Universidad de oriente
Núcleo de Anzoátegui
Extensión región-Centro Sur
Anaco-Estado Anzoátegui
Hipótesis
Error tipo I y error Tipo II
Docente: Bachiller:
Jerlin Figueroa Pérez José C.I. 31.457.604
Estadistica II
Anaco, 11 de junio de 2024
II Evaluación.
1. ¿Cuáles con los cuatro pasos para una prueba de hipótesis?
Paso 1: plantear la hipótesis
Paso 2: seleccionar el valor estadístico de prueba
Paso 3: Determinar la regla de decisión con base en los valores
críticos de Z
Paso 4: Interpretación y conclusiones
2. Explique con sus propias palabras por que la regla de decisión tiene que
utilizarse para determinar si la hipótesis nula debería rechazarse.
Otra Respuesta:
La aplicación de la regla de decisión consiste en rechazar la Hipótesis Nula si la
probabilidad de observar el estadístico de contraste es igual o menor a la
probabilidad criterio, La probabilidad se puede ver como un modelo para resolver
problemas de toma de decisiones. Una de las características principales del
modelo probabilístico es que no es determinista, es decir la solución brinda al
problema de toma de decisiones no es la correcta sino la que probablemente sea
más beneficiosa.
Aplicar la regla de decisión implica rechazar la Hipótesis Nula cuando la
probabilidad de obtener el estadístico de prueba es igual o menor que el nivel de
significancia establecido. Esta probabilidad actúa como un modelo para resolver
problemas relacionados con la toma de decisiones. Una de las características
clave del modelo probabilístico es su naturaleza no determinista, lo que significa
que no proporciona una solución definitiva al problema de toma de decisiones,
sino la que es más probable que sea la más ventajosa
3. ¿Qué se entiende por una diferencia insignificante entre la media poblacional
de la hipótesis y la media muestral?
Es la diferencia entre el valor de la media poblacional bajo la Hipótesis y el valor
de la media muestral que es lo suficientemente pequeña como para atribuirla a un
error de muestreo. Esto sugiere que la diferencia puede deberse al azar y no a un
efecto verdadero. En términos estadísticos, no es suficiente para rechazar la
hipótesis nula, por lo que no se puede concluir que existe una diferencia
significativa entre las dos medias.
4. ¿Por qué nunca se acepta la hipótesis nula como cierta?
La hipótesis nula nunca se acepta como cierta por dos razones principales:
Aceptarla implicaría que no hay más que investigar o que la evidencia es
concluyente, lo cual rara vez ocurre en la investigación científica. Siempre existe la
posibilidad de obtener nueva evidencia que la contradiga.
Desde un punto de vista lógico, es imposible "probar" completamente la hipótesis
nula con los datos de una muestra. Los datos sólo pueden aportar evidencia en su
contra, pero no pueden confirmarla para toda la población.
En su lugar, si los datos no aportan evidencia suficiente para rechazarla,
simplemente se conserva o no se rechaza la hipótesis nula. Esto no significa
aceptarla como verdadera, sino que no hay razones estadísticamente
significativas para descartarla en ese momento.
Por lo tanto, en lugar de "aceptar la hipótesis nula", se utiliza la expresión "no
rechazar la hipótesis nula" para evitar la implicación de que se ha probado su
veracidad.
5. ¿Qué papel desempeñan los valores críticos de Z en el proceso de prueba?
¿Cómo se determinan? Haga una gráfica de su respuesta
Un valor crítico es un punto en la distribución del estadístico de prueba bajo la
hipótesis nula que define un conjunto de valores que apoyan el rechazo de la
hipótesis nula. Este conjunto se denomina región crítica o de rechazo. Por lo
general, las pruebas unilaterales tienen un valor crítico y las pruebas bilaterales
tienen dos valores críticos. Los valores críticos se determinan de manera que la
probabilidad de que el estadístico de prueba tenga un valor en la región de
rechazo de la prueba (cuando la hipótesis nula sea verdadera) sea igual al nivel de
significancia (denotado como α o alfa)
Aquí tienes una explicación más detallada:
Papel de los Valores Críticos
Los valores críticos de Z establecen los límites que separan la región donde se
rechaza H₀ de la región donde no se rechaza.
Si el estadístico de prueba cae en la región de rechazo (más allá del valor crítico),
H₀ es rechazada.
Adjuntar grafica y debajo
Explicación de la grafica
La gráfica muestra la distribución normal estándar. Las áreas sombreadas en rojo
representan las regiones donde se rechaza H₀ para una prueba bilateral con α =
0.05. Los valores críticos de Z son las líneas punteadas que delimitan estas
regiones.
6. ¿Cuál es el nivel de significancia en una prueba? ¿Cómo influye en los valores
críticos de Z?
El nivel de significancia es el valor de alfa de la prueba, influye en los valores
críticos de ya que este depende del valor alfa. El nivel de significancia (α) en una
prueba de hipótesis es la probabilidad máxima que estamos dispuestos a aceptar
de cometer un error tipo I, es decir, rechazar la hipótesis nula cuando es
verdadera. Este nivel influye directamente en los valores críticos de Z. un nivel de
significancia más pequeño (α más cercano a 0) resulta en valores críticos de Z
más extremos, lo que hace más difícil rechazar la hipótesis nula. Por el contrario,
un nivel de significancia más grande (α más cercano a 1) resulta en valores
críticos de Z menos extremos, lo que facilita el rechazo de la hipótesis nula.
7. Diferencia entre el error tipo I y el error tipo II. De un ejemplo
El error tipo I, es rechazar una hipótesis nula que es verdadera y el error tipo II, es
no rechazar una hipótesis nula que es falsa
Ejemplo:
Un Tecnólogo de Investigación de Alimentos busca comparar la efectividad de dos
agentes gasificantes para ello elaboró una hipótesis nula y una hipótesis
alternativa.
- Hipótesis nula (H0): Los dos agentes gasificantes tienen la misma eficacia.
- Hipótesis alternativa (H1): Ninguno de los dos agentes gasificantes tienen la
misma eficacia.
El error de tipo I se produce si el tecnólogo rechaza la hipótesis nula (H0) y llega a
la conclusión que dos agentes gasificantes son distintos, cuando en realidad no lo
son.
Por otro lado, si se produce un error de tipo II el tecnólogo no rechaza la hipótesis
nula cuando debe rechazarla. Es decir, el tecnológico concluye que los agentes
gasificantes son iguales, cuando en realidad son distintos.
8. Empleando una gráfica, ilustre de manera clara como la probabilidad de un
error tipo I es igual al nivel de significancia de una prueba.
9. Si un error tipo II es considerado más serio en cierta situación ¿seleccionaría
usted un valor de alfa alto o bajo? Explique
Si un error tipo II (no rechazar la hipótesis nula cuando es falsa) es considerado
más serio en cierta situación, se debería seleccionar un valor de alfa (nivel de
significancia) alto.
Una región de rechazo más amplia aumenta la probabilidad de rechazar la
hipótesis nula cuando es falsa, reduciendo así la probabilidad de cometer un error
tipo II.
Sin embargo, un valor de alfa alto también aumenta la probabilidad de cometer un
error tipo I (rechazar la hipótesis nula cuando es verdadera).
Por lo tanto, al seleccionar un valor de alfa alto, se está dando prioridad a evitar el
error tipo II sobre el error tipo I.
Entonces, si un error tipo II es más serio en una situación específica, se debe
seleccionar un valor de alfa alto para ampliar la región de rechazo y reducir la
probabilidad de cometer ese error, aun a costa de aumentar la probabilidad de
cometer un error tipo I.
10. Como gerente de compras para una gran empresa de seguros usted debe
decidir si actualizar o no los computadores de la oficina. A usted se le ha dicho
que el costo promedio de los computadores es de 2.100 bs. Una muestra de 64
minoristas revela un precio promedio de 2.251 bs, con una desviación estándar
de 812 bs. ¿a un nivel de significancia del 5% parece que su información es
correcta? ¿Se rechaza o no?
