3-4-TEST_HIPOTESIS-Introd (1-7)-2015-175
-
Upload
ingrid-fletcher -
Category
Documents
-
view
213 -
download
0
Transcript of 3-4-TEST_HIPOTESIS-Introd (1-7)-2015-175
-
8/18/2019 3-4-TEST_HIPOTESIS-Introd (1-7)-2015-175
1/8
CECILIA LARRAÍN R. PRUEBA DE HIPÓTESIS Página 1
PRUEBA (DÓCIMA) DE HIPÓTESIS ESTADÍSTICAS
El objetivo último del análisis de datos es el de extraer conclusiones de
tipo general a partir de unos pocos datos particulares extraer
conclusiones sobre las propiedades de una población a partir de la
información contenida una muestra procedente de esa población
in ferencia estadíst ica
Formas básicas de inferencia estadística Estimación de parámetros
Pruebas de hipótesis
Prueba de hip ótesis est adíst ica : Es un proceso mediante el cual se
trata de comprobar si una afirmación sobre alguna propiedad
poblacional puede ser sostenida con la información que proporciona
la muestra. En realidad, la prueba de hipótesis es entendida como un
método estadístico de toma decisiones, es un procedimiento que permite
decidir si una proposición acerca de una población puede ser mantenida o
debe ser rechazada.
Por ende, las hipótesis de investigación deben ser planteadas de tal forma
que puedan ser comprobadas mediante los métodos estadísticos.
Las hipótesis estadísticas son afirmaciones sobre una o más poblaciones,
o bien, son afirmaciones sobre uno o más parámetros de una o más
poblaciones. Por ejemplos:
∙ La media de la población es a lo más 10 (μ < 10)∙ El valor del parámetro θ es 2 (θ = 2)∙ La distribución de X es normal, etc.
… …. … … …. … … …. … … …. …
-
8/18/2019 3-4-TEST_HIPOTESIS-Introd (1-7)-2015-175
2/8
CECILIA LARRAÍN R. PRUEBA DE HIPÓTESIS Página 2
EJEMPLOS El enunciado dice Algo en común
1 En un proceso defabricación de tubos de
aluminio, la longitud deéstos se distribuye enforma normal conmedia 100 cm yvarianza 16 cm2. Serealiza una reparación yahora ¿cómo discernirsi ha habido un cambioen la longitud media delos tubos?
Variable de interés
X = longitud en cmde un tubo dealuminio
X~ Normal(μ, σ 2 )
Hipótesis:Si μ=100 ≡ no hubo cambio en la
longitud media
Se formula la
hipótesis (queindica elenunciado del
ejemplo) sobreparámetros dela población.
Lasconclusiones
sobre lavalidez de lahipótesis se
basarán en lainformación
de unamuestra.
Es necesarioplantear dos
hipótesis
La que seprueba (hip.nula) debecontener =(=, >, ; <
es
conocida
-
8/18/2019 3-4-TEST_HIPOTESIS-Introd (1-7)-2015-175
3/8
CECILIA LARRAÍN R. PRUEBA DE HIPÓTESIS Página 3
Hipótesis alternativa (H1): es la aseveración contraria de la en la
hipótesis nula, también se denomina hipótesis del investigador (es la
hipótesis que el investigador desea verificar)
Una dócima de hipótesis es una regla que determina, a un cierto nivel de
significación, para qué valores de la muestra se rechaza o n o se rechaza
la hipótesis nula H0.
Es decir, una dócima de hipótesis o test de hipótesis es una partición del
espacio muestral en dos regiones, una región crítica o de rechazo (RC) y
una región de aceptación (RA). El tamaño de la RC ≡ α o nivel de significación.
conjunto de todaslas muestras posibles.c/muestraresumida
en unestadístico.Por ejem. x
= RC RA RC RA =
Tipos de errores en una prueba de hipótesis
Deseamos que nuestra decisión con respecto a la hipótesis nula sea
correcta, pero a veces no lo será. Hay dos tipos de decisiones incorrectas:
Decisiónrespecto a
H0
Estado real: Hipótesis Nula H0 es
Verdadera Falsa
Rechazar H0
Decisión incorrecta
Error tipo I
P(rech H0/ H0 es V) = α
Nivel de significación
Decisión correcta
P(rech H0/ H0 es F) = 1 – β
Potencia
No Rechaza H0
(“aceptar ”)
Decisión correcta
P(No rech H0/ H0 es V) = 1 - α
Decisión incorrecta
Error tipo II
P(No rech H0/ H0 es F) = β
Se debe determinar el
valor del estadístico que
delimita las dos regiones
Valor crítico
-
8/18/2019 3-4-TEST_HIPOTESIS-Introd (1-7)-2015-175
4/8
CECILIA LARRAÍN R. PRUEBA DE HIPÓTESIS Página 4
Podemos hacer la probabilidad del Error de Tipo I tan pequeña como queramos,PERO esto hace que aumente la probabilidad del Error de Tipo II.
Una prueba de hipótesis puede rechazar la hipótesis nula pero NO puede probarla hipótesis nula. ¿por qué?
Si no rechazamos la hipótesis nula, es porque las observaciones no han
aportado evidencia para descartarla, no porque sea necesariamente cierta. Por el contrario, si rechazamos la hipótesis nula es porque las observaciones han
aportado evidencia para descartarla (lo observado en la muestra está a unadistancia significativa del valor que indica H0), lo que implica que la evidenciaapoya la hipótesis del investigador H1.
Procedimiento general para probar hipótesis
Es conveniente seguir las siguientes etapas al enfrentar un problema de
prueba o dócima de hipótesis:1º.-Definición de la o las variables de interés y enunciado explícito de los
supuestos necesarios para explicar correctamente el método que se
piensa usar.
2º.-Definir la hipótesis nula (la que se prueba) y la hipótesis alternativa
(contraria a la nula), simbólicamente y en el contexto del problema.
Planteamiento de las hipótesis (en forma estadística)
Caso 1
H0: Parámetro = a0
H1: Parámetro ≠ a0
Caso 2
H0: Parámetro < a0
H1: Parámetro > a0
Caso 3
H0: Parámetro > a0
H1: Parámetro < a0
a0 es una constante
3º.- Especificar el tamaño de la RC o nivel de significación α (0,1 0,05 o
0,01)
4º.- Especificar la estadística de la prueba D. La estadística de prueba es
una medida de discrepancia entre la muestra y H0. Esta medida debe
tener una distribución muestral (distrib. de probabilidad) conocida. (ver
formular io)
-
8/18/2019 3-4-TEST_HIPOTESIS-Introd (1-7)-2015-175
5/8
CECILIA LARRAÍN R. PRUEBA DE HIPÓTESIS Página 5
5º.-Determinar la región crítica o región o área de rechazo de H0. (Regla
de decisión) ← encontrar el o los puntos críticos
Exis ten t eorem as que ju stif ican las áreas o regio nes críticas :
Caso 1 H0: Parámetro = a0 versus H1: Parámetro ≠ a0
la RC está dividida en ambas colas (test bilateral)
Caso 2 H0: Parámetro < a0 versus H1: Parámetro > a0
la RC es la cola superior (test unilateral)
Caso 3 H0: Parámetro > a0 versus H1: Parámetro < a0
la RC es la cola inferior (test unilateral)
-
8/18/2019 3-4-TEST_HIPOTESIS-Introd (1-7)-2015-175
6/8
CECILIA LARRAÍN R. PRUEBA DE HIPÓTESIS Página 6
6º.-Evaluar la estadística (bajo la hipótesis nula) con los datos de la
muestra.
7º.-Decisión respecto de H0 (rechazo o no rechazo)
8º.-Conclusión: Interpretación de la decisión en el contexto del problema.
Ejemplo : La variable coeficiente intelectual (CI) se distribuye en la población
chilena, normalmente con media 100 y desviación estándar 15. Un investigador
educacional está interesado en probar que las personas que hablan más de un
idioma tienen un CI superior a la media aunque igualmente distribuido.
Se tomó un a muestra aleatoria n = 25 personas que hablan más de un
idioma y se obtuvo un promedio (CI medio) deobservado
x = 102 ¿con la
información de la muestra, se puede apoyar al investigador?
-
8/18/2019 3-4-TEST_HIPOTESIS-Introd (1-7)-2015-175
7/8
CECILIA LARRAÍN R. PRUEBA DE HIPÓTESIS Página 7
Procedimiento Desarrollo del ejemplo:1º. Definición de
variables, SupuestosX: Coeficiente intelectual de los chilenosX se distribuye normal. σ2 conocido
2º.- Planteamiento de lashipótesis
H0: µ = 100 ( 100
3º.- Nivel de significación α = 0,05 4º.- Estadístico de
prueba0
x - μZ
σ/ n N(0 , 1)
5º.- Región de rechazo Rechazar H0 si el estadístico de prueba Ztoma un valor mayor que el percentil 95 de ladistribución Z, es decir:
RC = Z 1,64
Z
pto. crítico
6º.- Evaluación de laEstadística
(bajo H0, supuestaverdadera)
n = 25 x = 102 σ = 15
102 - 100
15/ 25obs
z = 0,67
7º.- Decisión Dado que zobs = 0,67 es menor quez0,95 = 1,645, no se rechaza H0
8º.- Conclusión No se puede concluir que la población depersonas que hablan más de un idiomaposeen un CI superior al resto de la población
Nota: En la práctica se ha adoptado, de manera amplia, el enfoque
del p-valor.
El p-valor es la probabilidad de que el estadístico de prueba tome
un valor que sea al menos tan extremo como el valor observado
del estadístico de prueba cuando la hipótesis nula es verdadera.
-
8/18/2019 3-4-TEST_HIPOTESIS-Introd (1-7)-2015-175
8/8
CECILIA LARRAÍN R. PRUEBA DE HIPÓTESIS Página 8
Definición: El p-valor es el nivel de significación más pequeño que
conduce al rechazo de la hipótesis nula.
Cuanto más pequeño sea el p-valor mayor es la evidencia en contra la
hipótesis nula H0
Del ejemplo: p-valor: P(Z > 0,67) = 0,2514
Entonces, si el p-valor es menor que α (nivel de sig. del investigador), se
rechaza la hipótesis nula