m. indep m. dep
•H1:
x1 x2
Distribución muestral
de x1 x2
1. The meande
La media is m1 m 2 , the
of x1 x2 es differenceentre
la diferencia in
the
las population means.
medias poblacionales Z
( x1 x2 ) ( µ1 µ2 )
x1 x 2 12 22
n1 n2
12 22
2. El
The standard
desvío deviation
estándar of x1 x2 is
(ES) de esSE .
n1 n2
3. If
Si the sample sizes
la población are large,
original the distribución
sigue una sampling distributi on
normal o
ofsixeltamaño
x is de las muestras
approximat ely normal, xcan
( x 1SE
and 2 ) 1 µ2 )
be( µestimated
1 2
es lo suficientemente grande, Z
1 x x
2
12 22
s1x 1 s2x 2
2 2
SE una distribución
as sigue . normal n1 n2
n1 n2
Comparando dos promedios con
muestras independientes
Sueldo de los gerentes Hombres Mujeres
(miles de $)
Tamaño de la muestra 35 27
•Ho:
•H1:
•CR:
Comparando las varianzas o desvíos
estándar de dos poblaciones
¿Las dos máquinas dispensadoras son
igualmente variables?
•Ho:
•H1:
•CR:
Distribución muestral
de s21/s22
1.1.The
El mean
cociente is m1 elmcociente
of sx211/s22x2estima 2 , the difference
21/ 22 in
2. population
the Si las poblaciones
means.originales siguen una distribución
normal, el cociente …. Seguirá una distribución conocida
F de Fisher-Snedecor 2
2
como
2. The standard x2nis
deviationof x1con n2
1 ySE libertad
grados1 de 2
.
n1 n2
3. If the samplesizesare large,the samplingdistribution
of x1 x2 is approximately normal,and SE can be estimated
s12 s22
as SE .
n1 n2
Comparando dos promedios con muestras
independientes y desvíos poblacionales
desconocidos
S 2
n 1 S 2 n 2 1
2
Sa
2 1 1
n1 n2 2
Comparando dos promedios con
muestras independientes y desvíos
poblacionales desconocidos
• Si se concluye que las poblaciones poseen
varianzas iguales se calcula una varianza
amalgamada s2a “promediando” las varianzas de las
dos muestras
S 2
n 1 S 2 n 2 1
2
Sa
2 1 1
n1 n2 2
• Si se concluye que las poblaciones poseen
varianzas distintas no es correcto amalgamar las
varianzas muestrales
Comparación de dos promedios con desvíos
poblacionales desconocidos y supuestamente
iguales
t muestral
x 1
x 2 ( µ1 µ2 )
t crit t n1 n 22
1 1
Sa
n1 n2
Comparación de dos promedios con desvíos
poblacionales desconocidos y supuestamente
distintos
2 2
S1 S 2
2
tmuestral
x1 x 2 ( µ1 µ2 )
tcrit tGL GL n1 n2
2 2 2 2
2
S1 S 2 2
S1 1 S 2 1
n1 n2 n1 1 n2 2
Comparando dos proporciones
•En ciertos casos estamos interesados en comparar la
proporción de “éxito” en dos poblaciones
independientes.
•La proporción de semillas que germinan siendo
tratadas o no con un funguicida.
•El porcentaje de hombres y de mujeres que votan a
determinado candidato.
•Para efectuar esta comparación se requiere
Una muestra aleatoria de tamaño n1 extraída de
la población 1 con parámetro p1
Una muestra aleatoria de tamaño n2 extraída de
la población 2 con parámetro p2
Comparando dos proporciones
•Comparamos las dos proporciones haciendo
inferencia sobre p1-p2, la diferencia entre las dos
proporciones poblacionales.
•Si las dos proporciones poblacionales son
iguales, entonces p1-p2 = 0.
•El mejor estimador de p1-p2 es la diferencia
entre las dos proporciones muestrales,
rx11 rx22
pˆ 1 pˆ 2
n1 n2
Distribución muestral
de pˆ 1 pˆ 2
1. The
La media of pˆ1 pˆ 2 es
meande is p1 p2 , the difference
la diferencia in
entre
thelas
population proportion
proporciones s.
poblacionales pˆ
r1 r2
n1 n2
p q 1 p2q12
2. The standard
El desvío deviation
estándar of
(ES) de ˆ
p1 ˆ
p 2
esSE pˆ (1 pˆ ) .
is 1 1
1 1
pˆ (1 pˆ )
r r n 1
n1 n n2
2
donde pˆ 1 n n 1
2 2
1 n 2arelarge,thesampling
3. If thesamplensizes distribution
3. Si el tamaño de las muestras
of pˆ1 pˆ 2 is approximat ely normal,
Z and
SEpˆ 1 can
pˆ 2beestimated
( p1 p 2 )
es lo suficientemente grande, muestral
1 1
ˆ1 qˆ pˆ 2
pˆp pˆ 2qˆ2 pˆ (1 pˆ )
SE una distribución
assigue 1 1
. normal n1 n 2
n1 n2 Copyright ©2003 Brooks/Cole
A division of Thomson Learning, Inc.
Ejemplo
¿Es efectiva la aspirina?
• Se registró la presencia de infartos (incidencia)
durante 5 años:
Grupo Infarto No infarto n Incidencia
Muestra M 12, 11, 12, 10, 14, 15, 10, 13, 14, 12
T M
6 12 PRUEBA DE DIFERENCIA DE LAS DOS MEDIAS
14 11 H0 : µT = µm
8 12 H1 : µT ≠ µM
11 10
10 14 2 2
S S
2
18 15
x x (µ µ )
1 2
15 10
20 13 tmuestral
1 2 1 2
tcrit tGL GL n1 n2
2 2 2 2
13 14
S12 S 22 S1 1 S 2 1
12
n1 n2 n1 1 n2 2
12.7777778 12.3
4.5491146 1.7029386
20.6944444 2.9
GL = 10,004 ≈ 10
HALLAMOS REGIÓN CRÍTICA PARA t(10; 0,975) = ± 2,228
Tc = 0,297
Ejemplo
• Ho:
• H1:
• CR: