no hay lmite en el nmero de unidades que se pueden generar. Algunos ejemplos de estos procesos, son los siguientes: piezas que se fabrican en una lnea de produccin transacciones que tienen lugar en un banco las llamadas telefnicas que llegan a un servicio de asistencia tcnica los clientes que entran en una tienda
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

Muestreo de una poblacin infinita

En el caso de una poblacin infinita, debemos seleccionar una muestra aleatoria con el fin de hacer valer las inferencias estadsticas sobre la poblacin muestreada. Una muestra aleatoria de una poblacin infinita es una muestra seleccionada de modo que se cumplan las siguientes condiciones: Cada elemento seleccionado proviene de la poblacin de inters. Cada elemento se ha seleccionado en forma independiente.

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

Estimacin Puntual
La estimacin puntual es una forma de inferencia estadstica. Para una estimacin puntual, usamos datos provenientes de una muestra calculamos el valor del estadstico muestral que nos servir para estimar el parmetro poblacional. Nos referimos a: X como estimador puntual de la media m s como estimador puntual de la desviacin estndar s p como estimador puntual de la proporcin p
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

Distribucin Muestral de X
Proceso de inferencia estadstica
Poblacin con Media m=?
Se seleccionan de la poblacin una muestra aleatoria simple de n elementos

El valor de X se utiliza para hacer inferencias sobre el valor de m.

Los datos de la muestra proporciona un valor para la media muestral X

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

Distribucin Muestral de X
La distribucin muestral de X es la distribucin de probabilidad es de todos los posibles valores de la media muestral.
Valor Esperado de X E( X ) = m Donde: m = Media / Parmetro poblacional.

Cuando el valor esperado del estimador puntual es igual al parmetro de la poblacin, se dice que el estimador puntual es insesgado.
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

10

Distribucin Muestral de X
Desviacin Estndar de X
Usaremos la siguiente notacin para definir la desviacin estndar de la distribucin muestral de X.

sx = desviacin estndar de X s = desviacin estndar de la poblacin

n = tamao de la muestra
N = tamao de la poblacin

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

11

Distribucin Muestral de X
Desviacin Estndar de X
Poblacin Finita Poblacin Infinita

sx =

N-n N-1

s
n

sx =

s
n

Una poblacin finita es tratada como infinita si n / N < 0.05.

(N n) / (N 1) es el factor de correccin para poblaciones finitas.

sx se conoce como el error estndar de la media.

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

12

Distribucin Muestral de X
Cuando la poblacin tiene una distribucin normal, la distribucin muestral de X es una distribucin normal para cualquier tamao de la muestra. En la mayora de los casos, la distribucin muestral de X, se puede aproximar a la distribucin normal cuando la muestra es de tamao mayor o igual a 30. En los casos en que la poblacin es muy sesgada, o tiene valores extremos, las muestras tendran que ser un poco ms grandes, por lo menos 50. La distribucin muestral de X se puede utilizar para proporcionar informacin sobre la probabilidad de que tan cerca de la media muestral X est la media poblacional m.
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

13

Teorema del Lmite Central

Cuando la poblacin de la que seleccionamos la muestra aleatoria no tiene una distribucin normal, el teorema del lmite central es til para identificar la forma de la distribucin muestral de X.
TEOREMA DEL LMITE CENTRAL Si se seleccionan muestras aleatorias de tamao n de cualquier poblacin, la distribucin muestral de la media se aproxima a una distribucin normal conforme el tamao de la muestra se hace ms grande.
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

14

Teorema del Lmite Central

La distribucin muestral se aproxima a la distribucin normal.

Si la muestra es lo suficien temente grande (n 30) ...

X
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

15

Distribucin Muestral de P
Proceso de inferencia estadstica
Poblacin con Proporcin p=? Se seleccionan de la poblacin una muestra aleatoria simple de n elementos

El valor de P se utiliza para hacer inferencias sobre el valor de p.

Los datos de la muestra proporciona un valor para la proporcin muestral P

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

16

Distribucin Muestral de P
La distribucin muestral de P es la distribucin de probabilidad es de todos los posibles valores de la proporcin muestral.
Valor Esperado de P E( P ) = p Donde: p = Proporcin poblacional.

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

17

Distribucin Muestral de P
Desviacin Estndar de P
Poblacin Finita Poblacin Infinita P (1 P) n

sP =

N-n N-1

sP =

P (1 P) n

sP se conoce como el error estndar de la

proporcin.

(N n) / (N 1) es el factor de correccin para poblaciones finitas.

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

18

Forma de la Distribucin Muestral de P

La distribucin muestral de P es una distribucin BINOMIAL. Seleccionamos n elementos y cada uno slo toma dos valores:

Tiene el atributo XITO

NO tiene el atributo FRACASO P(xito) = Proporcin Poblacional = p

Por lo tanto, la distribucin muestral de p se puede aproximar a una NORMAL ya que el n es siempre grande y cumple con las condiciones de:
n * P > 5 y n * (1 P) > 5
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

19

Otros Mtodos de Muestreo

Muestreo Aleatorio Estratificado
Muestreo de Conglomerados Muestreo Sistemtico Muestreo de Conveniencia Muestreo de Juicio

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

20

Margen de Error y Estimacin por Intervalo

No se puede esperar que un estimador puntual nos proporcione el valor exacto del parmetro de la poblacin.
Un intervalo de estimacin, puede calcularse sumando y restando el margen de error al estimado puntual. Estimado puntual +/- Margen de Error.

El propsito de un estimado por intervalo es proporcionar informacin sobre cun cerca est la estimacin puntual del parmetro.
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

21

Margen de Error y Estimacin por Intervalo

La forma general de una estimador por intervalo de una media de poblacin es
X + Margen de Error

x Margin of Error
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

22

Estimacin por intervalo de la media poblacional: s conocido

Hay una probabilidad de (1 - ) de que la media muestral nos de un error menor o igual a Z/2sx Distribucin muestral de X

/2

(1-) de los valores de X.

/2

z / 2 s x

z / 2 s x

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

23

Estimacin por intervalo de la media poblacional: s conocido

+ [------------------------- X -------------------------]

/2
El intervalo NO incluye am

Distribucin (1-) de Muestral todos los de X valores de X /2

m
[------------------------- X -------------------------]

El intervalo SI incluye a m

[------------------------- X -------------------------] [------------------------- X -------------------------]

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

24

Estimacin por intervalo de la media poblacional: s conocido

X Z / 2
donde: X es la media muestral (1 -) es el coeficiente de confianza Z/2 es el valor de Z correspondiente a un rea de /2 en la cola superior de la distribucin normal estndar. s es la desviacin estndar de la poblacin n es el tamao de la muestra
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

s
n

Anlisis de Datos

25

Estimacin por intervalo de la media poblacional: s conocido

Valores de Z/2 para los Niveles de Confianza ms comnmente usados:
Nivel de Confianza /2 Valor de Z/2

90% 95% 99%

10% 5% 1%

5.0% 2.5% 0.5%

1.645 1.960 1.576

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

26

Significado de la Confianza
Porque el 90% de los intervalos construidos usando X + Z/2 sX contienen a la media poblacional, se dice que tenemos un 90% de confianza en que dicho intervalo incluye a la media poblacional m.
Decimos que este intervalo se ha construido con un nivel de confianza del 90%. El valor 0.90 se conoce como el coeficiente de confianza.

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

27

Estimacin por intervalo de la media poblacional: s conocido

Tamao adecuado de la muestra: En la mayora de los casos, una muestra de 30 es adecuada. Si la distribucin de la poblacin es muy sesgada o contiene valores extremos, se recomienda una muestra de 50 o ms. Si la poblacin no se distribuye normalmente, pero es ms o menos simtrica, un tamao de muestra tan pequea como de 15 ser suficiente. Si la poblacin se cree es aproximadamente normal, se puede usar una muestra de menos de 15.
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

28

Estimacin por intervalo de la media poblacional: s desconocido

En la mayora de aplicaciones el valor de la desviacin estndar s no es conocido. En esos casos se sugiere usar la desviacin estndar muestral como un estimado puntual de la desviacin estndar poblacional.
Este es el caso de s desconocido. En este caso, el intervalo de confianza estimado para m se basa en la distribucin t student. (Vamos a suponer que la poblacin se distribuye normalmente)
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

29

Distribucin t
La distribucin t es una familia de distribuciones. Cada distribucin t especfica depende de un parmetro llamado grados de libertad. Grados de libertad se refieren al nmero de piezas de informacin independientes que ingresan en el clculo de la desviacin estndar de la muestra s. A medida que aumentan los grados de libertad, la diferencia entre la distribucin t y la distribucin normal estndar es menor y menor. Para ms de 100 grados de libertad, Z es una buena aproximacin de t. Una distribucin t con ms grados de libertad tiene menos dispersin.
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

30

Distribucin t
Distribucin normal estndar Distribucin t (20 grados de libertad)

Distribucin t (10 grados de libertad)

Z/t

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

31

Estimacin por intervalo de la media poblacional: s desconocido

X t /2
donde: X es la media muestral (1 -) es el coeficiente de confianza t/2 es el valor de t correspondiente a un rea de /2 en la cola superior de la distribucin t-student con (n-1) grados de libertad. S es la desviacin estndar muestral n es el tamao de la muestra
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

S n

Anlisis de Datos

32

Estimacin por intervalo de la media poblacional: s desconocido

Tamao adecuado de la muestra: En la mayora de los casos, una muestra de 30 es adecuada y podemos usar en el calculo del intervalo de confianza la expresin: X + t/2 S / n. Si la distribucin de la poblacin es muy sesgada o contiene valores extremos, se recomienda una muestra de 50 o ms. Si la poblacin no se distribuye normalmente, pero es ms o menos simtrica, un tamao de muestra tan pequea como de 15 ser suficiente. Si la poblacin se cree es aproximadamente normal, se puede usar una muestra de menos de 15.
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

33

Estimacin por intervalo de la media poblacional

Si

s
Conocido

Podemos asumir que conocemos la Desviacin Estndar s?

No

Use la desviacin estndar muestral s para estimar s.

Use

X Z / 2

s
n

s
Desconocido

Use

X t /2

S n

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

34

Tamao de la muestra para estimar por intervalo la media poblacional

Sea E = el margen de error deseado. E es la cantidad que sumamos y restamos de la estimacin puntual para obtener un estimado por intervalo. Si seleccionamos un margen de error antes del muestreo, podemos determinar el tamao de muestra necesario para satisfacer dicho margen de error.

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

35

Tamao de la muestra para estimar por intervalo la media poblacional

Margen de Error

E = Z/ 2

s
n

Tamao de muestra necesario

(Z / 2 ) 2 s 2 n= 2 E

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

36

Tamao de la muestra para estimar por intervalo la media poblacional

La frmula del tamao de la muestra requiere el valor de la desviacin estndar s de la poblacin. Si s es desconocido, se puede utilizar en la ecuacin. un valor preliminar o un valor planificado de s. 1. Use una estimacin de la desviacin estndar de la poblacin calculada en algn estudio previo. 2. Use un estudio piloto para calcular una desviacin estndar muestral que podr estimar el valor de s. 3. Use el sentido comn o el best guess para asignar un valor de s.
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

37

Estimacin por intervalo de la proporcin poblacional

La frmula general para una estimacin por intervalo de una proporcin de la poblacin es:
p + Margen de Error

La distribucin muestral de p, que es la Binomial, juega un papel clave en el clculo del margen de error de esta estimacin por intervalo.
Dicha distribucin se puede aproximar por una distribucin normal cuando: n p > 5 y n (1 - p) > 5.
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

38

Estimacin por intervalo de la proporcin poblacional

Aproximacin normal de la distribucin muestral de p Distribucin Muestral de p

sp =

p (1-p)
n

/2

(1 - ) de todos los valores de p

/2
p

Z/2 sp

Z/2 sp

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

39

Estimacin por intervalo de la proporcin poblacional

p + Z/2
donde: p es la proporcin muestral (1 -) es el coeficiente de confianza Z/2 es el valor de Z correspondiente a un rea de /2 en la cola superior de la distribucin normal estndar n es el tamao de la muestra
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

p (1-p) n .

Anlisis de Datos

40

Tamao de muestra para estimar por intervalo la proporcin poblacional

Margen de Error

E = Z/2

p(1- p) n .

Tamao de muestra necesario Sin embargo, p no se conocer ni despus de obtener la muestra. Por ello para calcular el tamao de la muestra usaremos el estimado preliminar p*. (Z/2)2 p*(1- p*) n= E2 .
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

41

Tamao de muestra para estimar por intervalo la proporcin poblacional

Para determinar el valor preliminar p* se puede elegir entre: 1. Usar un estimado anterior, o 2. Seleccionar una muestra preliminar y usar la proporcin calculada a partir de esta muestra, o 3. Use el sentido comn o el best guess para asignar un valor p*, o 4. De lo contrario, use 0.50 como el valor de * p, que le dar la muestra ms grande posible.

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

42

Prueba de Hiptesis
Prueba de hiptesis: se utiliza para determinar si una declaracin acerca del valor de un parmetro debe o no debe ser rechazada.
La hiptesis nula, denotada por H0, es una afirmacin acerca de un parmetro de la poblacin. La hiptesis alternativa, representada por Ha, es lo contrario de lo que se afirma en la hiptesis nula. El procedimiento de prueba de hiptesis usa datos de una muestra para verificar las hiptesis planteadas H0 y Ha.
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

43

Desarrollo de las hiptesis nula y alternativa

No siempre es obvio cmo se deben formular las hiptesis nula y alternativa. Se debe tener mucho cuidado para estructurar las hiptesis de manera adecuada, para que la conclusin de la prueba provea la informacin que el investigador desea. El contexto de la situacin es muy importante para determinar cmo se deben formular las hiptesis. En algunos casos es ms fcil identificar primero la hiptesis alternativa. En otros, la nula es la ms fcil. Para una correcta formulacin de hiptesis se necesitar mucha prctica.
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

44

Resumen de Formas de las Hiptesis Nula y Alternativa acerca de la Media Poblacional

La parte de la hiptesis de la igualdad siempre aparece en la hiptesis nula. En general, una prueba de hiptesis acerca del valor de una media poblacional m debe tomar una de las tres formas siguientes (donde m0 es el valor hipottico de la media poblacional).
H0: m > m0 Ha: m < m0 Una Cola (izquierda) H0: m < m0 Ha: m > m0 Una Cola (derecha) H0: m = m0 Ha: m = m0 Dos Colas

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

45

Prueba de Hiptesis: Proceso

Yo creo que la media de la poblacin es 40 (Hiptesis)

Poblacin La media muestral es 22

m = 40?

Es

X = 22 @
No!

RECHAZO

Hiptesis

Muestra

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

46

Prueba de Hiptesis: Idea Bsica

NO es probable que obtengamos una muestra con media igual a este valor...... 22

... Si sta fuera la verdadera Media de la poblacin. m = 40

... Por lo tanto, RECHAZAMOS la Hiptesis de que m = 40.

Medias Muestrales

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

47

Hiptesis Nula y Alterna

Ejemplo: Medihelp Medihelp es un sistema de atencin de emergencias mdicas en la ciudad que se precia de tener el servicio ms rpido. Operando con muchas clnicas de la ciudad y contando con una flota de 20 ambulancias, tiene por meta atender todas las emergencias que se le presenten en un tiempo medio de 12 minutos o menos. El director mdico quiere plantear una prueba de hiptesis que usando una muestra de tiempos de respuesta, le permita saber si su meta se est cumpliendo o no.
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

48

Hiptesis Nula y Alterna

H0 : m < 12 El servicio de emergencia est logrando las metas; no se requiere ninguna accin de seguimiento. H1 : m > 12 El servicio de emergencia NO est logrando las metas; seguimiento adecuado de la accin es necesaria. donde: m = tiempo medio de respuesta a una emergencia mdica en la poblacin
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

49

Error Tipo I
Desde que una prueba de hiptesis se basa en datos de una muestra, nosotros debemos considerar la posibilidad de cometer error.
Error Tipo I es rechazar H0 cuando sta es CIERTA. La probabilidad de cometer error tipo I si la hiptesis nula es cierta, se llama nivel de significacin. Aplicaciones de prueba de hiptesis que slo controlan el error tipo I se denominan pruebas de significacin.

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

50

Error Tipo II
Error Tipo II es aceptar H0 cuando sta es FALSA. Es difcil controlar la probabilidad de cometer error Tipo II, representada por . Los estadsticos de alguna manera reducen el riesgo de cometer este error usando no rechazo H0 en lugar de acepto H0.

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

51

Errores Tipo I y Tipo II

Situacin Real H0 Cierta (m < 12) Decisin Correcta H0 Falsa (m > 12) Error tipo II

Conclusin No rechaza H0 (Concluye m < 12) Rechaza H0 (Concluye m > 12)

Error Tipo I

Decisin Correcta

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

52

Usando el valor-p en una prueba de hiptesis de una cola

El valor p es la probabilidad, calculada utilizando la prueba estadstica, que mide el apoyo (o la falta de apoyo) proporcionada por la muestra a la hiptesis nula. El valor-p es la probabilidad de obtener un valor del estadstico muestral igual o ms extremo que el observado. Si el valor-p es menor o igual que el nivel de significacin , el valor de su estadstico de prueba est en la regin de rechazo. Rechazar H0 si el valor-p < .
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

53

Pasos para una Prueba de Hiptesis

1. Determine las hiptesis nula y alternativa. 2. Especifique el nivel de significacin . 3. Seleccione el estadstico de prueba que utilizar para probar la hiptesis. 4. Recolecte los datos de la muestra y calcule el valor del estadstico de prueba. 5. Use el valor del estadstico de prueba para calcular el valor-p. 6. Rechazar H0 si el valor-p < .

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

54

Prueba de Hiptesis de una cola para la media de una poblacin: s conocida

Ejemplo: Medihelp Se ha recogido el tiempo de respuesta en emergencias mdicas para una muestra de tamao 40. La media muestral es 13.25 minutos. Se tiene el conocimiento de que desviacin estndar poblacional es 3.2 minutos. El director mdico del servicio desea plantear una prueba de hiptesis, con un nivel de significacin adecuado de si se cumple o no la meta de responder a toda emergencia antes de los 12 minutos.

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

55

Prueba de Hiptesis de una cola para la media de una poblacin: s conocida

Ejemplo: Medihelp

1. Determine las hiptesis nula y alternativa. H0: m < 12 Ha: m > 12

2. Especifique el nivel de significacin. = 0.05 3. Seleccione el estadstico de prueba que utilizar para probar la hiptesis. Por el TLC X se distribuye Normalmente 4. Recolecte los datos de la muestra y calcule el valor del estadstico de prueba. De la informacin muestral: X = 13.25
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

56

Prueba de Hiptesis de una cola para la media de una poblacin: s conocida

Ejemplo: Medihelp 5. Use el valor del estadstico de prueba para calcular el valor-p. Para X = 13.25 y s = 3.2 m0 = 12, entonces el Valor p = 0.0068 6. Rechazar H0 si el valor-p < . Como el Valor-p = 0.0068 < = 0.05, RECHAZAMOS H0 Existe suficiente evidencia estadstica para inferir que el Medihelp no est cumpliendo con la meta de respuesta de 12 minutos.
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

57

Intervalos de Confianza como aproximacin a una prueba de dos colas para la Media de la Poblacin
Seleccionar una muestra aleatoria simple de la poblacin y use el promedio muestral X para desarrollar un intervalo de confianza para la estimacin de m. Si el intervalo de confianza contiene el valor hipottico m0, entonces NO rechazar H0. De otro modo, rechazar H0.

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

58

Prueba para la media de una poblacin: s desconocida

Estadstico de Prueba
X m0 t= s/ n
Este estadstico de prueba tiene una Distribucin t-student con (n-1) grados de libertad.

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

59

Resumen de las Formas que toman las Hiptesis para la Proporcin Poblacional
Como se dijo ya, la igualdad siempre est en la hiptesis nula. En general, una prueba de hiptesis acerca del valor de una proporcin poblacional p debe tomar una de las tres formas siguientes (donde p0 es el valor hipottico de la proporcin poblacional). H0: p > p0 H0: p < p0 H0: p = p0 Ha: p < p0 Ha: p > p0 Ha: p = p0 Una Cola (izquierda) Una Cola (derecha) Dos Colas

Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

60

Prueba acerca de una Proporcin Poblacional

Estadstico de Prueba P se distribuye normalmente con media p0 y desviacin estndar sP. Donde: p0 (1 p0) sP = n
Asumiendo que n*p0 > 5 y n*(1 p0) > 5 Regla de Rechazo Rechazar H0 si valor p <
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

61

Prueba de Hiptesis y Toma de Decisiones

Hasta ahora, las aplicaciones de prueba de hiptesis se refieren a pruebas de significacin. En ellas, se compar el valor p con una probabilidad de cometer error tipo I, llamada nivel de significacin de la prueba. En una prueba de significacin, decidimos cul es esta probabilidad, luego la controlamos, sin embargo existe una probabilidad de cometer error tipo II que no controlamos. Por ello, se recomienda que la conclusin sea No rechazar H0" en lugar de Aceptar H0" ya que esto ltimo nos pone en riesgo de cometer un error tipo II.
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

62

Prueba de Hiptesis y Toma de Decisiones

Con la conclusin de No rechazar H0", la evidencia estadstica se considera NO concluyente. Por lo general, esto es una indicacin para posponer la decisin hasta obtener nueva evidencia. En muchas situaciones de toma de decisiones el tomador de decisiones, desea y en algunos casos puede ser obligado a tomar decisiones con ambas conclusiones: No rechazar H0" y Rechazar H0. En tales situaciones, se recomienda que el procedimiento de prueba de hiptesis se ample para incluir la probabilidad de cometer error tipo II.
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.

Anlisis de Datos

63

Clculo de P(Error tipo II) en Pruebas para la media poblacional

1. Formular la hiptesis nula y alternativa. 2. Use el nivel de significacin y con el estadstico de prueba correspondiente, determine el valor crtico y la regla de rechazo de la prueba. 3. Con el valor crtico hallado en 2, indicar los valores de la media muestral que conducen a la aceptacin de H0, lo que se define como regin de aceptacin. 4. Utilizando la distribucin muestral de X y valores de m que satisfagan la hiptesis alternativa, calcular la probabilidad de que la media muestral estar en la regin de aceptacin. (Esto es, la probabilidad de cometer error tipo II para dichos niveles de m)
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2012.