Media Poblacional

Media poblacional
Ejercicio 1) Una muestra de 16 mujeres de una gran ciudad dio para sus estaturas una media de 1,68 m y una varianza de 0,12 m. Se trata de ver si esta muestra es consistente con la Ho que la media en la ciudad es de 1,69 m Ejercicio 2) En una fbrica de conservas de fruta se desea verificar la Ho de que las latas resultan en promedio con un peso no inferior a 1 kg. Se sabe que el tamao de la fruta puede introducir una variacin en los pesos de las latas de manera que estos se distribuyan normalmente con una dispersin del 8%. Se efecta una muestra de 100 latas en la que se determina los pesos, resultando la =980 gr. Deseamos saber si la muestra comprueba o rechaza la Ho. Fijamos un coeficiente de riesgo igual al 5%. Ejercicio 3) La ganancia en peso promedio de 25 ovejas sometidas a una racin alimenticia durante un cierto perodo fue de 10 kg. Se desea comprobar si es posible afirmar que esta racin aumenta el peso al menos en 11 kg. durante dicho perodo con un nivel de significacin del 5% y suponiendo que la variancia del peso es igual a 4 kg. Ejercicio 4) Un fabricante dedicado a la elaboracin de alimento balanceado para cerdos, afirma que su producto aumenta el peso promedio en 150 gr. En una muestra de 18 cerdos tomados al azar se obtuvo un aumento de peso promedio de 125 gr. con una desviacin de 25 gr. Se puede suponer que la afirmacin del fabricante es correcta con un nivel de significacin del 1% ? Ejercicio 5) Un fabricante de lmparas elctricas sostiene que la duracin media de las mismas (horas) es en promedio superior a 1.300 h. Se toma una muestra de 17 lmparas siendo el resultado de la inspeccin el siguiente: 980 1.350 1.020 1.140 1.520 1.390 1.205 1.180 970 1.420 1.850 1.300 1.305 1.040 1.050 1.520 1.320 Verificar la Ho del fabricante con un coeficiente de riesgo del 5% (suponiendo la distribucin normal). Ejercicio 6) Una muestra de 9 explotaciones agrcolas arroj una media de 125 ha y un desvo de 25 ha. Testar si se puede suponer con bastante confiabilidad que el promedio verdadero de la poblacin de explotaciones puede ser 135 ha.
Ejercicio 7) En un establecimiento lechero, 18 vacas de raza Frisia, produjeron en promedio 70 kg. en la tercer semana luego del parto, con un desvo de 6 kg. Se puede asegurar ( = 0,05) que la produccin aument con respecto a una media de 65 kg.? Ejercicio 8) La vida media de una muestra de 100 tubos fluorescentes producidos por una empresa es de 1.570 h, con una desviacin tpica de 120 h. Si es la vida media de todos los productos de esa empresa, contrastar la hiptesis de que = 1.600 h Ejercicio 9) Las larvas de algunas mariposas monarcas concentran glucsidos cardacos a partir de plantas de algodn, que las hacen repugnantes para los pjaros, los cuales las evitan despus de un primer encuentro. Supngase que las mariposas han sido recolectadas en una localidad y que se han medido las concentraciones de glucsidos en relacin a sus pesos. Los datos resultantes son; la media= 0,200 gr. y S2= 0,012 gr. para n= 75. Probar la hipotesis nula de que = 0,150 gr. frente a la alternativa que es distinta. Ejercicio 10) Supngase que un fabricante de llantas mide en miles de millas el perodo de vida de 10 llantas. Determina que = 26,68 y S2= 12.
Probar la H0 de que = 25,0 con H1 > 25,0. Ejercicio 11) El peso de 12 latas de cerezas, en onzas, es: 11,9 12,3 12,6 11,8 12,1 11,5 12,7 11,3 11,9 12,0 11,8 12,1 La variacin estndar especificada es de 1/2 onza. Se cumple esta especificacin? Use el nivel de significacin del 1% y una prueba bilateral Ejercicio 12) El Departamento de Control de Calidad de una empresa que fabrica computadoras electrnicas estima que si la longitud de una determinada pieza presenta una varianza mayor a 4 mm. irremediablemente se producir una inutilizacin de una plaqueta en el trmino de 6 meses de uso. Una muestra de 15 piezas arroj una longitud media de 5
mm. con una desviacin estndar de 1,2 mm.. Qu conclusiones puede obtener el Departamento de Calidad de la empresa en cuanto a la calidad de la pieza analizada? [Vuelve al ndice]
Proporcin poblacional
Ejercicio 13) Se arroja una moneda al aire 200 veces, obtenindose 90 veces caras Probar la Ho: p = 0,5 contra la H1: p Ejercicio 14) En una muestra al azar de 400 productores, el 65% de ellos eran propietarios y el 33% no. Verifique la hiptesis de que la muestra proviene de una poblacin de la que el 60% son propietarios. Use una probabilidad de cometer un error de tipo I del 5%. Ejercicio 15) Se conoce por investigaciones ya realizadas que el 20% de la poblacin mayor de 15 aos fuma. Despus de efectuar una fuerte campaa televisiva y radial durante 6 meses, se decide estudiar si la poblacin adulta ha disminuido el hbito de fumar. Para ello selecciona una muestra aleatoria de 1000 personas adultas a las que somete a una determinada encuesta, resumida la informacin proporcionada por el trabajo de campo, se observ que el 12% de las personas encuestadas fumaba habitualmente. Probar la hiptesis que la campaa publicitaria ha disminuido la cantidad de fumadores 0,5; a un nivel de significacin del 5%.
Curso
Inferencia Estadstica Bsica para Ingenieros Agrnomos
Augusto Dante Bergagna (Profesor en Matemtica, FFDC, UNL) Profesor Adjunto, Ctedra de Estadstica, FCA, UNL Obra para optar al Master en Informtica Educativa
otorgado por Universidad Nacional de Educacin a Distancia (UNED, Espaa)
Presentacin
El Curso sobre Inferencia Estadstica Bsica para Agrnomos, est orientado a que el alumno aprenda acerca de los mtodos ms importantes de Inferencia Estadstica, como lo son el mtodo de Estimacin de Parmetros y Test de Hiptesis, fundamentalmente de tipo paramtrico. Ello le permitir resolver una gran cantidad de situaciones problemticas que se presentan en las prcticas diarias de un Ingeniero Agrnomo. Al finalizar el curso, el participante, podr elegir y calcular el mejor estimador puntual de un parmetro, construir e interpretar intervalos de confianza para diferentes parmetros poblacionales y testear valores de tales parmetros que l mismo elija o determine. Este programa pertenece a la Facultad de Ciencias Agrarias de la Universidad Nacional del Litoral.
Contenidos
Parte 1:Estimacin de Parmetros. Estimacin Puntual. Propiedades de un buen estimador. Estimacin por intervalos de confianza de la media poblacional, la proporcin poblacional, la varianza poblacional y la diferencia de medias. Parte 2: Test de hiptesis. Generalidades. Hiptesis estadsticas: hiptesis nula y alternativa. Errores de tipo I y II. Potencia de un test. Test de hiptesis con respecto a la media de una poblacin normal con varianza conocida o desconocida. Estadsticos de prueba. Regla de decisin. Test de hiptesis respecto de la varianza poblacional y del cociente de dos varianzas poblacionales de poblaciones normales. Estadsticos de prueba. Reglas de decisin. Test de hiptesis respecto de la diferencia de dos medias poblacionales correspondientes a dos poblaciones normales con varianzas conocidas o desconocidas. Estadsticos de prueba. Reglas de decisin. Test de hiptesis respecto de una proporcin y de la diferencia de dos proporciones.
Destinatarios
Este programa est orientado a:

Potenciales responsables del anlisis de datos procedentes de determinados experimentos o estudios. Graduados universitarios con inters de formarse en anlisis inferencial de datos. Usuarios particulares que deseen resolver los problemas comunes en Estadstica Inferencial. Alumnos que desean adquirir una formacin bsica en el rea de Estadstica Inferencial.
Metodologa y recursos
El estudiante del Curso de Inferencia Estadstica Bsica recibir los siguientes materiales para su estudio personal: - Guas Didcticas con los contenidos bsicos. - Guas de Trabajos Prcticos para realizar en su casa. El estudiante del Curso de Inferencia Estadstica Bsica tendr disponible los siguientes recursos: - E-mail para consultas. - Sitio WEB del Curso con materiales para bajar directamente a su PC.
Requisitos de inscripcin y promocin

Son requisitos de Inscripcin:

Tener aprobado estudios de nivel medio, o adeudar no ms de dos asignaturas o espacios curriculares. Tener conocimientos bsicos de manejo de calculadora cientfica, Estadstica Descriptiva, Clculo de probabilidades, Variables Aleatorias Discretas y Continuas, Distribucin de los Estadsticos en el Muestreo.
Son requisitos de Promocin:
Realizar, presentar y aprobar dos trabajos prcticos parciales (evaluaciones) a distancia.
Cronograma
14/8/02 al 25/8/02: Estimacin de Parmetros 26/8/02 al 5/9/02: Test de Hiptesis 6/9/02 al 12/9/02: Envo de Evaluaciones (Trabajos Prcticos Parciales) PARA MAYOR INFORMACIN: Escribir a abergagn@fca.unl.edu.ar para consultas acadmicas(Contenidos, Clases, Materiales, etc) y para consultas administrativas
INTRODUCCIN El objetivo ms importante de la Estadstica es obtener una inferencia con respecto a la poblacin basndose en la informacin contenida en una muestra. Como las poblaciones se describen mediante medidas numricas denominadas parmetros, el objetivo de la mayora de las invrestigaciones estadsticas es deducir una inferencia con respecto a uno o ms parmetros de la poblacin. Se han estudiado, hasta el momento, las nociones fundamentales de distribucin de probabilidades; se est en condiciones, entonces, de tratar los mtodos de inferencia estadstica, los cuales comprenden los procedimientos para estimar parmetros de poblaciones y probar (contrastar) si una afirmacin provisional sobre un parmetro poblacional se ve apoyada o desaprobada ante la evidencia de la muestra. Hablando en general, hay dos tipos de inferencia: la deductiva y la inductiva. Una inferencia deductiva es un juicio o generalizacin que se basa en un razonamiento o proceso dialctico a priori. Por ejemplo, se supone que dos monedas estn perfectamente equilibradas y que entonces la probabilidad de cada una de caer "cara" es = 0,5 (premisa). La media o nmero esperado de "caras" en la jugada de las monedas deber ser 1 (conclusin). Si las premisas son ciertas, las conclusiones no pueden ser falsas. Una inferencia inductiva , por otra parte, es un juicio o generalizacin derivado de observaciones empricas o experimentales; la conclusin sobre el nmero promedio de "caras" con base en los resultados de una muestra de prueba. Si los resultados de las pruebas son diferentes, la conclusin tambin ser diferente. No se requiere una suposicin a priori sobre la naturaleza de las monedas. La inferencia estadstica es primordialmente de naturaleza inductiva y llega a generalizaciones respecto de las caractersticas de una poblacin al valerse de observaciones empricas de la muestra. Es muy probable que una estadstica muestral sea diferente del parmetro de la poblacin y slo por coincidencia sera el uno exactamente igual al otro. La diferencia entre el valor de una estadstica muestral y el correspondiente parmetro de la poblacin se suele llamar error de estimacin. Slo se sabra cul es el error si se conociera el parmetro poblacional, pero ste por lo general se desconoce. La nica manera de tener alguna certeza al respecto es hacer todas las observaciones posibles del total de la poblacin en la mayora de las aplicaciones prcticas, lo cual, desde luego, es imposible o impracticable. Y en efecto, la razn de ser de la inferencia estadstica es la falta de conocimientos acerca de las caractersticas de la poblacin. Pero que tales caractersticas se desconozcan no impide el que se acte. Las inferencias estadsticas se hacen por posibilidades o probabilidades. De la media de la muestra se hacen inferencias sobre la media de la poblacin. No se sabe exactamente cul es la diferencia entre estas dos medias, ya que la ltima es desconocida en la mayora de los casos. No obstante, si se sabe que es ms bien poca la probabilidad de que esta diferencia sea mayor que, por ejemplo, tres a an dos errores estndares.
Los problemas que se tratan en la inferencia estadstica se dividen generalmente en dos clases: los problemas de estimacin y los de prueba de hiptesis. Como al estimar un parmetro poblacional desconocido se suele hacer una afirmacin o juicio este ltimo ofrece solamente una estimacin. Es un valor particular obtenido de observaciones de la muestra. No hay que confundir este concepto con el de estimador, que se refiere a la regla o mtodo de estimar un parmetro poblacional. Por ejemplo, se dice que X es un estimador de porque la media muestral proporciona un mtodo para estimar la media de la poblacin. Un estimador es por naturaleza una estadstica y como tal tiene una distribucin. El procedimiento mediante el cual se llega a la obtencin y se analizan los estimadores se llama estimacin estadstica, que a su vez se divide en estimacin puntual y estimacin por intervalos. ESTIMACION: GENERALIDADES El uso principal de la inferencia estadstica en la investigacin emprica, es lograr conocimiento de una gran clase de unidades estadsticas (seres humanos, plantas, parcelas de tierra), de un nmero relativamente pequeo de los mismos elementos. Los mtodos de inferencia estadstica emplean el razonamiento inductivo, razonamiento de lo particular a lo general y de lo observado a lo no observado. Cualquier coleccin o agregacin grande de cosas que deseamos estudiar o de las cuales deseamos hacer inferencias, se llama poblacin. El trmino poblacin tiene ms significado cuando se lo junta con la definicin de muestra de una poblacin: una muestra es una parte o subconjunto de una poblacin. Una muestra de n elementos de la poblacin de N elementos, debera ser seleccionada de forma tal que las caractersticas de la poblacin puedan ser estimados con un margen de error conocido. Los valores de varias medidas descriptivas calculadas para las poblaciones, se llaman parmetros. Para las muestras, estas mismas medidas descriptivas se llaman estadsticas. Un parmetro describe una poblacin de la misma manera que una estadstica describe a una muestra. Es costumbre simbolizar las estadsticas con letras romanas y los parmetros con letras griegas. Estadstica Media aritmtica Variancia Desvo estndar Coeficiente de correlacin S S R Parmetro 2
Una estadstica calculada a partir de una muestra es un estimador del parmetro en la poblacin. Una estimacin es alguna funcin de los resultados de una muestra que produce un valor, llamado estimador. El estimador da alguna informacin respecto al parmetro. Por ejemplo, la media de la muestra, , es un estimador de la media en la poblacin. Las poblaciones pueden ser infinitas o finitas. Para la mayora de los propsitos de investigacin, se supone que las poblaciones son infinitas, no finitas, en tamao, las cuales son algo artificial o imaginario. Una poblacin finita puede ser extremadamente grande. Es posible concebir un proceso de conteo de los elementos de la poblacin, el cual puede ser computado; luego la poblacin es tcnicamente finita. Afortunadamente no es necesario crear problemas en cuanto a la distincin entre poblaciones infinitas y finitas. El mtodo usado para seleccionar la muestra es muy importante al juzgar la validez de la inferencia que se hace de la nuestra a la poblacin. Para que una muestra sirva adecuadamente como base para obtener estimadores de parmetros poblacionales, debe ser representativa de la poblacin. El muestreo al azar de una poblacin producir muestras que "a la larga" son representativas de la poblacin. Si una muestra se extrae aleatoriamente, es representativa de la poblacin en todos los aspectos, esto es, la estadstica diferir del parmetro solo por azar. La habilidad para estimar el grado de error debido al azar (error de muestreo), es un rasgo importante de una muestra al azar. ESTIMACIN DE PARMETROS La teora clsica de la Inferencia Estadstica trata de los mtodos por los cuales se selecciona una muestra de una poblacin y, basndose en las pruebas de las muestras, se trata de: * Estimar el valor de un parmetro desconocido, por ejemplo . * Verificar si es o no igual a cierto valor predeterminado, por ejemplo 0. El primero de estos dos procedimientos, de inferir de una muestra a una poblacin, se llama estimacin de un parmetro; el segundo, prueba de una hiptesis acerca de un parmetro. Dentro del primer procedimiento, la estimacin de un parmetro puede tener por resultado un solo punto (estimacin puntual), o un intervalo dentro del cual exista cierta probabilidad de encontrarlo (estimacin por intervalos).
Un estimador puntual es un nico punto o valor, el cual se considera va a estimar a un parmetro. La expresin E( ) = sugiere que el nico valor de es un estimador puntual insesgado o no viciado de . Un estimador por intervalo se construye sobre el concepto de un estimador puntual, pero adems, proporciona algn grado de exactitud del estimador. Como el trmino lo sugiere, un estimador por intervalo es un rango o banda dentro de la cual el parmetro se supone va a caer. PROPIEDADES DE UN BUEN ESTIMADOR Para poder utilizar la informacin que se tenga de la mejor manera posible, se necesita identificar las estadsticas que sean buenos estimadores, cuyas propiedades son: Insesgabilidad: , estimador de es una variable aleatoria y por lo tanto tiene una distribucin de probabilidad con una cierta media y variancia. Se puede definir estimador insesgado diciendo: Si se utiliza un estadstico muestral para estimar el parmetro de la poblacin , se dice que es un estimador insesgado de , si la esperanza matemtica de coincide con el parmetro que desea estimar. En smbolos: es insesgado
O sea que es de esperar que si se toman muchas muestras de igual tamao partiendo de la misma distribucin y si de cada una se obtiene un valor , la media de todos los valores de ha de estar muy cerca de . Por ejemplo: * La media muestral es un estimador insesgado de la media poblacional, o sea que E( ) = * La variancia muestral, es un estimador insesgado de la variancia poblacional? La respuesta depende de como se defina la variancia muestral.
Si an,
, entonces S es un estimador sesgado de pues
. Mas
. Pero el sesgo se puede corregir alterando la definicin de variancia muestral.
En efecto, si es la variancia muestral corregida, entonces ( y S es un estimador insesgado de .
Eficiencia: si se utilizan dos estadsticos como estimadores del mismo parmetro, entonces aquel cuya distribucin muestral tenga menor variancia, es un estimador ms eficiente o ms eficaz que el otro. Es decir: es eficiente mnima. , procedemos como
Luego, si tenemos dos estimadores y de un mismo parmetro sigue para hallar el ms eficiente entre ellos.
Se halla la razn Si K > 1, Si K < 1, es ms eficiente que es ms eficiente que y usaremos y usaremos . .
Si K = 1, y son igualmente eficientes y se puede utilizar cualquiera de los dos indistintamente. Supongamos que una variable aleatoria X tiene una distribucin simtrica. Por lo tanto la media aritmtica y la mediana son iguales. Si se toma una muestra de esta distribucin, qu estadstico muestral, o , debera utilizarse para estimar la media de la poblacin ? La respuesta depende de cul es el estimador ms eficaz. Ambos son insesgados, pero la variancia de es menor que la de , es decir que . Por lo tanto la media muestral es un estimador ms eficaz que la mediana muestral. Consistencia: Si es un estimador muestral calculado a partir de una muestra de tamao n y si es el parmetro de poblacin que se va a estimar, entonces es un estimador consistente de si la probabilidad de que el valor absoluto de la diferencia entre y su esperanza iguale o supere a e (error admitido que tiende a cero, o sea que es tan pequeo como se quiera), tienda a cero cuando el nmero de elementos de la muestra tienda a infinito. En smbolos: si n O equivalentemente: si n
Es decir, para que el estimador sea consistente, es necesario que la probabilidad de que est a menos de cierta distancia "e" del parmetro , tienda a 1 al tender n a infinito. Por ejemplo, se sabe que la media muestral y la variancia son estimadores consistentes ya que tienden a acercarse a los correspondientes valores de la poblacin a medida que aumenta el tamao de la muestra, pero un estadstico muestral puede ser un estimador
sin consistencia. Por ejemplo, si el valor de la primera observacin o la media entre la primera y ltima observacin de una muestra se utilizaran para estimar la esperanza de la poblacin, tal estimador no sera consistente pues no tiende a acercarse ms y ms al valor de la poblacin cuando se aumenta el tamao de la muestra. Suficiencia: Un estimador suficiente del parmetro es aquel que agota toda la informacin pertinente sobre que se puede disponer en la muestra. Por ejemplo, si se toma una muestra de n = 30 valores con el fin de estimar , pueden utilizarse como estimadores la primera, la dcimo quinta o la ltima observacin, o el promedio entre la primera y la quinta observacin. Pero estos estimadores no son suficientes pues no contienen toda la informacin disponible de la muestra. La media aritmtica calculada con las 30 observaciones s lo es pues tiene en cuenta todas las observaciones. En definitiva, por ejemplo la media aritmtica muestral y la forma corregida de la variancia muestral, son estadsticas que satisfacen los criterios o propiedades de "buenos" estimadores. ESTIMACIN POR INTERVALOS DE CONFIANZA Lo dicho hasta ahora se refiere a una estimacin puntual, es decir, estimar un parmetro a travs de un nico valor. Esta estimacin no es muy conveniente pues con ella no se puede determinar el error de muestreo, ni la precisin de la estimacin, ni la confianza que merece tal estimacin. Existen otros mtodos para estimar parmetros poblacionales que son mucho ms precisos. Por ejemplo: * Mtodo de los mnimos cuadrados: se ver en Teora de la Regresin. * Mtodo de los momentos: no se desarrollar. * Mtodo de la mxima verosimilitud: que se basa en el principio de que generalmente ocurre lo ms probable (no se desarrollar) * Mtodo de estimacin por intervalos de confianza: que se desarrolla a continuacin. El procedimiento de determinar un intervalo (a, b) que comprenda un parmetro de poblacin con cierta probabilidad 1 - , se llama estimacin por intervalos. Se vern los casos paramtricos, es decir aquellos en los que se tiene conocimiento del tipo de distribucin de la poblacin (Binomial, Poisson, Normal, etc.) En general, para cualquier parmetro y su correspondiente estimador de confianza ser: 1, el intervalo
Donde:
es el lmite inferior del intervalo de confianza. es el lmite superior del intervalo de confianza. k es una constante no negativa. Es el llamado multiplicador correspondiente a 1 - . es la probabilidad de que el intervalo no incluya al verdadero valor del parmetro. 1 - es el nivel de confianza, es una medida de la fiabilidad de la estimacin. Por ejemplo, si se toma = 10%, entonces 1 - = 90% y se dice que se tiene un intervalo de confianza del 90% y que la probabilidad de que el intervalo contenga al verdadero valor del parmetro es del 90%. Es decir, que si repetidamente se muestra y se construye tal intervalo una y otra vez, 90 de cada 100 de estos intervalos, contendr al parmetro y 10 de ellos no. Se puede pensar que 1 significa certeza, seguridad y significa riesgo. La seguridad menos el riesgo, es decir 1 - da, por lo tanto, el coeficiente de confianza de nuestras afirmaciones. En el caso anterior, se tiene una confianza de que 90 de cada 100 intervalos que se extraigan como muestra, contendrn el verdadero valor del parmetro. Pero una vez determinado el intervalo, es decir, una vez calculados numricamente los extremos, ya no debe hablarse en trminos de confiabilidad ni en trminos probabilsticos, pues la situacin pasa a ser completamente determinstica. De tal manera, asociado a un intervalo de confianza ya calculado, se tiene una probabilidad 0 1 de que contenga al parmetro a estimar y no hay otra opcin, ya que lo contiene o no lo contiene. Resumiendo, los extremos del intervalo son variables aleatorias, mientras que el parmetro a determinar es constante. En general, los pasos a seguir para estimar un parmetro por el mtodo de los intervalos de confianza, son: * Fijar el coeficiente de confianza que se desea en la estimacin. * Extraer la muestra y calcular el o los estadsticos necesarios. * Determinar la distribucin en el muestreo que tiene el estadstico empleado.
INTERVALO DE CONFIANZA PARA LA MEDIA POBLACIONAL CASO 1) Con conocido: Sea donde es desconocido y conocido. la media
Sea x1, x2, ... , xn una muestra aleatoria de la variable aleatoria X y sea muestral.
Se sabe que del lmite.
independientemente del valor de n, por el teorema central
Luego, tipificando:
Se plantea:
entonces:
Observaciones: - Si las muestras se toman sin reposicin de una poblacin finita de tamao N, debe emplearse el factor de correccin por finitud y el intervalo ser:
- Si la poblacin es slo aproximadamente normal, la igualdad sigue siendo vlida en forma aproximada. Ejemplo 1: Un grupo de investigadores en Medicina desea estimar el cambio medio de presin sangunea por paciente en un sanatorio. Se ha seleccionado una muestra al azar de 30 pacientes y se hall que puls/seg. Los investigadores saben que la desviacin estndar de los cambios de presin sangunea para todos los pacientes es = 3 puls/seg segn estudios anteriores. Ellos desean estimar el cambio medio de la presin sangunea por paciente con un intervalo del 95% de confianza, suponiendo que la variable aleatoria "cambios de presin sangunea" tiene asociada una distribucin normal de probabilidad. Respuesta: X = cambio en la presin sangunea por paciente del sanatorio (en pulsaciones por segundo) n = 30 Por tabla: = 3 1 - = 0.95 Entonces:
Lmite inferior (LI) =
Lmite superior (LS) = Por lo tanto resulta el Intervalo del 95% de confianza para la media: ICM0,95 = (3,9 ; 6,1) Luego, puede decirse que el cambio medio en la presin sangunea por paciente, pertenece al intervalo (3,9 ; 6,1) pulsaciones, con un nivel de confianza del 95%. Observacin: Ntese que se cae en un abuso de lenguaje pues se debera decir que el intervalo (3,9 ; 6,1) pulsaciones pertenece a la sucesin que ofrece un nivel de confianza del 95% para estimar el cambio medio de presin sangunea, pero se simplifica la expresin para hacerla menos engorrosa o extensa.
En cuanto al tamao ptimo de muestra, = e determina el error mximo admitido de muestreo e indica la precisin de la estimacin. Lgicamente se pretende que sea lo ms pequeo posible. Por otra parte, (1 - ) es el coeficiente de confianza y se pretende que sea lo ms grande posible. Pero mayor el coeficiente de confianza (1 - ), el valor depende del valor de y al hacer ser mayor y por lo tanto el error
aumentar. Esto se puede regular aumentando el tamao de la muestra con lo que el error disminuir.
Para el ejemplo 1,
con un nivel de confianza del 95%.
Si se desea elevar el nivel de confianza a 99%, pero sin aumentar el error e de estimacin, el tamao de la muestra debera ser:
O sea que debe tomarse una muestra de aproximadamente 52 pacientes en lugar de 30. Por el contrario, si el investigador deseara un error de estimacin menor, por ejemplo 1 puls/seg, manteniendo el nivel de confianza en 95%, el tamao de la muestra requerido ser:
pacientes. CASO 2) Con desconocido Para estimar se debe utilizar el desvo estndar muestral corregido.
, ya que segn se ha visto, es un estimador insesgado del correspondiente parmetro poblacional . Reemplazando en la variable tipificada por resulta:
Por lo tanto:
= 1-
Ejemplo 2: Una muestra de 15 aves tomadas al azar en un establecimiento con 5000 aves, (que elabora alimentos balanceados), permiti establecer un aumento de peso promedio de 90 g por semana y por ave, y un desvo tpico de 10 g. Se busca estimar el incremento de peso promedio para las 5000 aves del establecimiento con un intervalo de confianza del 90%. Respuesta: X = aumento de peso por ave n = 15 = 90 g S = 10 g ICM0,90?
Por tabla: y el intervalo resulta:
Interpretando este resultado, se dice que el aumento de peso por ave por semana en el establecimiento est entre 85,5 y 94,6 gramos, con un 90% de confianza. INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS CASO 1: Poblaciones normales y con y conocidos.
Se fija el nivel de confianza (1 - ), se extraen dos muestras independientes de X1 y X2 de tamao n. Ya se ha visto que:
y el estadstico tipificado tiene la siguiente
distribucin:
(1)
Adems,
(2)
Reemplazando en (2), a Z por la expresin (1), se obtiene:
Donde:
Ejemplo 3: Al determinar la superficie en miles de hectreas de las explotaciones agrcolo-ganaderas de cierta zona, una muestra de 40 explotaciones dio una superficie media de 900 ha, con una desviacin tpica de 300 ha. En otra zona, al muestrear tambin 40 explotaciones, la superficie media fue de 600 ha con una desviacin tpica de 150 ha. Suponiendo que en ambas zonas la variable "superficie en ha por explotacin" se distribuye normalmente, estimar por un intervalo de confianza del 90%, la diferencia entre las superficies medias de las explotaciones de ambas zonas. Respuesta: X1 = superficie de cada explotacin agrop. de la primera zona X2 = superficie de cada explotacin agrop. de la segunda zona , Por tabla: Luego: n = 40 ICDM0,90?
= = 300 87,24 = (212,76 ; 387,24) = (212,8 ; 387,2) Interpretando este resultado, se dice que la diferencia entre las superficies medias de las explotaciones agrcolo-ganaderas de ambas zonas, se encuentra entre 212,8 y 387,2 ha, con un 90% de confianza. Observacin: En la frmula tambin puede utilizarse considerarse en lugar de y en ese caso debe
CASO 2: Poblaciones normales desconocidos
con
Se extraen dos muestras independientes (una de cada poblacin) de tamaos n1 y n2 respectivamente, se fija (1 - ), se calculan y su diferencia. a) Si 1 y 2 son desconocidos pero estadsticamente pueden considerares iguales ( 1 = 2), se estiman por y se procede como en el caso 1. (Sa es la variancia amalgamada o mancomunada) b) Si 1 y 2 son desconocidos pero estadsticamente no pueden considerarse iguales ( 1 2), Se fija (1 - ), se extraen dos muestras independientes, se calcula distribucin en el muestreo del estadstico de prueba, ya tipificado, es: y la
t donde el nmero de grados de libertad de la distribucin t de Student viene dado por la frmula:
De manera anloga al primer caso, se deduce que:
Ejemplo 4: Las variables aleatorias X1 y X2 distribuidas normalmente, representan las edades al morir de tuberculosis de los individuos en dos ciudades. Una muestra de 10 individuos que murieron por tal enfermedad en la primera ciudad dio una edad media de 48 aos y una desviacin tpica de 5 aos. En la segunda ciudad, una muestra de 12 individuos dio una edad media de 41 aos y una desviacin tpica de 3 aos. Se desea estimar por intervalos con un 95% de confianza, la diferencia entre las edades medias de los muertos por tuberculosis en ambas ciudades, sabiendo que investigaciones anteriores no permiten tomar las desviaciones tpicas de ambas variables como iguales. X1 = edad al morir de tuberculosis en la ciudad A. X2 = edad al morir de tuberculosis en la ciudad B.
n1 = 10,
, S1 = 5 , S2 = 3, 1 2 ICDM0,95?
n2 = 12,
Respuesta:(corresponde al item b) del caso 2) Con estos datos, reemplazamos en la frmula para calcular los grados de libertad:
grados de libertad. Luego, por tabla, t0,05; 15 = 2,1315 y finalmente el intervalo resulta:
ICDM0,95 = = 7 3,843 = (3,157 ; 10,843) (3 ; 11) Interpretando el resultado se puede decir que la diferencia entre las edades medias de las personas que murieron de tuberculosis en ambas ciudades, se encuentra entre 3 y 11 aos, con una confianza del 95%.
INTERVALO DE CONFIANZA PARA LA VARIANCIA POBLACIONAL Suponemos: Poblacin normal X N( , ) Se fija (1 - ) y el estadstico tipificado de prueba tiene una distribucin muestral:
(1) donde 2 es la variancia poblacional.
Adems: Reemplazando (1) en (2) resulta:
(2)
Invirtiendo fracciones:
Multiplicando miembro a miembro por (n - 1) .S2 para despejar 2, se obtiene:
Invirtiendo la desigualdad: Ejemplo 5: Un productor de fertilizantes, para controlar el buen embolsado de sus productos, pesa 15 bolsas del mismo, obteniendo una desviacin tpica de 0,50 kg. Qu varianza puede inferirse con un 98% de confianza que tendr la produccin total? Respuesta: X = peso de cada bolsa de fertilizante n = 15 S = 0,50 kg. ICV0,98?
Por tabla: Luego, el intervalo buscado es:
Se interpreta este resultado diciendo que existe un 98% de confianza de que la variancia del peso por bolsa en toda la produccin de bolsas de fertilizantes de ese productor est entre 0,12 y 0,75 Observaciones: 1) Del intervalo de confianza visto para la variancia, se deduce el correspondiente para el desvo tpico:
Para el ejemplo 5: 2) Si n > 100 , los valores ya no se encuentran en la tabla de la distribucin Chi cuadrado, y por lo tanto se la aproxima a una normal, utilizando para aproximar percentiles en esta distribucin:
Y el intervalo buscado es:
INTRODUCCIN Recurdese que muchas veces el objetivo de la Estadstica es hacer inferencias con respecto a parmetros poblacionales desconocidos, basadas en la informacin obtenida mediante datos muestrales. Estas inferencias se expresan en una de dos maneras, como estimaciones de los parmetros respectivos o como pruebas de hiptesis referentes a sus valores. En este captulo o parte se estudiar el tema de la prueba (o contraste, o test) de hiptesis. Con frecuencia, los problemas a los que se enfrenta el cientfico o el experimentador no se refieren slo a la estimacin de un parmetro poblacional como se indic en el captulo precedente, sino, y es an ms frecuente en los problemas prcticos, el que se tenga que formular un procedimiento de decisin basado en los datos que conduzcan a una conclusin acerca de algn planteamiento cientfico. Esta es la situacin en que se encuentra, por ejemplo, un investigador que pretende demostrar que la droga A es ms efectiva para el tratamiento de cierta enfermedad que la droga B; cuando un siclogo desea comprobar si cierto formato de instruccin incrementar la eficiencia en el aprendizajes; cuando un ingeniero agrnomo desea comprobar si una nueva distancia de siembra entre surcos, para un cultivo, produce mejores rendimientos que las distancias que se usaban comnmente en la zona; cuando el jefe de marketing asegura que determinado producto se aceptado por el 60% de la poblacin consumidora, etc. En cada uno de los anteriores casos el responsable del estudio postula o conjetura algo acerca de un sistema. Estos constituyen enunciados provisionales, puesto que al no poder integrar el cmulo de sus conocimientos todo lo concerniente a la situacin,
aparece la incertidumbre. La funcin de la estadstica en su aspecto inferencial es la de apoyar el razonamiento para llegar a decisiones slidas a pesar de la incertidumbre. Al respecto, es tan importante el papel que desempea la estadstica en estas situaciones que se suele hablar de la estadstica moderna como "el estudio de las decisiones ante la incertidumbre". Se puede decir que se llaman decisiones estadsticas a las decisiones que deben tomarse con respecto a las poblaciones a partir de una informacin obtenida de una muestra de las mismas. Por ejemplo, a partir de los datos del muestreo podemos querer llegar a decidir si un suero nuevo es realmente efectivo para la cura de una enfermedad, si un sistema educacional es mejor que otro, si una moneda est o no cargada, etc. En los casos que se han sealado se observa que se deben tomar decisiones con base en datos experimentales. Y si hay que tomar decisiones es porque hay alternativas; cada una de estas alternativas es formalizada como una hiptesis estadstica y el proceso mediante el cual se enfrentan o confrontan las hiptesis al tomar como punto de apoyo los datos muestrales constituye lo que se denomina prueba o contraste de hiptesis. ELEMENTOS DE UN TEST DE HIPTESIS. Una hiptesis es una suposicin sobre la naturaleza de una poblacin. Las hiptesis generalmente estn expresadas en trminos de parmetros poblacionales. Las siguientes son algunos ejemplos de hiptesis: = 5 (la media poblacional es igual a 5) < 67 (la media poblacional es menor que 67)
2
= 4 (la variancia poblacional es igual a 4) >11 (la variancia poblacional es mayor que 11)
Un test de una hiptesis es un procedimiento estadstico usado para tomar una decisin sobre el valor de un parmetro poblacional. La hiptesis nula (H0) especifica el valor de un parmetro poblacional. Se conduce un experimento para ver si el valor especificado no es razonable. Ejemplo :Un semillero publicita que el peso promedio de una espiga de una cierta variedad es de 180 gramos con una desvo estndar de 30 gramos. Un productor de avanzada sospecha que el peso es distinto de 180 gramos, decide por lo tanto conducir un experimento. El propsito del mismo es ver si el peso de 180 gramos es incorrecto. Por lo tanto la hiptesis nula de inters es: H0 : = 180 gramos La hiptesis alternativa (H1) da una suposicin opuesta a aquella presentada en la hiptesis nula. El experimento se lleva a cabo para conocer si la hiptesis alternativa puede ser sustentada.
En el ejemplo previo el productor sospecha que el peso medio es distinto de 180 gramos. Esta es la hiptesis a ser sustentada y as la hiptesis alternativa es: H1 > 180 gramos < 180 gramos 180 gramos
Se puede ver que las hiptesis son excluyentes. La hiptesis alternativa frecuentemente se llama hiptesis de investigacin, porque este tipo de hiptesis expresa la teora que el investigador o experimentador cree va a ser verdadera. Un test estadstico es una cantidad calculada de la muestra y se usa cuando se va a hacer una decisin sobre la hiptesis de inters. Despus que el productor de este ejemplo prueba la variedad en 50 parcelas sembradas al azar, seleccionando un conjunto de espigas por parcela, el test estadstico debe ser calculado. Por ejemplo la media de la muestra se podra usar como test estadstico para tomar una decisin acerca del valor de , o si se obtiene una muestra suficientemente grande se podra utilizar una estadstica z para comparar el valor observado de con respecto a 180 gramos especificado en la hiptesis nula. As un posible test estadstico cuando 2 se conoce, sera :
Para interpretar el valor del test estadstico es necesario introducir un elemento ms al test de hiptesis: la regin de rechazo, que especifica los valores del test estadstico para los cuales la hiptesis nula es rechazada ( y para los cuales la hiptesis alternativa no es rechazada). La regin de rechazo identifica los valores del test estadstico que sostienen o sustentan la alternativa y seran improbables, (raros) si la hiptesis nula fuera verdadera. Ya que no se espera observar sucesos raros (valores improbables del test estadstico) la hiptesis nula se rechazar cuando la muestra produzca un valor tal. Para el ejemplo si la media fuera menor que 180 gr o mayor que 180 gr esta sustentara la hiptesis alternativa ( 180) y un valor de ms de 2, (1,96) errores estndares por debajo o por encima de 180 sera raro o poco probable. El propsito de cualquier test de hiptesis es decidir cual hiptesis - la nula o la alternativa - sera rechazada. Ya que cualquier decisin estar basada sobre informacin parcial de una poblacin, contenida en una muestra, habr siempre una posibilidad de una decisin incorrecta. La siguiente tabla resume cuatro posibles situaciones que pueden surgir en un test de hiptesis.
Verdadero estado de la poblacin
Decisin posible Se rechazo H0 No se rechaza H0
H0 es cierta Error de tipo I ( ) Decisin correcta
H1 es cierta Decisin correcta Error de tipo II ( )
Si la hiptesis nula es rechazada y de hecho, la hiptesis nula es verdadera, se cometi un error, que se llama Error de tipo I ( ). Un Error de tipo II ( ) ocurrira si la hiptesis nula fuera aceptada y de hecho, la hiptesis alternativa es verdadera. Ya que nunca se puede eliminar la posibilidad de cometer un error de tipo I o un error de tipo II cuando se usan muestras para hacer inferencias, se considerarn las posibilidades de cometer estos errores. = P (error de tipo I) P (rechazar H0 si H0 es verdadera) = P (error de tipo II) P (aceptar H0 si H0 es falsa) Es deseable que tanto como estn prximos a cero pero en general esto no es posible, ya que el experimentador desea concluir que H1 es verdadera (rechazar H0 ) el inters est en que tenga una probabilidad pequea tal como 0,01 0,05. En otras palabras , se desea estar seguro que si H0 es verdadera, ser muy raro que sea rechazada. El experimentador es libre de elegir el valor de , esto es, determinar cun raro un suceso observado debe ser para rechazar H0. Determinar si el valor de estar presente para el test de hiptesis es algo ms complicado, de modo que no se intentar su clculo. Manteniendo pequeo se evita aceptar la hiptesis de investigacin (alternativa) si la hiptesis nula es verdadera. De otra forma se inducira a la crtica de que se ha sesgado la investigacin para probar la alternativa. El sacrificio de mantener pequea es que la "chance" de aceptar la hiptesis nula, si la hiptesis de investigacin es verdadera ( ), puede ser mayor de lo que se desea. Resumiendo, en el ejemplo considerado el productor aceptando un error de 0,05 (5%), conocido tambin como nivel de significacin y utilizando la estadstica z, planteara la hiptesis como sigue: H0 : = 180 gramos H1 : 180 gramos
Suponiendo que los resultados del experimento produjeron una media muestral de 187 gramos, el test estadstico se construira como:
donde : 187 = media de la muestra ( 180 = media hipottica (poblacional
= 187) = 180)
30 = desvo estndar poblacional (conocido) ( =30) 50 = tamao de la muestra o repeticiones (n=50) Para decidir si la hiptesis nula (H0) se rechaza o no se compara el valor de z calculado ( 1,65) con el valor de z tabulado N (0,1), para un nivel de probabilidad = 0,05. Por tratarse de una prueba bilateral, indicado por la desigualdad de la hiptesis alternativa ( 180) el valor de se particiona en dos /2 = 0,025, lo que implica que la probabilidad con la que se busca el valor de z, en la tabla de la distribucin normal es 0,975, el valor de z correspondiente a esta probabilidad es 1,96.
Grficamente las zonas de rechazo y aceptacin seran:
como el valor de z calculado= 1,65 es menor que l,96 o sea cae en la regin de aceptacin , no hay evidencias sufucientes como para rechazar la hiptesis de que la media de la poblacin es igual a 180. Conclusin: la publicidad que hace el semillero de que el peso promedio de las espigas de una cierta variedad es de 180 gramos, es correcta, aunque podra existir una probabilidad de error tipo II, si de hecho la media de tal variedad no fuera 180 gramos
HIPTESIS UNILATERALES
Si en el mismo ejemplo, el productor, basndose en algn conocimiento de la variedad en cuestin sospechara que el peso promedio de las espigas es menor que 180, las hiptesis se plantearan como: H0: = 180 gramos o H0 : > 180 gramos H1: < 180 gramos = 0,05 En este caso la desigualdad de la hiptesis alternativa indica cul sera la zona de rechazo, el valor de ya no se particiona sino que se acumula todo hacia un solo lado, el izquierdo en este ejemplo y el valor tabulado de z se busca en la tabla con un valor de probabilidad del 95% siendo z= -1,64 (el signo negativo no figura en la tabla ya que siendo la distribucin normal simtrica, lo que se hace es anteponer el signo negativo al valor de z que corresponde al nivel de probabilidad especificado)
Si por otra parte, el productor sospechara que el peso promedio es mayor que 180 gramos, la hiptesis y la zona de rechazo se plantearan como: H0: = 180 gramos H0: < 180 gramos H1: > 180 gramos = 0,05
en ambas situaciones el test estadstico se construye como:
cuando
se desconose, el test estadstico se construye como:
Este valor difiere del anterior en que, en lugar de aparecer la desviacin estndar de la poblacin, nos encontramos con su estimador muestral insesgado S, que se distribuye, t de Student (t t(n-1))
POTENCIA DEL CONTRASTE Partiendo del planteo de las siguientes hiptesis: H0 : = 0 H1 : 0
La probabilidad de error tipo I ( ) est dada por el nivel de significacin; en cambio, la probabilidad del error tipo II ( ) ya no es una cantidad determinada para cada nivel de significacin, sino que depende del valor de . La probabilidad del error tipo II ( ) para valores de prximos a 0 es grande en comparacin con la probabilidad de este error para valores de que estn alejados de 0.
Por ejemplo, si H0 afirma que la media es igual a 20, la probabilidad de no rechazar H0 es evidentemente mayor si la verdadera media es 25 que si es 30. Esto se detalla con mayor claridad en la siguiente figura en el que el rea rayada indica la probabilidad de error tipo II ( ). Por supuesto se puede calcular la probabilidad de error tipo II para cualquier valor de . Cuanto menor sea esta probabilidad mejor ser el contraste para distinguir entre hiptesis ciertas y falsas, o sea, cuanto menor sea la probabilidad de no rechazar H0, cuando esta sea falsa, ms "potente" es el contraste. La potencia de un contraste se mide por la probabilidad de rechazar H0 cuando sea falsa. Al ser la probabilidad de no rechazar H0 cuando esta es falsa, la potencia del contraste es igual a: 1 - P ( error tipo II )
ESQUEMA PARA CONTRASTAR HIPTESIS Cuando se tiene que contrastar una hiptesis estadstica es conveniente seguir un esquema, el cual debe incluir las siguientes etapas: 1) Enunciado de la hiptesis nula y alternativa 2) Eleccin del nivel de significacin ( ) 3) Seleccin del estadstico de prueba. 4) Determinacin de la regin crtica. 5) Clculo del estadstico. 6) Exposicin de las conclusiones.
CONTRASTE DE HIPTESIS RESPECTO A UNA MEDIA POBLACIONAL ( desconocido) Las hiptesis se plantean de forma similar al caso en que es conocido, pero la estadstica de prueba es la "t" de Student. Ejemplo: Para estimar el rendimiento de parcelas plantadas con papa de una cierta variedad, se cosecharon ocho de ellas, obtenindose la siguiente informacin expresada en kg/parcela: 4,5 5,3 5,4 4,9 5,3 5,7 6,2 4,8 Se puede asegurar, con =0,05, de que esta variedad de papas tiene un rendimiento promedio de 5,25 kg? H0 : = 5,25 H1 : 5,25 y S, para este ejemplo = 5,5625 y S =0,2884.
A partir de los datos se calcula
= Como el valor de t calculado cae entre 2,365 y 2,365 (valor tabulado de t para 7 grados de libertad y = 0,025, no se rechaza la hiptesis nula. Conclusin: No hay duficiente evidencia, a partir de los datos de la muestra, para decir que el rendimiento de papa por parcela no es igual a 5,25.
CONTRASTE DE HIPTESIS REFERENTES A UNA PROPORCIN POBLACIONAL (P) Las hiptesis formuladas son: H0: P P0
H1: P < P0 : 0,05 En el caso del parmetro poblacional "P", cuando el tamao de la muestra es grande, la variable aleatoria proporcin muestral "p" se distribuye aproximadamente normal con esperanza igual a P y desviacin estandar igual Por eso se puede utilizar "p" como criterio de test para probar la hiptesis con respecto al parmetro proporcin poblacional. El test estadsto z se calcula:
Grficamente podemos establecer la correspondiente regin de rechazo de H0 en la cola de la distribucin normal
Ejemplo: Se supone que en un cierto partido de la provincia de Buenos Aires, el 90% de los productores cultivan maz. De 110 productores de la zona que se encuestaron, 95 hacen maz. Est este resultado en conformidad con el valor supuesto?. ( = 0,05) H0: P = 0,90 H1: P 0,90
Como el valor calculado de Z = 0,97 reside entre los valores tabulados 1,96 y 1,96 (valores crticos de la distribucion normal ) no se rechaza H0. Conclusin, la informacin proporcionada por la muestra no es suficiente como para decir que la proporcin de productes de tal partido que cultivan maz es distinto de 90%. CONTRASTE DE HIPTESIS REFERENTES AL PARMETRO VARIANZA POBLACIONAL Por ejemplo, un operador en la bolsa de cereales, aconseja a un cliente con respecto a una inversin de compra y destaca la poca variabilidad de dicha cotizacin. De acuerdo a lo estipulado por l, esta accin presentara una varianza en las cotizaciones diarias = 0,2. El cliente, quien debe realizar una fuerte inversin, decide poner a prueba la hiptesis del operador, estableciendo las siguientes hiptesis estadsticas: H0) H1) 0,2 > 0,2 = 0,05, como nivel de significacin.
Fijamos:
Para probar esta hiptesis selecciona una muestra de 15 das donde se registra la cotizacin diaria. El clculo de la varianza en la muestra es S2 = 0,4. El test estadstico es:
que se distribuye como una
con (n - 1) grados de libertad.
Se calcula el valor del estadstico planeado:
Grficamente se tendr:
Como se puede observar, el estadstico utilizado como criterio para realizar el test, cae en la zona de rechazo de la hiptesis nula. Conclusin: La evidencia muestral parece indicar que el operador estaba equivocado y que en realidad la cotizacin diaria es bastante ms variable de lo que l cree. PRUEBAS DE HIPTESIS DE LAS VARIANCIAS DE DOS POBLACIONES NORMALES Cuando se trata de comparar las variancias se utiliza la variable F=S1/S2, que como se sabe est relacionada con la distribucin F con (n1-1, n2-1) grados de libertad. Se recomienda colocar siempre en el numerador la variancia muestral asociada a la variancia poblacional mayor estos es, a. Si H1: 1 > 2 La estadstica de prueba se toma como F=S1/S2 . b. Si H1: 2 > 1 La estadstica de prueba se toma como F=S2/S1. c. Si H1: 1 2 La estadstica de prueba se toma de tal manera que la mayor de las variancias muestrales aparezca en el numerador. Las tablas de la distribucin F generalmente proporcionan los puntos de la cola superior de la distribucin F as que para encontrar utilizarse valor de la cola inferior, debe
, donde f es el valor tabulado de F
Ejemplo 1: Se compar la eficacia de dos tipos de aceites para evitar el desgaste en ciertas piezas sometidas a intenso trabajo. En trece piezas se utiliz el aceite 1 y en otras trece el aceite 2. Las variancias muestrales fueron S1 = 64, S2 = 16. Se desea verificar la hiptesis nula segn la cual las variancias de las dos poblaciones son iguales. ( = 0,05) H0: 1 = 2 H1: 1 2 n1 = n2 = 13, = 0,05
Como el valor calculado de F =4 supera el valor tabulado de la cola superior de la distribucin, no puede concluirse, al nivel del 5% que las variancias sean iguales. Siguiendo el criterio de colocar en el numerador siempre la variancia mayor, es suficiente considerar el valor tabulado de la zona derecha de la distribucin F.
CONTRASTE DE HIPTESIS REFERENTE A DOS MEDIAS POBLACIONALES: MUESTRAS INDEPENDIENTES Los desvos de las poblaciones son conocidos Los supuestos que se deben cumplir son que las medias poblacionales 1 y 2 son normales, los desvos poblacionales y conocidos y las muestras, independientes, de tamao n1 y n2 respectivamente, estableciendo las siguientes hiptesis: H0 ) 1 - 2 = 0 1 = a ) H1 ) 1 2
2
b) H1 ) 1 > 2 c) H1 ) 1 < 2 = 0,05 En cualquiera de estos casos el test estadstico que se utiliza es
que se distribuye como una N ( 0,1). Si y son iguales, lo que equivale a decir que hay una sola variancia, la frmula anterior se puede reemplazar por la siguiente:
En el contraste a) valores grandes y pequeos de( )y por lo tanto pequeos de Z son suficientes para confirmar H1. Por lo tanto para un ensayo bilateral con nivel de significacin , la hiptesis H0 se rechaza si : Z< Z> ) y de Z confirman la hiptesis H1.
En el contraste b) slo valores grandes de ( En un ensayo unilateral, rechazamos H0 cuando: Z > Z 1-
En el contraste c) valores pequeos de la diferencias de medias muestrales y por lo tanto valores pequeos de Z confirman H1 y rechazamos H0 cuando: Z<Z
Ejemplo 2: El porcentaje de calcio de dos muestras de soja se determin por dos mtodos de mineralizacin: (A) cenizas secas y (B) mineralizacin hmeda. Los datos obtenidos fueron: (A): 0,32 3,32 0,36 0,29 0,27 0,29 0,28 (B): 0,35 0,35 0,34 0,36 0,31 0,28 0,28 Se sabe, por experiencias anteriores que 1 = 1 = 0,03. Se desea verificar si ambos mtodos producen los mismos resultados. ( = 0,05). H0 ) A = B A - B = 0 H1 ) A B
Por ser un test bilateral, los valores crticos de la distribucin normal, para = 0,05 son 1,96 y 1,96. Como el valor de la estadstica calculada cae entre los valores crticos, no hay evidencias como para rechazar la hiptesis nula. Por lo tanto las media de los dos metodos de mineralizacin no difieren.
Los desvos de las poblaciones son desconocidos: a) Se suponen iguales ( ):
Los supuestos que se deben cumplir son: datos extrados de dos muestras aleatorias independientes de tamao n1 y n2 respectivamente, cuyas poblaciones son normales con medias poblacionales 1 y 2. Las variancias poblacionales no se conocen y se supone que son iguales. Primero se debera docimar la igualdad de dichas varianzas, en particular si los tamaos de las muestras son distintos, a travs de la prueba de F de Snedecor. Si son estadsticamente iguales, aplicamos el siguiente test estadstico:
donde que se distribuye aproximadamente como una t de Student con n1 + n2 -2 grados de libertad. (tn1 + n2 - 2) Ejemplo 3: Dieciocho plantas de una misma variedad de naranjos fueron tratadas con fertilizantes. A nueve de ellas se les aplico una cierta dosis de nitrgeno (N) y al resto una de nitrgeno y fsforo (NP). Se midi el rendimiento en Kg. por planta; los resultados obtenidos fueron: _ N: X = 28 kg S = 9 _ NP: X = 21 kg S = 7 Interesa conocer si existen diferencias significativas entre los rendimientos de las plantas tratadas con los dos tipos de fertilizante. ( = 0,01). H0 ) N = H1 ) N
NP
N - NP = 0
NP
Suponiendo que las variancias poblacionales son iguales, de las cuales SN y SNP son estimaciones, se calcula la variancia amalgmada. Si el supuesto no fuera vlido debera verificarse primeramente la homogneidad de varinacia a travs del test F, en particular si las muestras de las poblaciones no son iguales.
Donde
El valor tabulado de t, para 16 grados de libertad y nivel de significacin del 1% es igual a 2,921. Como el valor de la estadstica calculada supera al valor tabulado, se rechas H0 . Conclusin existen diferencias estadsticamente significativas entre los tratamientos, siendo superior el promedio por planta de naranjo, de aquellas que reciben el tratamiento NP.
b) se suponen distintos (
Los supuestos son los mismos, pero el test estadstico es:
estadstica que se distribuye aproximadamente como una t de Student con libertad que se obtienen mediante la frmula de Satterwitte:
grados de
Grficamente podemos representar la zona de aceptacin y rechazo en la distribucin t
si t < -t
t>t
si t < -t
t>t
Se rechaza H0 Se rechaza H0 Se rechaza H0
CONTRASTE DE HIPTESIS REFERENTE A DOS MEDIAS POBLACIONALES: MUESTRAS APAREADAS Esta estrategia de la investigacim surge cuando cada observacin para un tratamiento est apareada con otra observacin para el otro tratamiento. Este par est compuesto por las mismas unidades experimentales observadas dos veces en distintos momentos de la investigacin, o por unidades semejantes. El procedimeinto consiste en buscar pares de unidades experimentales con caractersticas similares y asignar aleatoriamente cada unidad del par a cada uno de los dos tratamientos en estudio. Por ejemplo parejas de gemelos pueden ser asignadas al azar para que reciban dos tratamientos, de tal manera que los miembros de una sola pareja, reciban tratamientos distintos. Pueden as mismo ensayarse dos raciones distintas en dos lotes de terneros formando pares de raza de la misma edad, sexo, etc. y ocurrir que al cabo de un tiempo , exista diferencia significativa o no, entre los promedios de ganancia de peso de ambos lotes, (se elimina la influencia diferencia de calidad entre los lotes). Tambin puede ocurrir que al estudiar en dos lotes de plantas homogneas de a pares, la aplicacin de herbicidas (uno en cada lote), para ciertas plagas (se obtenga diferencias de resistencia entre los lotes de plantas). La hiptesis planteada es: H0 ) H1 ) = 0,05 Como se establece una hipotesis de un nico parmetro poblaciona (se podra pensar en una sola muestra)
,
H0) H1)
H0) > 0 H1) <0
el nmero de grados de liberatd es (n - 1) el test estadstico es:
donde
luego se compara el tc con tn -1 . Las reglas de decisin son: No se rechaza H0 cuando -t Rechazar H0 si t < -t t>t <t<t
Ejemplo 4: La siguiente tabla muestra los niveles de colesterol en suero para 12 individuos , al principio del programa (ANTES) y al final del mismo (DESPUES). INDIVIDUO 1 2 3 4 5 6 7 8 9 10 11 12 TOTAL ANTES XI 201 231 221 260 228 237 226 235 210 267 284 201 DESPUES YI 200 236 216 233 224 216 296 195 207 247 210 209 di -1 +5 -5 - 27 -4 - 21 - 30 - 40 - 33 - 20 - 74 +8 -242 di2 1 25 25 625 16 441 900 1600 1089 400 5176 64 10.766
La pregunta que se plantea es: proporcionan los datos suficiente evidencia cmo para concluir que el programa es efectivo en la reduccin de los niveles de colesterol en suero? Aplicar un test de hiptesis para llegar a una decisin al repecto, utilizando un 0,05. del
Las hiptesis planteadas son: H0) H1) <0
= 0,05
t (11; 0,05) = - 1,7959 (valor de tabla) Se rechaza H0 ya que -3,02 es menor que -1,7959 Conclusin: Se rechaza la hiptesis nula, existen diferencias altamente significativas entre ANTES y DESPUES. El programa es efectivo.
PRUEBA DE HIPTESIS REFERENTE A DOS PROPORCIONES POBLACIONALES Sean y las proporciones muestrales de dos grandes muestras de tamaos n1 y n2 extradas de poblaciones que tienen proporciones P1 y P2 respectivamente. Considrese la H0 de que no hay diferencias entre los parmetros poblacionales, es decir: H0 : P1 = P2, implica que (P1 P2) = 0 H1: P1 P2 Una estimacin de la proporcin poblacional se puede obtener como:
La distribucin muestral de la diferencia de proporciones se distribuye aproximadamente normal con media y variancia dadas por: p1-p2 = 0 p1-p2 = pq(1/n1+1/n2) (los p de los subndice tienen sombrero)
y Por lo tanto la estadstica de prueba esta dada por:
N(0, 1)
Ejemplo 5: Sobre parcelas sembradas con dos variedades distintas de maz (A y B), se aplic un herbicida que result ser nocivo en el sentido que destruy gran parte de las plantas. De un total de 500 plantas de la primera variedad fueron destruidas 200 y de 570 plantas de la segunda variedad, murieron tambin 200. Se puede considerar que el herbicida es igualmente nocivo para las dos variedades?. ( = 0,05). H0 : PA = PB, implica que (PA PB) = 0 H1: PA PB
Por ser una prueba bilateral, los valores crticos de la distribucin normal son 1,96 y 1,96 ( =0,05), como el valor de Z = 1,l8 cae entre estos valores, no se rechaza la hiptesis nula. Conclusin: Se puede considerar que el herbicida es igualmente nocivo para las dos variedades. PRUEBAS DE HIPTESIS DE LAS VARIANCIAS DE DOS POBLACIONES NORMALES Cuando se trata de comparar las variancias se utiliza la variable F=S1/S2, que como se sabe est relacionada con la distribucin F con (n1-1, n2-1) grados de libertad. Se recomienda colocar siempre en el numerador la variancia muestral asociada a la variancia poblacional mayor estos es, a. Si H1: 1 > 2 La estadstica de prueba se toma como F=S1/S2 . b. Si H1: 2 > 1 La estadstica de prueba se toma como F=S2/S1. c. Si H1: 1 2 La estadstica de prueba se toma de tal manera que la mayor de las variancias muestrales aparezca en el numerador.
Las tablas de la distribucin F generalmente proporcionan los puntos de la cola superior de la distribucin F as que para encontrar utilizarse valor de la cola inferior, debe
Ejemplo 1: Se compar la eficacia de dos tipos de aceites para evitar el desgaste en ciertas piezas sometidas a intenso trabajo. En trece piezas se utiliz el aceite 1 y en otras trece el aceite 2. Las variancias muestrales fueron S1 = 64, S2 = 16. Se desea verificar la hiptesis nula segn la cual las variancias de las dos poblaciones son iguales. ( = 0,05) H0: 1 = 2 H1: 1 2 n1 = n2 = 13, = 0,05
2
En el contraste c) valores pequeos de la diferencias de medias muestrales y por lo tanto valores pequeos de Z confirman H1 y rechazamos H0 cuando: Z<Z Ejemplo 2: El porcentaje de calcio de dos muestras de soja se determin por dos mtodos de mineralizacin: (A) cenizas secas y (B) mineralizacin hmeda. Los datos obtenidos fueron: (A): 0,32 3,32 0,36 0,29 0,27 0,29 0,28 (B): 0,35 0,35 0,34 0,36 0,31 0,28 0,28 Se sabe, por experiencias anteriores que 1 = 1 = 0,03. Se desea verificar si ambos mtodos producen los mismos resultados. ( = 0,05).
H0 ) A = B A - B = 0 H1 ) A B
donde que se distribuye aproximadamente como una t de Student con n1 + n2 -2 grados de libertad. (tn1 + n2 - 2)
Ejemplo 3: Dieciocho plantas de una misma variedad de naranjos fueron tratadas con fertilizantes. A nueve de ellas se les aplico una cierta dosis de nitrgeno (N) y al resto una de nitrgeno y fsforo (NP). Se midi el rendimiento en Kg. por planta; los resultados obtenidos fueron: _ N: X = 28 kg S = 9
_ NP: X = 21 kg S = 7 Interesa conocer si existen diferencias significativas entre los rendimientos de las plantas tratadas con los dos tipos de fertilizante. ( = 0,01). H0 ) N = H1 ) N
NP
N - NP = 0
NP
Donde
El valor tabulado de t, para 16 grados de libertad y nivel de significacin del 1% es igual a 2,921. Como el valor de la estadstica calculada supera al valor tabulado, se rechas H0 . Conclusin existen diferencias estadsticamente significativas entre los tratamientos, siendo superior el promedio por planta de naranjo, de aquellas que reciben el tratamiento NP.
b) se suponen distintos (
grados de
si t < -t
t>t
si t < -t
t>t
CONTRASTE DE HIPTESIS REFERENTE A DOS MEDIAS POBLACIONALES: MUESTRAS APAREADAS Esta estrategia de la investigacim surge cuando cada observacin para un tratamiento est apareada con otra observacin para el otro tratamiento. Este par est compuesto por las mismas unidades experimentales observadas dos veces en distintos momentos de la investigacin, o por unidades semejantes. El procedimeinto consiste en buscar pares de unidades experimentales con caractersticas similares y asignar aleatoriamente cada unidad del par a cada uno de los dos tratamientos en estudio. Por ejemplo parejas de gemelos pueden ser asignadas al azar para que reciban dos tratamientos, de tal manera que los miembros de una sola pareja, reciban tratamientos distintos. Pueden as mismo ensayarse dos raciones distintas en dos lotes de terneros formando pares de raza de la misma edad, sexo, etc. y ocurrir que al cabo de un tiempo , exista diferencia significativa o no, entre los promedios de ganancia de peso de ambos lotes, (se elimina la influencia diferencia de calidad entre los lotes). Tambin puede ocurrir que al estudiar en dos lotes de plantas homogneas de a pares, la aplicacin de herbicidas (uno en cada lote), para ciertas plagas (se obtenga diferencias de resistencia entre los lotes de plantas). La hiptesis planteada es: H0 ) H1 ) = 0,05 H0) H1) H0) > 0 H1) <0
Como se establece una hipotesis de un nico parmetro poblaciona (se podra pensar en una sola muestra)
,
donde
Ejemplo 4: La siguiente tabla muestra los niveles de colesterol en suero para 12 individuos , al principio del programa (ANTES) y al final del mismo (DESPUES). INDIVIDUO 1 2 3 4 5 6 7 8 9 10 ANTES XI 201 231 221 260 228 237 226 235 210 267 DESPUES YI 200 236 216 233 224 216 296 195 207 247 di -1 +5 -5 - 27 -4 - 21 - 30 - 40 - 33 - 20 di2 1 25 25 625 16 441 900 1600 1089 400
11 12 TOTAL
284 201
210 209
- 74 +8 -242
5176 64 10.766
La pregunta que se plantea es: proporcionan los datos suficiente evidencia cmo para concluir que el programa es efectivo en la reduccin de los niveles de colesterol en suero? Aplicar un test de hiptesis para llegar a una decisin al repecto, utilizando un 0,05. Las hiptesis planteadas son: H0) H1) <0 del
= 0,05
PRUEBA DE HIPTESIS REFERENTE A DOS PROPORCIONES POBLACIONALES Sean y las proporciones muestrales de dos grandes muestras de tamaos n1 y n2 extradas de poblaciones que tienen proporciones P1 y P2 respectivamente. Considrese la H0 de que no hay diferencias entre los parmetros poblacionales, es decir: H0 : P1 = P2, implica que (P1 P2) = 0
H1: P1 P2 Una estimacin de la proporcin poblacional se puede obtener como:
N(0, 1)
Ejemplo 5: Sobre parcelas sembradas con dos variedades distintas de maz (A y B), se aplic un herbicida que result ser nocivo en el sentido que destruy gran parte de las plantas. De un total de 500 plantas de la primera variedad fueron destruidas 200 y de 570 plantas de la segunda variedad, murieron tambin 200. Se puede considerar que el herbicida es igualmente nocivo para las dos variedades?. ( = 0,05). H0 : PA = PB, implica que (PA PB) = 0 H1: PA PB
Por ser una prueba bilateral, los valores crticos de la distribucin normal son 1,96 y 1,96 ( =0,05), como el valor de Z = 1,l8 cae entre estos valores, no se rechaza la hiptesis nula. Conclusin: Se puede considerar que el herbicida es igualmente nocivo para las dos variedades.
PRUEBAS DE HIPTESIS DE LAS VARIANCIAS DE DOS POBLACIONES NORMALES Cuando se trata de comparar las variancias se utiliza la variable F=S1/S2, que como se sabe est relacionada con la distribucin F con (n1-1, n2-1) grados de libertad. Se recomienda colocar siempre en el numerador la variancia muestral asociada a la variancia poblacional mayor estos es, a. Si H1: 1 > 2 La estadstica de prueba se toma como F=S1/S2 . b. Si H1: 2 > 1 La estadstica de prueba se toma como F=S2/S1. c. Si H1: 1 2 La estadstica de prueba se toma de tal manera que la mayor de las variancias muestrales aparezca en el numerador. Las tablas de la distribucin F generalmente proporcionan los puntos de la cola superior de la distribucin F as que para encontrar utilizarse valor de la cola inferior, debe
, donde f es el valor tabulado de F Ejemplo 1: Se compar la eficacia de dos tipos de aceites para evitar el desgaste en ciertas piezas sometidas a intenso trabajo. En trece piezas se utiliz el aceite 1 y en otras trece el aceite 2. Las variancias muestrales fueron S1 = 64, S2 = 16. Se desea verificar la hiptesis nula segn la cual las variancias de las dos poblaciones son iguales. ( = 0,05) H0: 1 = 2 H1: 1 2 n1 = n2 = 13, = 0,05
2
En el contraste a) valores grandes y pequeos de( )y por lo tanto pequeos de Z son suficientes para confirmar H1. Por lo tanto para un ensayo bilateral con nivel de significacin , la hiptesis H0 se rechaza si : Z< Z>
) y de Z confirman la hiptesis H1.
Los supuestos que se deben cumplir son: datos extrados de dos muestras aleatorias independientes de tamao n1 y n2 respectivamente, cuyas poblaciones son normales con medias poblacionales 1 y 2. Las variancias poblacionales no se conocen y se supone que son iguales. Primero se debera docimar la igualdad de dichas varianzas, en
particular si los tamaos de las muestras son distintos, a travs de la prueba de F de Snedecor. Si son estadsticamente iguales, aplicamos el siguiente test estadstico:
donde que se distribuye aproximadamente como una t de Student con n1 + n2 -2 grados de libertad. (tn1 + n2 - 2)
Ejemplo 3: Dieciocho plantas de una misma variedad de naranjos fueron tratadas con fertilizantes. A nueve de ellas se les aplico una cierta dosis de nitrgeno (N) y al resto una de nitrgeno y fsforo (NP). Se midi el rendimiento en Kg. por planta; los resultados obtenidos fueron: _ N: X = 28 kg S = 9 _ NP: X = 21 kg S = 7 Interesa conocer si existen diferencias significativas entre los rendimientos de las plantas tratadas con los dos tipos de fertilizante. ( = 0,01). H0 ) N = H1 ) N
NP
N - NP = 0
NP
Donde
El valor tabulado de t, para 16 grados de libertad y nivel de significacin del 1% es igual a 2,921. Como el valor de la estadstica calculada supera al valor tabulado, se rechas H0 . Conclusin existen diferencias estadsticamente significativas entre los tratamientos, siendo superior el promedio por planta de naranjo, de aquellas que reciben el tratamiento NP. [Vuelve a ndice] b) se suponen distintos ( )
grados de
si t < -t
t>t
si t < -t
t>t
CONTRASTE DE HIPTESIS REFERENTE A DOS MEDIAS POBLACIONALES: MUESTRAS APAREADAS Esta estrategia de la investigacim surge cuando cada observacin para un tratamiento est apareada con otra observacin para el otro tratamiento. Este par est compuesto por las mismas unidades experimentales observadas dos veces en distintos momentos de la investigacin, o por unidades semejantes. El procedimeinto consiste en buscar pares de unidades experimentales con caractersticas similares y asignar aleatoriamente cada unidad del par a cada uno de los
dos tratamientos en estudio. Por ejemplo parejas de gemelos pueden ser asignadas al azar para que reciban dos tratamientos, de tal manera que los miembros de una sola pareja, reciban tratamientos distintos. Pueden as mismo ensayarse dos raciones distintas en dos lotes de terneros formando pares de raza de la misma edad, sexo, etc. y ocurrir que al cabo de un tiempo , exista diferencia significativa o no, entre los promedios de ganancia de peso de ambos lotes, (se elimina la influencia diferencia de calidad entre los lotes). Tambin puede ocurrir que al estudiar en dos lotes de plantas homogneas de a pares, la aplicacin de herbicidas (uno en cada lote), para ciertas plagas (se obtenga diferencias de resistencia entre los lotes de plantas). La hiptesis planteada es: H0 ) H1 ) = 0,05 Como se establece una hipotesis de un nico parmetro poblaciona (se podra pensar en una sola muestra)
,
H0) H1)
H0) > 0 H1) <0
donde
Ejemplo 4: La siguiente tabla muestra los niveles de colesterol en suero para 12 individuos , al principio del programa (ANTES) y al final del mismo (DESPUES). INDIVIDUO ANTES XI DESPUES YI di di2
1 2 3 4 5 6 7 8 9 10 11 12 TOTAL
201 231 221 260 228 237 226 235 210 267 284 201
200 236 216 233 224 216 296 195 207 247 210 209
-1 +5 -5 - 27 -4 - 21 - 30 - 40 - 33 - 20 - 74 +8 -242
1 25 25 625 16 441 900 1600 1089 400 5176 64 10.766
= 0,05
PRUEBA DE HIPTESIS REFERENTE A DOS PROPORCIONES POBLACIONALES Sean y las proporciones muestrales de dos grandes muestras de tamaos n1 y n2 extradas de poblaciones que tienen proporciones P1 y P2 respectivamente. Considrese la H0 de que no hay diferencias entre los parmetros poblacionales, es decir: H0 : P1 = P2, implica que (P1 P2) = 0 H1: P1 P2 Una estimacin de la proporcin poblacional se puede obtener como:
N(0, 1)
Ejemplo 5: Sobre parcelas sembradas con dos variedades distintas de maz (A y B), se aplic un herbicida que result ser nocivo en el sentido que destruy gran parte de las
plantas. De un total de 500 plantas de la primera variedad fueron destruidas 200 y de 570 plantas de la segunda variedad, murieron tambin 200. Se puede considerar que el herbicida es igualmente nocivo para las dos variedades?. ( = 0,05). H0 : PA = PB, implica que (PA PB) = 0 H1: PA PB
Por ser una prueba bilateral, los valores crticos de la distribucin normal son 1,96 y 1,96 ( =0,05), como el valor de Z = 1,l8 cae entre estos valores, no se rechaza la hiptesis nula. Conclusin: Se puede considerar que el herbicida es igualmente nocivo para las dos variedades. PRUEBAS DE HIPTESIS DE LAS VARIANCIAS DE DOS POBLACIONES NORMALES Cuando se trata de comparar las variancias se utiliza la variable F=S1/S2, que como se sabe est relacionada con la distribucin F con (n1-1, n2-1) grados de libertad. Se recomienda colocar siempre en el numerador la variancia muestral asociada a la variancia poblacional mayor estos es, a. Si H1: 1 > 2 La estadstica de prueba se toma como F=S1/S2 . b. Si H1: 2 > 1 La estadstica de prueba se toma como F=S2/S1. c. Si H1: 1 2 La estadstica de prueba se toma de tal manera que la mayor de las variancias muestrales aparezca en el numerador. Las tablas de la distribucin F generalmente proporcionan los puntos de la cola superior de la distribucin F as que para encontrar utilizarse valor de la cola inferior, debe
Ejemplo 1: Se compar la eficacia de dos tipos de aceites para evitar el desgaste en ciertas piezas sometidas a intenso trabajo. En trece piezas se utiliz el aceite 1 y en otras trece el aceite 2. Las variancias muestrales fueron S1 = 64, S2 = 16. Se desea verificar
la hiptesis nula segn la cual las variancias de las dos poblaciones son iguales. ( = 0,05) H0: 1 = 2 H1: 1 2 n1 = n2 = 13, = 0,05
2
que se distribuye como una N ( 0,1).
Si y son iguales, lo que equivale a decir que hay una sola variancia, la frmula anterior se puede reemplazar por la siguiente:
donde que se distribuye aproximadamente como una t de Student con n1 + n2 -2 grados de libertad. (tn1 + n2 - 2) Ejemplo 3: Dieciocho plantas de una misma variedad de naranjos fueron tratadas con fertilizantes. A nueve de ellas se les aplico una cierta dosis de nitrgeno (N) y al resto una de nitrgeno y fsforo (NP). Se midi el rendimiento en Kg. por planta; los resultados obtenidos fueron: _ N: X = 28 kg S = 9 _
NP: X = 21 kg S = 7 Interesa conocer si existen diferencias significativas entre los rendimientos de las plantas tratadas con los dos tipos de fertilizante. ( = 0,01). H0 ) N = H1 ) N
NP
N - NP = 0
NP
Donde
El valor tabulado de t, para 16 grados de libertad y nivel de significacin del 1% es igual a 2,921. Como el valor de la estadstica calculada supera al valor tabulado, se rechas H0 . Conclusin existen diferencias estadsticamente significativas entre los tratamientos, siendo superior el promedio por planta de naranjo, de aquellas que reciben el tratamiento NP. [Vuelve a ndice] b) se suponen distintos ( )
grados de
si t < -t
t>t
si t < -t
t>t
Se rechaza H0 Se rechaza H0 Se rechaza H0 [Vuelve a ndice] CONTRASTE DE HIPTESIS REFERENTE A DOS MEDIAS POBLACIONALES: MUESTRAS APAREADAS Esta estrategia de la investigacim surge cuando cada observacin para un tratamiento est apareada con otra observacin para el otro tratamiento. Este par est compuesto por las mismas unidades experimentales observadas dos veces en distintos momentos de la investigacin, o por unidades semejantes. El procedimeinto consiste en buscar pares de unidades experimentales con caractersticas similares y asignar aleatoriamente cada unidad del par a cada uno de los dos tratamientos en estudio. Por ejemplo parejas de gemelos pueden ser asignadas al azar para que reciban dos tratamientos, de tal manera que los miembros de una sola pareja, reciban tratamientos distintos. Pueden as mismo ensayarse dos raciones distintas en dos lotes de terneros formando pares de raza de la misma edad, sexo, etc. y ocurrir que al cabo de un tiempo , exista diferencia significativa o no, entre los promedios de ganancia de peso de ambos lotes, (se elimina la influencia diferencia de calidad entre los lotes). Tambin puede ocurrir que al estudiar en dos lotes de plantas homogneas de a pares, la aplicacin de herbicidas (uno en cada lote), para ciertas plagas (se obtenga diferencias de resistencia entre los lotes de plantas). La hiptesis planteada es: H0 ) H1 ) = 0,05 Como se establece una hipotesis de un nico parmetro poblaciona (se podra pensar en una sola muestra)
,
H0) H1)
H0) > 0 H1) <0
donde
luego se compara el tc con tn -1 . Las reglas de decisin son: No se rechaza H0 cuando -t Rechazar H0 si t < -t t>t [Vuelve a ndice] Ejemplo 4: La siguiente tabla muestra los niveles de colesterol en suero para 12 individuos , al principio del programa (ANTES) y al final del mismo (DESPUES). INDIVIDUO 1 2 3 4 5 6 7 8 9 10 11 12 ANTES XI 201 231 221 260 228 237 226 235 210 267 284 201 DESPUES YI 200 236 216 233 224 216 296 195 207 247 210 209 di -1 +5 -5 - 27 -4 - 21 - 30 - 40 - 33 - 20 - 74 +8 di2 1 25 25 625 16 441 900 1600 1089 400 5176 64 <t<t
TOTAL
-242
10.766
= 0,05
t (11; 0,05) = - 1,7959 (valor de tabla) Se rechaza H0 ya que -3,02 es menor que -1,7959 Conclusin: Se rechaza la hiptesis nula, existen diferencias altamente significativas entre ANTES y DESPUES. El programa es efectivo. [Vuelve a ndice] PRUEBA DE HIPTESIS REFERENTE A DOS PROPORCIONES POBLACIONALES Sean y las proporciones muestrales de dos grandes muestras de tamaos n1 y n2 extradas de poblaciones que tienen proporciones P1 y P2 respectivamente. Considrese la H0 de que no hay diferencias entre los parmetros poblacionales, es decir: H0 : P1 = P2, implica que (P1 P2) = 0 H1: P1 P2 Una estimacin de la proporcin poblacional se puede obtener como:
N(0, 1) [Vuelve a ndice] Ejemplo 5: Sobre parcelas sembradas con dos variedades distintas de maz (A y B), se aplic un herbicida que result ser nocivo en el sentido que destruy gran parte de las plantas. De un total de 500 plantas de la primera variedad fueron destruidas 200 y de 570 plantas de la segunda variedad, murieron tambin 200. Se puede considerar que el herbicida es igualmente nocivo para las dos variedades?. ( = 0,05). H0 : PA = PB, implica que (PA PB) = 0 H1: PA PB
Por ser una prueba bilateral, los valores crticos de la distribucin normal son 1,96 y 1,96 ( =0,05), como el valor de Z = 1,l8 cae entre estos valores, no se rechaza la hiptesis nula. Conclusin: Se puede considerar que el herbicida es igualmente nocivo para las dos variedades. [Vuelve a ndice]
Muestras independientes
Ejercicio 1)
Una Cooperativa Agrcola debe decidir cul de dos tipos de neumticos (A y B) va a comprar para sus camiones. Los neumticos se prueban bajo condiciones semejantes hasta que se desgastan. Se emplean 16 de cada marca. Si y S(A) = S(B) = 340 km, existen diferencias significativas entre las medias al nivel de significacin del 5%? Ejercicio 2) Mediante dos procesos se fabrican alambres galvanizados lisos para alambrados rurales. Los tcnicos de la fbrica desean determinar si los dos procesos poseen diferentes efectos en la resistencia de la media de ruptura del alambre. Se someten varias muestras a los dos procesos dando los siguientes resultados: Proceso 1 = 9 4 10 7 9 10 Proceso 2 = 14 9 13 12 13 8 10 Suponiendo conocidas las varianzas y considerando = 0,05, probar la hiptesis de que las medias de resistencia a la ruptura son iguales. Ejercicio 3) Se sabe que una mquina de empacar cereales disecados vierte el cereal seco en bolsas de 20 kg., con una desviacin estndar de 4 kg. Se llevan a cabo verificaciones constantes de los pesos netos de las bolsas para mantener el ajuste de la maquinaria que controla el peso. Dos muestras tomadas en dos das, presentan la siguiente informacin: primer da n1 = 30 segundo da n2 = 35
Docime la H0 que no se verifica ningn cambio en el ajuste de la mquina entre los dos das.( = 0,05) Ejercicio 4) En un ensayo de engorde de novillos se utilizaron dos raciones (A y B) en dos lotes de 10 animales cada uno. La variable respuesta fue ganancia de peso por animal por da. Por informacin previa se consider que las variancias poblacionales eran iguales, con un valor de 0,0064. La ganancia de peso diarias y la suma de cuadrados. Lote A = Lote B =
Se desea docimar al 5% la H0: Ejercicio 5) En un ensayo de engorde de cerdos se utilizaron dos tipos de alimentacin diferente, A y B en dos lotes de 8 cerdos. A los 30 das de iniciado el ensayo la ganancia en peso fue: Alimentacin A 7,5 7,2 8,0 7,3 7,2 7,9 8,1 7,6
Alimentacin B 8,2 8,1 7,8 8,6 8,5 7,8 8,4 8,5
Determinar si se puede rechazar la H0: Ejercicio 6)
para un nivel de confianza del 95%.
Se realiz un ensayo con novillos de raza Holstein, dndole a un grupo de animales vitamina A y al otro grupo no (control). La ganancia de peso (gr), se detalla a continuacin Control 175 132 218 Vitamina A 142 311 337
151 200 219 234 149 187 123 248 206 179 206
262 302 195 253 199 236 216 211 176 249 214
Verifique la hiptesis que no existen diferencias en el peso promedio entre la vitamina A y el grupo control. Utilice un error de tipo I igual al 5% Ejercicio 7) De un cultivo de una variedad de guayule, se seleccionaron 27 plantas al azar. De estas 15 fueron atpicas y 12 aberrantes. Los porcentajes de caucho para estas plantas fueron: Atpicas: 6,21- 5,70- 6,04 - 4,47 - 5,22 - 4,45 - 4,84 - 5,88 - 5,82- 6,09- 5,59 - 6,06 5,59 - 6,74 - 5,55.
Aberrantes: 4,28 - 7,71 - 6,48 - 7,71 - 7,37 - 7,20 - 7,06 - 6,40 - 8,93 - 5,91 - 5,51 - 6,36.
Probar la hiptesis que la diferencia entre las medias de las poblaciones de los porcentajes de caucho, no son significativas ( = 0,05) Ejercicio 8) Los pesos en gramos de 10 machos y 10 hembras jvenes de faisanes de cuello anillado atrapados en enero en el Jardn Botnico de la Universidad de Wisconsin, fueron:
MACHOS: 1293-1380-1614-1497-1340-1643-1466-1627-1383-1711 HEMBRAS:1061-1065-1092-1017-1021-1138-1143-1094-1270-1028 Verifique la hiptesis de que la diferencia la diferencia es mayor de 350 g.( = 0,01) Ejercicio 9) Los siguientes son porcentajes de grava fina en suelos superficiales Buen suelo 5,9 3,8 6,5 18,3 18,2 16,1 7,6 Suelo pobre 7,6 0,4 1,1 3,2 6,5 4,1 4,7 , con la alternativa de que
Probar la hiptesis de que no hay diferencia significativa entre las medias poblacionales ( = 0,01) [Vuelve al ndice]
Muestras apareadas
Ejercicio 10) Se buscaron 8 pares de pollos idnticos en cuanto a peso, raza y sexo. A un lote se le suministr por 15 das el alimento tradicional y al otro lote una racin especial. La ganancia de peso es la que se detalla: Par 1 2 Alimento Tradicional 1,75 1,43 Alimento Especial 1,80 1,52
3 4 5 6 7 8
1,72 1,58 1,62 1,72 1,75 1,80
1,80 1,59 1,71 1,78 1,75 1,81
Verificar si existen diferencias significativas entre ambas raciones con un = 0,05 Ejercicio 11) Para contrastar el efecto del uso de una nueva mquina sembradora, se realizaron 10 parcelas con una conocida y otras 10 con la nueva mquina. Las 20 parcelas se eligieron al azar, de a pares y en cada una del par, por sorteo se us cada una de las mquinas. Rendimiento / Parcela (kg) Parcela Mquina especial 8,0 8,4 8,0 6,4 8,6 7,7 7,7 5,6 5,7 6,2 Mquina comn 5,6 7,4 7,3 6,4 7,5 6,1 6,6 6,0 5,6 5,5
1 2 3 4 5 6 7 8 9 10
Verificar si existen diferencias entre los pares con un = 0,05
Ejercicio 12) En un ensayo sobre hojas de tabaco se midi el nmero de lesiones provocadas artificialmente cuando se aplic cierta concentracin de un virus al primer preparado y otra concentracin del virus al segundo preparado. Lesiones sobre hoja 1er preparado 9 17 31 18 7 8 20 10 2do preparado 17 11 18 14 6 7 17 5
Indicar si la diferencia entre el nmero de lesiones provocadas por las dos concentraciones del virus pueden o no ser debidas al azar. = 0,01 Ejercicio 13) Se estudi el efecto de la exposicin de flores de alfalfa a diferentes condiciones ambientales. Se escogieron 10 plantas vigorosas con las flores expuestas libremente en la parte alta y flores escondidas, en lo posible en la base. Finalmente se determin el nmero de semillas producidas por cada dos vainas Los datos fueron: Flores en la parte superior 4,0 5,2 5,7 4,2 Flores en la parte inferior 4,4 3,7 4,7 2,8
PLANTA 1 2 3 4
5 6 7 8 9 10
4,8 3,9 4,1 3,0 4,6 6,8
4,2 4,3 3,5 3,7 3,1 1,9
Probar la hiptesis de que no hay diferencia significativa entre las medias poblacionales contra la alternativa de que las flores de la parte superior producen mas semilla.( = 0,05) Ejercicio 14) Supongamos que se lleva adelante una investigacin sobre la eficacia de una droga en la reduccin de un tumor. Para ello se tomaron 12 ratas a las cuales se les aplican clulas cancergenas que desarrollan el tumor en cuestin. Cuando el mismo llega a un cierto estadio se lo mide, luego se administra la droga a cada una de las ratas y al cabo de un cierto tiempo se lo vuelve a medir. Las mediciones antes y despus son: Dimetro del tumor antes 5,2 4,1 2,3 3,5 4,0 5,1 4,2 despus 2,3 3,2 2,1 3,0 3,3 3,9 3,0
5,0 3,9 4,1 4,0 3,5
3,5 3,6 3,2 3,6 2,9
Probar la hiptesis que las diferencias del dimetro del tumor, antes y despus del tratamiento no son significativas. ( = 0,01). [Vuelve al ndice]
Diferencia de varianzas
Ejercicio 15) Se compara el nivel de colesterol en la sangre de pacientes seleccionados al azar y sometidos a dos dietas distintas, una baja en grasa y otra normal. Las varianzas y tamaos de muestras se dan a continuacin Baja grasa: Normal: n1=19 n2=24
Proporcionan estos datos suficiente evidencia que indique una diferencia en la variabilidad de las dos poblaciones de donde se obtuvieron las muestras = 0,05? [Vuelve al ndice]
Diferencia de proporciones
Ejercicio 16) De una muestra de 450 votantes hombres, 105 se declararon simpatizantes del candidato A. De una muestra de 550 votantes mujeres 120 se declararon simpatizantes del mismo candidato. Proporcionan estos datos evidencia suficiente como para considera que las proporciones de los simpatizantes hombres y mujeres son iguales? = 0,05 Ejercicio 17) Se realiz una encuesta para determinar la diferencia que puede existir entre las proporciones de casados y solteros entre 20 y 30 aos que fuman. Se entrevistaron 200 personas de cada grupo y se encontraron 64 casados y 80 solteros que fuman.
Contienen los datos suficiente evidencia que indica que existe una diferencia entre las dos proporciones de fumadores para las dos poblaciones? = 0,01

Media Poblacional

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Media Poblacional

Diunggah oleh

Hak Cipta:

Format Tersedia

Media poblacional

Inferencia Estadstica Bsica para Ingenieros Agrnomos

otorgado por Universidad Nacional de Educacin a Distancia (UNED, Espaa)

Requisitos de inscripcin y promocin

Son requisitos de Promocin:

Realizar, presentar y aprobar dos trabajos prcticos parciales (evaluaciones) a distancia.

, entonces S es un estimador sesgado de pues

. Pero el sesgo se puede corregir alterando la definicin de variancia muestral.

En efecto, si es la variancia muestral corregida, entonces ( y S es un estimador insesgado de .

Se sabe que del lmite.

independientemente del valor de n, por el teorema central

Lmite inferior (LI) =

con un nivel de confianza del 95%.

Por tabla: y el intervalo resulta:

y el estadstico tipificado tiene la siguiente

Reemplazando en (2), a Z por la expresin (1), se obtiene:

CASO 2: Poblaciones normales desconocidos

De manera anloga al primer caso, se deduce que:

(1) donde 2 es la variancia poblacional.

Adems: Reemplazando (1) en (2) resulta:

Multiplicando miembro a miembro por (n - 1) .S2 para despejar 2, se obtiene:

Por tabla: Luego, el intervalo buscado es:

Y el intervalo buscado es:

Verdadero estado de la poblacin

Decisin posible Se rechazo H0 No se rechaza H0

H0 es cierta Error de tipo I ( ) Decisin correcta

H1 es cierta Decisin correcta Error de tipo II ( )

donde : 187 = media de la muestra ( 180 = media hipottica (poblacional

en ambas situaciones el test estadstico se construye como:

se desconose, el test estadstico se construye como:

POTENCIA DEL CONTRASTE Partiendo del planteo de las siguientes hiptesis: H0 : = 0 H1 : 0

A partir de los datos se calcula

Grficamente podemos establecer la correspondiente regin de rechazo de H0 en la cola de la distribucin normal

que se distribuye como una

con (n - 1) grados de libertad.

Se calcula el valor del estadstico planeado:

, donde f es el valor tabulado de F

En el contraste b) slo valores grandes de ( En un ensayo unilateral, rechazamos H0 cuando: Z > Z 1-

Los desvos de las poblaciones son desconocidos: a) Se suponen iguales ( ):

Los supuestos son los mismos, pero el test estadstico es:

Grficamente podemos representar la zona de aceptacin y rechazo en la distribucin t

Se rechaza H0 Se rechaza H0 Se rechaza H0

H0) > 0 H1) <0

el nmero de grados de liberatd es (n - 1) el test estadstico es:

Las hiptesis planteadas son: H0) H1) <0

y Por lo tanto la estadstica de prueba esta dada por:

, donde f es el valor tabulado de F

En el contraste b) slo valores grandes de ( En un ensayo unilateral, rechazamos H0 cuando: Z > Z 1-

Los desvos de las poblaciones son desconocidos: a) Se suponen iguales ( ):

Los supuestos son los mismos, pero el test estadstico es:

Grficamente podemos representar la zona de aceptacin y rechazo en la distribucin t

Se rechaza H0 Se rechaza H0 Se rechaza H0

el nmero de grados de liberatd es (n - 1) el test estadstico es:

H1: P1 P2 Una estimacin de la proporcin poblacional se puede obtener como:

y Por lo tanto la estadstica de prueba esta dada por:

En el contraste b) slo valores grandes de ( En un ensayo unilateral, rechazamos H0 cuando: Z > Z 1-

) y de Z confirman la hiptesis H1.

Los desvos de las poblaciones son desconocidos: a) Se suponen iguales ( ):

Los supuestos son los mismos, pero el test estadstico es:

Grficamente podemos representar la zona de aceptacin y rechazo en la distribucin t

Se rechaza H0 Se rechaza H0 Se rechaza H0

H0) > 0 H1) <0

el nmero de grados de liberatd es (n - 1) el test estadstico es: