Test de Hipótesis (Parte 1)
Material complementario Teórico práctico
Prof. Asoc. Lic. María José Castro
Prof. Adj. Lic. María José Castro 0
Test de Hipótesis
Prof. Adj. Lic. María José Castro 1
Introducción
Hasta ahora ….
➔ Definimos lo que es una variable aleatoria.
➔ Distribución de probabilidad de la variable aleatoria.
➔ Identificamos parámetros que caracterizan la distribución de una variable aleatoria.
➔ Definimos muestra aleatoria.
➔ Estimación de los parámetros utilizando los datos de la muestra
Puntual
Intervalos de confianza
Prof. Adj. Lic. María José Castro 2
Introducción
Situación 1
Ciertos comprimidos deben contener 100 mg de cierta droga. El laboratorio sospecha que se ha producido un
aumento en el promedio de la droga en los comprimidos, luego de que se hiciera un cambio en la línea de
producción.
Situación 2
La precisión del método A de medición, medida a través de la varianza, se estimó en 0,4 𝑐𝑚2 . El laboratorio
implementó el uso de un nuevo método B y sospecha que la precisión es diferente a la del método anterior.
Situación 3
Un laboratorio hace una propaganda en la que dice que el tiempo medio en que su aspirina calma el dolor de cabeza
es menor que 15 minutos. Otro laboratorio, de la competencia, sospecha que lo que dice la propaganda no es cierto
y quiere decidir si le hace juicio o no acusándolo de propaganda desleal.
Prof. Adj. Lic. María José Castro 3
¿Qué es una Hipótesis estadística?
Una hipótesis estadística, o simplemente hipótesis, es una proposición o supuesto sobre una característica de la
población. Esta característica puede ser un parámetro que describa a la población, o también, la distribución de
probabilidad que sigue una variable aleatoria.
▪ 𝑋 una variable aleatoria, 𝐸 𝑋 = 𝜇 y 𝑉𝑎𝑟 𝑋 = 𝜎 2 parámetros poblacionales desconocidos. Se pueden plantear
hipótesis acerca de ellos
𝜇 > 10 𝜇 ≠ 15 𝜇 < −1 𝜎 2 ≥ 0,5 𝜎 < 0,01 ← Hipótesis paramétricas
▪ Si 𝑌 es una variable aleatoria y necesitamos que tenga una distribución determinada. Por ejemplo:
La distribución de la variable es normal ← Hipótesis no paramétrica
Prof. Adj. Lic. María José Castro 4
Hipótesis nula y alternativa
Dada una hipótesis estadística siempre existe otra complementaria (o mutuamente excluyente), de modo que, si una
es verdadera la otra es falsa, pero no se sabe cuál es la verdadera.
A una la llamamos hipótesis nula y la otra hipótesis alternativa.
• Hipótesis nula: es la afirmación sobre una característica poblacional (parámetro, distribución, …), representa el
“status quo” o el estado actual del conocimiento sobre el tema en estudio. Se la simboliza 𝐇𝟎 .
• Hipótesis alternativa: es la afirmación sobre una característica poblacional (parámetro, distribución, …) que
representa a la pregunta de investigación o una nueva idea que se quiere evaluar, contradiciendo la hipótesis nula.
Se la simboliza 𝐇𝟏 , o también, 𝐇𝐚 .
Prof. Adj. Lic. María José Castro 5
Test de Hipótesis
Un Test de Hipótesis es un procedimiento estadístico, una regla de decisión, que se utiliza para decidir si se rechaza o
no una hipótesis.
El Test de Hipótesis nos lleva a una de las siguientes conclusiones:
Rechazar 𝐇𝟎 , debido a la evidencia suficiente en los datos de la muestra a favor de 𝐇𝟏 .
No rechazar 𝐇𝟎 , debido a la evidencia insuficiente en los datos de la muestra a favor de 𝐇𝟏 .
Si una investigación pretende validar su hipótesis presentada en 𝐇𝟏 se busca hacerlo mediante el rechazo de la
hipótesis que la contradiga, es decir, mediante el rechazo de 𝐇𝟎 .
Prof. Adj. Lic. María José Castro 6
Test de Hipótesis
La verdad o falsedad de una hipótesis estadística nunca se sabe con absoluta certeza, a menos que se examine
toda la población, lo cual puede llegar a ser poco práctico o imposible en la mayoría de las situaciones.
¿Cómo hacemos para decidir sobre una hipótesis si no puedo examinar toda la población?
➔ Se toma una muestra aleatoria de la población de interés y se utilizan los datos contenidos en ella para
proporcionar evidencia que respalde o no la hipótesis. La evidencia de la muestra que es inconsistente con
la hipótesis planteada conduce al rechazo de la misma.
Prof. Adj. Lic. María José Castro 7
Test de Hipótesis - Hipótesis nula y alternativa
Entonces …
• La hipótesis alternativa H1 es la “afirmación complementaria” a H0 y es, generalmente, la hipótesis a investigar.
• La hipótesis nula H0 se rechaza a favor de la alternativa sólo si la evidencia muestral sugiere que H0 es falsa. Si
la muestra no contradice decididamente a H0 no se puede rechazar la hipótesis nula ya que no se tiene evidencia
suficiente para hacerlo.
¡Importante!
Las hipótesis son proposiciones sobre la población en estudio,
no son proposiciones sobre la muestra.
Prof. Adj. Lic. María José Castro 8
Hipótesis nula – Rechazamos o No rechazamos
La decisión de rechazar una hipótesis puede ser correcta o incorrecta.
Situaciones que se pueden presentar:
Realidad
𝐻0 es verdadera 𝐻0 es Falsa
No rechazamos 𝐻0 Decisión correcta Decisión incorrecta
DECISIÓN
Rechazamos 𝐻0 Decisión incorrecta Decisión correcta
Prof. Adj. Lic. María José Castro 9
Error de Tipo I y Tipo II
Error de Tipo I
Es el error que cometemos cuando el test decide que debemos rechazar 𝐻0 cuando en realidad es verdadera.
Error de Tipo II
Es el error que cometemos cuando el test decide no rechazar 𝐻0 cuando en realidad 𝐻0 es falsa.
Como la realidad se desconoce no se puede saber si se comete o no error. Lo importante es poder
evaluar la probabilidad de cometer algún tipo de error y tratar de que sea lo más chico posible.
Prof. Adj. Lic. María José Castro 10
Hipótesis nula – Rechazamos o No rechazamos
La decisión de rechazar una hipótesis puede ser correcta o incorrecta.
Situaciones que se pueden presentar:
TIPOS DE ERRORES Realidad
𝐻0 es verdadera 𝐻0 es Falsa
No rechazamos 𝐻0 Decisión correcta Error de Tipo II
DECISIÓN
Rechazamos 𝐻0 Error de Tipo I Decisión correcta
Prof. Adj. Lic. María José Castro 11
Nivel de significación de un Test de Hipótesis
Llamamos nivel de significación de un test de hipótesis y lo expresamos 𝜶 a la probabilidad de cometer error de
Tipo I
𝑃 error de Tipo I = 𝑃 rechazar 𝐻0 si en realidad es verdadera = 𝛼
- Es el error controlado por el experimentador.
- Se fija en un valor pequeño: 0,10; 0,05; 0,01
- Dado que el valor de 𝜶 (probabilidad de cometer error de tipo I) es fijado por el experimentador tan pequeña
como se quiera, hace que rechazar 𝑯𝟎 podamos considerarlo como una conclusión fuerte.
Prof. Adj. Lic. María José Castro 12
Probabilidad de Error de Tipo II
Llamamos 𝜷 a la probabilidad de cometer error de Tipo II
𝑃 error de Tipo II = 𝑃 no rechazar 𝐻0 si en realidad 𝐻0 es falsa = 𝛽
El valor de 𝜷 no está controlado por el experimentador, depende del verdadero valor del parámetro.
Prof. Adj. Lic. María José Castro 13
Definición de Potencia
Llamamos Potencia de un test de hipótesis y lo expresamos 𝝅 a la probabilidad de no cometer
error de Tipo II. Es decir, a la probabilidad de rechazar 𝐻0 si en realidad 𝐻0 es falsa.
𝑃 rechazar 𝐻0 si en realidad 𝐻0 es falsa = 𝜋
Se tiene que 𝜋 = 1 − 𝛽
Prof. Adj. Lic. María José Castro 14
Cuadro de decisión – Resumen de las probabilidades de los posibles errores
Realidad
𝐻0 es verdadera 𝐻0 es Falsa
𝛽
No rechazamos 𝐻0 Decisión correcta Es desconocido, no es controlado por
el experimentador
DECISIÓN 𝛼
Nivel de significación, 𝜋
Rechazamos 𝐻0
controlado por el Potencia del test
experimentador
𝛼 = Probabilidad de rechazar 𝐻0 si en realidad 𝐻0 es verdadera.
𝛽 = Probabilidad de No rechazar 𝐻0 si en realidad 𝐻0 es falsa.
𝜋 = Probabilidad de Rechazar 𝐻0 si en realidad 𝐻0 es falsa.
Prof. Adj. Lic. María José Castro 15
¿Cómo hacemos para decidir sobre una hipótesis si no puedo examinar toda la población?
▪ Existen varias posibilidades, pero todas se basan en escoger un estadístico apropiado.
▪ Es necesario elegir una muestra al azar y estimar los parámetros.
Estrategias habituales a seguir:
• Fijar, de antemano, una regla de decisión que garantice que la probabilidad de error de tipo I no será
superior a un valor 𝛼 pre-fijado (nivel de significación).
• Comunicamos qué tan probable es que una muestra haya sido tan contraria a la hipótesis nula: 𝒑𝒗𝒂𝒍𝒐𝒓
(nivel justo de significación).
Las reglas de decisión de cada test se deducen sobre la base de ciertas suposiciones que se deben verificar
antes de aplicar el test.
Prof. Adj. Lic. María José Castro 16
Estadístico de prueba - Zona de rechazo – Punto crítico
Estadístico de prueba
Es una variable aleatoria. Es una función de la muestra aleatoria que se utiliza para decidir si se rechaza o no la
hipótesis nula. (Ya veremos cómo hacemos esto …)
Zona de rechazo (o región crítica)
Es el conjunto de valores del estadístico de prueba que lleva a rechazar la hipótesis nula.
Si al evaluar el estadístico en los valores de la muestra obtenida cae en la zona de rechazo, rechazamos 𝐇𝟎 ; en
caso contrario caería en la zona de no rechazo y no se rechaza 𝐇𝟎 .
Valor o punto crítico
Es el punto que divide la región entre el lugar en el que la hipótesis nula es rechazada y no rechazada.
La elección del valor crítico está relacionada con la distribución del estadístico de prueba que se utilice y a la idea
de que al tomar una decisión se puede estar cometiendo algún tipo de error.
Prof. Adj. Lic. María José Castro 17
Nivel justo de significación
𝑷 = 𝒑𝒗𝒂𝒍𝒐𝒓
Cuando desarrollemos cada uno de los test vamos a ver como calcular este valor.
Prof. Adj. Lic. María José Castro 18
Test para la esperanza de una variable aleatoria
con distribución normal
Prof. Adj. Lic. María José Castro 19
Test de Gauss para la esperanza de una variable normal con varianza conocida
Suponemos que 𝑋~𝑁 𝜇; 𝜎 , donde 𝜎 es conocida. 𝑯𝟎 : 𝝁 ≤ 𝝁𝟎 𝑯𝟏 : 𝝁 > 𝝁𝟎
Hipótesis posibles sobre el parámetro desconocido 𝜇 𝑯𝟎 : 𝝁 ≥ 𝝁𝟎 𝑯𝟏 : 𝝁 < 𝝁𝟎
𝜇𝑜 valor conocido que depende del problema. 𝑯𝟎 : 𝝁 = 𝝁𝟎 𝑯𝟏 : 𝝁 ≠ 𝝁𝟎
Prof. Adj. Lic. María José Castro 20
Test de Gauss para la esperanza de una variable normal con varianza conocida
Suponemos que 𝑋~𝑁 𝜇; 𝜎 , donde 𝜎 es conocida.
𝑯𝟎 : 𝝁 ≤ 𝝁𝟎 𝑯𝟏 : 𝝁 > 𝝁𝟎
Hipótesis posibles sobre el parámetro desconocido 𝜇
𝑯𝟎 : 𝝁 ≥ 𝝁𝟎 𝑯𝟏 : 𝝁 < 𝝁𝟎
𝑯𝟎 : 𝝁 = 𝝁𝟎 𝑯𝟏 : 𝝁 ≠ 𝝁𝟎
𝜇𝑜 valor conocido que depende del problema.
Para poder decidir entre las hipótesis se tomará una muestra de tamaño n.
𝑋ത − 𝜇0
Estadístico de prueba: 𝑍 =
𝜎/ 𝑛
𝜇 − 𝜇0 Observación importante (que vamos a usar)
𝐸(𝑍) = 𝜇 − 𝜇0
𝜎/ 𝑛 ⟹ 𝑍~𝑁 𝜎 ;1
ൗ 𝑛 Cuando 𝜇 = 𝜇0 → 𝑍~𝑁 0; 1
𝑉𝑎𝑟(𝑍) = 1
Prof. Adj. Lic. María José Castro 21
Test de Gauss para la esperanza de una variable normal con varianza conocida
Prof. Adj. Lic. María José Castro 22
Test de Gauss para la esperanza de una variable normal con varianza conocida
Nivel justo de significación
𝑝𝑣𝑎𝑙𝑜𝑟 = 𝑝 = Nivel justo de significación
Es el menor 𝛼 con el que se rechaza H0
𝑥ҧ − 𝜇0
𝑍𝑜𝑏𝑠 =
𝜎/ 𝑛
𝐻0 : 𝜇 = 𝜇0 𝐻1 : 𝜇 ≠ 𝜇0 𝑝𝑣𝑎𝑙𝑜𝑟 = 2 · 𝑃 𝑍 ≥ 𝑍𝑜𝑏𝑠 𝑠𝑖 𝑍~𝑁 0; 1
𝐻0 : 𝜇 ≥ 𝜇0 𝐻1 : 𝜇 < 𝜇0 𝑝𝑣𝑎𝑙𝑜𝑟 = 𝑃 𝑍 ≤ 𝑍𝑜𝑏𝑠 𝑠𝑖 𝑍~𝑁 0; 1
𝐻0 : 𝜇 ≤ 𝜇0 𝐻1 : 𝜇 > 𝜇0 𝑝𝑣𝑎𝑙𝑜𝑟 = 𝑃 𝑍 ≥ 𝑍𝑜𝑏𝑠 𝑠𝑖 𝑍~𝑁 0; 1
Prof. Adj. Lic. María José Castro 24
Test de Student para la esperanza de una variable normal con varianza desconocida
• Suponemos que 𝑋~𝑁 𝜇; 𝜎 , donde 𝜎 es desconocida.
• Hipótesis posibles sobre el parámetro desconocido 𝜇
𝐻0 : 𝜇 ≤ 𝜇0 𝐻1 : 𝜇 > 𝜇0
𝐻0 : 𝜇 ≥ 𝜇0 𝐻1 : 𝜇 < 𝜇0
𝐻0 : 𝜇 = 𝜇0 𝐻1 : 𝜇 ≠ 𝜇0
siendo 𝜇𝑜 valor conocido que depende del problema.
• Para poder decidir entre las hipótesis se tomará una muestra de tamaño n. En este caso los parámetros 𝜇 y 𝜎 son desconocidos;
los estimadores puntuales de los parámetros son 𝜇Ƹ = 𝑋ത y 𝜎ො = 𝑆.
Prof. Adj. Lic. María José Castro 25
Test de Student para la esperanza de una variable normal con varianza desconocida
• El estadístico de prueba es
𝑋ത − 𝜇0
𝑇=
𝑆/ 𝑛
• Como 𝑋~𝑁 𝜇; 𝜎 , sabemos que
𝑋ത − 𝜇
~𝑡𝑛−1
𝑆/ 𝑛
• Si 𝐻0 verdadera 𝜇 = 𝜇0
𝑋ത − 𝜇0
𝑇= ~𝑡𝑛−1
𝑆/ 𝑛
Prof. Adj. Lic. María José Castro 26
Test de Student para la esperanza de una variable normal con varianza desconocida
• Cálculo de la zona de rechazo para las hipótesis
𝐻0 : 𝜇 ≤ 𝜇0 𝐻1 : 𝜇 > 𝜇0
𝑋ത − 𝜇0 𝑥ҧ − 𝜇0
𝑇= ~𝑡𝑛−1 𝑇𝑜𝑏𝑠 =
𝑆/ 𝑛 𝑠/ 𝑛
𝛼 = 𝑃 rechazar 𝐻0 si en realidad 𝐻0 es verdadera
𝛼 = 𝑃(𝑇 ≥ 𝐴 si en realidad 𝜇 = 𝜇0 )
𝛼 = 𝑃 𝑇 ≥ 𝐴 si 𝑇~𝑡𝑛−1
⟹ 𝐴 = 𝑡𝑛−1 ; 𝛼
𝑍𝑅 = {𝑇: 𝑇 ≥ 𝑡𝑛−1;𝛼 }
Si 𝑇𝑜𝑏𝑠 ∈ 𝑍𝑅 se rechaza 𝐻0 con probabilidad de equivocarse 𝛼
Prof. Adj. Lic. María José Castro 27
Test de Student para la esperanza de una variable normal con varianza desconocida
• Cálculo de la zona de rechazo para la hipótesis
𝐻0 : 𝜇 = 𝜇0 𝐻1 : 𝜇 < 𝜇0
𝑋ത − 𝜇0 𝑥ҧ − 𝜇0
𝑇= ~𝑡𝑛−1 𝑇𝑜𝑏𝑠 =
𝑆/ 𝑛 𝑠/ 𝑛
𝛼 = 𝑃 rechazar 𝐻0 si en realidad 𝐻0 es verdadera
𝛼 = 𝑃(𝑇 ≤ 𝐵 si en realidad 𝜇 = 𝜇0 )
𝛼 = 𝑃 𝑇 ≤ 𝐵 si 𝑇~𝑡𝑛−1 ⟹ 𝐵 = −𝑡𝑛−1 ; 𝛼
𝑍𝑅 = {𝑇: 𝑇 ≤ −𝑡𝑛−1;𝛼 }
Si 𝑇𝑜𝑏𝑠 ∈ 𝑍𝑅 se rechaza 𝐻0 con probabilidad de equivocarse 𝛼
Prof. Adj. Lic. María José Castro 28
Test de Student para la esperanza de una variable normal con varianza desconocida
• Cálculo de la zona de rechazo para la hipótesis
𝐻0 : 𝜇 = 𝜇0 𝐻1 : 𝜇 ≠ 𝜇0
𝑋ത − 𝜇0 𝑥ҧ − 𝜇0
𝑇= ~𝑡𝑛−1 𝑇𝑜𝑏𝑠 =
𝑆/ 𝑛 𝑠/ 𝑛
𝛼 = 𝑃 rechazar 𝐻0 si en realidad 𝐻0 es verdadera
𝛼 = 𝑃(𝑇 ≤ −𝐶 ó 𝑇 ≥ 𝐶 si en realidad 𝜇 = 𝜇0 )
𝛼 = 𝑃 𝑇 ≤ −𝐶 ó 𝑇 ≥ 𝐶 si 𝑇~𝑡𝑛−1 ⟹ 𝐶 = 𝑡𝑛−1;𝛼
2
−𝐶 = −𝑡𝑛−1;𝛼
𝑍𝑅 = 𝑇: 𝑇 ≥ 𝑡𝑛−1;𝛼 2
2
Si 𝑇𝑜𝑏𝑠 ∈ 𝑍𝑅 se rechaza 𝐻0 con probabilidad de equivocarme 𝛼
Prof. Adj. Lic. María José Castro 29
Test de Student para la esperanza de una variable normal con varianza desconocida
Prof. Adj. Lic. María José Castro 30
Test de Student para la esperanza de una variable normal con varianza desconocida
Nivel justo de significación
𝑝𝑣𝑎𝑙𝑜𝑟 = 𝑝 = Nivel justo de significación
Es el menor 𝛼 con el que se rechaza H0
𝑥ҧ − 𝜇0
𝑇𝑜𝑏𝑠 =
𝑠/ 𝑛
𝐻0 : 𝜇 = 𝜇0 𝐻1 : 𝜇 ≠ 𝜇0 𝑝𝑣𝑎𝑙𝑜𝑟 = 2 · 𝑃 𝑇 ≥ 𝑇𝑜𝑏𝑠 𝑠𝑖 𝑇~𝑡𝑛−1
𝐻0 : 𝜇 ≥ 𝜇0 𝐻1 : 𝜇 < 𝜇0 𝑝𝑣𝑎𝑙𝑜𝑟 = 𝑃 𝑇 ≤ 𝑇𝑜𝑏𝑠 𝑠𝑖 𝑇~𝑡𝑛−1
𝐻0 : 𝜇 ≤ 𝜇0 𝐻1 : 𝜇 > 𝜇0 𝑝𝑣𝑎𝑙𝑜𝑟 = 𝑃 𝑇 ≥ 𝑇𝑜𝑏𝑠 𝑠𝑖 𝑇~𝑡𝑛−1
Prof. Adj. Lic. María José Castro 31
Test de Student para la esperanza de una variable normal con varianza desconocida
Ejemplo
Una muestra de 16 mujeres, de entre 25 y 30 años, residentes en una gran ciudad, arrojó una estatura media de 1,68 metros y una
varianza muestral de 0,12 m². Se desea contrastar si esta muestra es consistente con la hipótesis de que la estatura media de las
mujeres de dicha ciudad es de 1,69 metros.
Prof. Adj. Lic. María José Castro 32
Test para el parámetro p de una Bernoulli
Prof. Adj. Lic. María José Castro 33
Bernoulli
Prof. Adj. Lic. María José Castro 34
Prof. Adj. Lic. María José Castro 35
