1. MÉTODOS ESTATÍSTICOS
E NUMÉRICOS
UNIDADE 11
CONTRASTE DE HIPÓTESES
ÍNDICE
IES Isidro Parga Pondal. Departamento de matemáticas
2. Conceptos
1. Introdución
2. Hipóteses estatísticas.
3. Hipótese nula. Hipótese alternativa.
4. Tipos de erros
5. Criterios de decisión.
6. Pasos para a construción dun contraste de
hipóteses.
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
3. Conceptos
1. Contraste de hipóteses para a media
2. Contraste de hipóteses para a proporción .
3. Contraste de hipóteses para a diferenza de
medias.
• Relación entre contraste de hipóteses e
intervalos de confianza.
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
4. 1. Introdución
•Os obxectivos principais dos
procedementos de inferencia tratados
ata agora son dous:
•Determinar o valor concreto dun parámetro
poboacional ( Estimación puntual )
•Construír unha rexión aleatoria que conteña un
parámetro poboacional cunha probabilidade
prefixada de antemán (Intervalos de
confianza)
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
5. 1. Introdución
•Neste tema veremos unha terceira
forma de inferencia estatística
denominada Contraste de hipóteses
•O contraste de hipóteses serve para
corroborar ou rexeitar unha afirmación
( hipótese ) sobre a poboación en estudo.
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
6. 1. Introdución
•A teoría do contraste de
hipóteses foi proposta por
Egon Pearson e Jerzy
Neymann en 1928,
analizaron a técnica do
contraste, a eficiencia
relativa e a optimidade dos
contrastes. A pesar
dalgunha controversia, nos
anos 50 chegou a ser de
práctica xeral.
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
7. 1. Introdución
• Probar estatísticamente unha hipótese
é comprobar se a información que
proporciona unha mostra observada
concorda (ou non) coa hipótese
estatística formulada sobre o modelo
de probabilidade en estudo e, polo
tanto, decidir se aceptar (ou non) a
hipótese formulada cunhas marxes de
erro previamente prefixadas.
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
8. 1. Introdución
• É dicir, Contrastar unha hipótese é
comparar as prediccións coa realidade
que observamos. Se dentro da marxe de
erro que nos permitimos admitir, temos
coincidencia, aceptaremos a hipótese e,
en caso contrario a rexeitaremos.
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
9. 1. Introdución
• Polo tanto, un contraste de hipóteses é
un procedemento que nos permite
decidir se unha hipótese realizada sobre
un parámetro descoñecido se acepta ou
se rexeita cunha probabilidade
prefixada α, chamada nivel de
significación
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
10. 1. Introdución
• Vexamos exemplos de situacións nas
que podemos utilizar o contraste de
hipóteses
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
11. 1. Introdución
• Exemplo 1: Unha máquina
prográmase para que produza
parafusos de 15,50 mm e, en
efecto, prodúceos cunha
lonxitude media de 15,50 mm e
unha desviación típica de 0,12
mm. Pasado un tempo, quérese
comprobar se a máquina segue
funcionando correctamente, pois
se teñen sospeitas de que se
desaxustou.
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
12. 1. Introdución
• Exemplo 1: Temos que decidir se a lonxitude media
segue sendo μ =15,50 ou, se pola contra, µ ≠ 15,50; en
cuxo caso, ,54 mm
x = 15 deberemos reaxustar xa µ = máquina. Para
− 0,04 mm
verificalo extraemos unha mostra de 90 parafusos e
resulta que a media é x = 15,54
A diferenza x − μ = 0,04 pode deberse a que:
A máquina se desaxustou e μ ≠ 15,50
A máquina funciona ben e a diferenza débese ao
azar, consecuencia de elixir unha mostra
x − µ = 0,04 mm
Para decidir entre as dúas posibilidades faremos un
contraste de hipóteses (Contraste de hipóteses para a
media)
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
13. 1. Introdución
• Exemplo 2: Segundo a información
dada pola Universidade de Santiago,
sabemos que a proporción de aprobados
nas probas de acceso á Universidade é do
95%.
Se queremos coñecer a veracidade desa
información, consideraremos a hipótese: a
proporción de aprobados nas probas de
acceso á Universidade é igual a 95% e a
contrastaremos coa información obtida a
partir dunha mostra. (Contraste de
hipóteses para a proporción)
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
14. 1. Introdución
• Exemplo 3: Dúas empresas producen o mesmo tipo de
motor para lavadoras. Ao cabo dos anos, estes motores
tiveron unha duración similar, pero na actualidade, a
segunda empresa afirma que os seus motores duran
máis que os da primeira. Para determinar se aceptamos
ou rexeitamos esta afirmación da empresa, podemos
utilizar o contraste de hipóteses para a diferenza
de medias.456456
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
15. 2. Hipóteses estatísticas
Unha hipótese estatística é unha afirmación
respecto a algunha característica dunha
poboación.
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
16. 2. Hipóteses estatísticas
Unha hipótese estatística pode ser:
• Paramétrica: é unha afirmación sobre os
valores dos parámetros poboacionais
descoñecidos.
Clasifícanse en:
• Simple: se a hipótese asigna valores únicos
aos parámetros ( μ = 1'5, σ = 10, ...).
• Composta: se a hipótese asigna un rango de
valores aos parámetros poboacionais
descoñecidos ( μ > 1'5, 5 < σ < 10, ...).
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
17. 2. Hipóteses estatísticas
• Non Paramétrica:
É unha afirmación sobre algunha
característica estatística da poboación
en estudo.
Por exemplo:
• as observacións son independentes
• a distribución da variable é normal
• a distribución é simétrica, ...
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
18. 3. Hipótese nula. Hipótese alternativa.
O primeiro paso no contraste consiste en
formular as seguintes hipóteses:
A hipótese nula: denótase por H0 e é a
afirmación que se considera verdadeira e que
se quere contrastar.
A hipótese alternativa: denotada por H1, é a
afirmación contraria á formulada na hipótese
nula.
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
19. 3. Hipótese nula. Hipótese alternativa.
Observacións:
1º.- A aceptación de H0 non implica que esta
sexa correcta, se non que os datos da mostra
non proporcionaron evidencia suficiente como
para refutala.
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
20. 3. Hipótese nula. Hipótese alternativa.
2º.- Se o experimentador quere apoiar con
contundencia un determinado argumento é
debido a que este non pode ser asumido
gratuitamente e, polo tanto, só poderá ser
defendido a través do rexeitamento do
argumento contrario.
Por exemplo, se un médico quere avalar
empiricamente que unha nova vacina é efectiva,
entón a hipótese nula será:
H0: “A vacina non é efectiva”
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
21. 3. Hipótese nula. Hipótese alternativa
• Exemplo 1: Unha máquina
prográmase para que produza
parafusos de 15,50 mm. e, en
efecto, prodúceos cunha
lonxitude media de 15,50 mm. e
unha desviación típica de 0,12
mm. Pasado un tempo, quérese
comprobar se a máquina segue
funcionando correctamente, pois
se teñen sospeitas de que se
desaxustou.
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
22. 3. Hipótese nula. Hipótese alternativa
Para poder decidir,
definimos como hipótese
nula:
• H0:“a máquina funciona
ben”: μ=15,50 mm.
E, polo tanto:
• H1 : μ≠15,50 mm.
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
23. 3. Hipótese nula. Hipótese alternativa
•Exemplo2: Segundo a información
dada pola Universidade de Santiago,
sabemos que a proporción de
aprobados nas probas de acceso á
Universidade é do 95%.
• H0:“a proporción de aprobados
é do 95% ”: p=0,95
E, polo tanto:
• H1: p≠0,95 mm
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
24. 3. Hipótese nula. Hipótese alternativa
• Exemplo 3: Dúas empresas producen o mesmo
tipo de motor para lavadoras. Ao cabo dos anos,
estes motores tiveron unha duración similar,
pero na actualidade, a segunda empresa afirma
que os seus motores duran máis que os da
primeira.
H0 : μ1-μ2 = 0
E, polo tanto:
• H1 : μ1-μ2 ‡ 0
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
25. 4. Tipos de erros
O contraste de hipóteses non establece a
verdade da hipótese, senón un criterio que nos
permite decidir se unha hipótese se acepta ou
se rexeita segundo as mostras observadas
difiren significativamente dos resultados
esperados.
•Neste proceso podemos incorrer en dous tipos
de erros segundo sexa a situación real e a
decisión que tomemos.
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
26. 4. Tipos de erros
• Erro de tipo I: Rexeitamos a hipótese
nula cando esta é certa.
• Error de tipo II: Non rexeitamos a
hipótese nula cando esta é falsa.
As catro posibles situacións que poden
dar lugar a un contraste de hipóteses
esquematízanse no seguinte cadro:
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
27. 4. Tipos de erros
H0 certa H0 falsa
H0 rexeitada Erro tipo I Decisión
correcta
H0 non rexeitada Decisión Erro tipo II
correcta
A ter en conta:
Os dous tipos de erros son incompatibles: só é posible
cometer un erro de tipo I se se rexeita a hipótese nula;
mentres que o erro de tipo II está ligado ao non
rexeitamento da hipótese nula.
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
28. 5. Criterios de decisión
Toda decisión esta suxeita a erro e, polo tanto,
calquera criterio utilizado para optar por unha
ou pola outra hipótese atenderá a controlar o
risco de equivocarse.
Temos dous posibles enfoques iniciais:
Unicamente pretendemos controlar o risco de
cometer un erro de tipo I
A decisión tomada garante probabilidades
prefixadas de antemán para ambos os dous
erros.
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
29. 5. Criterios de decisión
Acoutar a probabilidade de erro de tipo I
Esta proposta responde a aquelas
situacións nas que o experimentador
aposta inicialmente pola hipótese nula e
só está disposto a rexeitala se a
evidencia na súa contra é moi
importante, preocupándose en menor
medida de aceptala erroneamente.
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
30. 5. Criterios de decisión
Exemplo:
Nun proceso xudicial no
que se decide entre a
inocencia ou a
culpabilidade do reo só se
rexeitará a hipótese nula
(o acusado é inocente) se
a evidencia das probas
acerca da súa culpabilidade
vai máis alá de calquera
dúbida razoable.
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
31. 5. Criterios de decisión
Definición:
Chámase nivel de significación dun
contraste, α, á probabilidade de
cometer un erro tipo I
α = P ( “rexeitar H0” / ”H0 é certa” )
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
32. 5. Criterios de decisión
Fixar o nivel de significación é decidir
de antemán a probabilidade máxima que
se está disposto a asumir, de rexeitar a
hipótese nula cando é certa.
O nivel de significación o elixe o
experimentador, aínda que os valores
usados habitualmente son 0,1; 0,05 ou
0,01
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
33. 5. Criterios de decisión
•A selección dun nivel de significación
leva a dividir en dúas rexións o conxunto
de posibles valores do estatístico de
contraste:
– Unha de probabilidade α, coñecida como
rexión de rexeitamento ou crítica.
– Unha de probabilidade 1- α, coñecida como
rexión de aceptación.
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
34. 5. Criterios de decisión
•Se o estatístico de contraste toma un
valor pertencente á rexión de aceptación,
non existen razóns suficientes para
rexeitar a hipótese nula cun nivel de
significación α e o contraste dise
estatisticamente non significativo
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
35. 5. Criterios de decisión
•Se o valor do estatístico cae na rexión
de rexeitamento, entón asumimos un nivel
de significación α, que os datos non son
compatibles coa hipótese nula e a
rexeitamos. Dise que o contraste é
estatisticamente significativo
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
36. 5. Criterios de decisión
A ubicación das rexións de
rexeitamento e de aceptación dependerá
do tipo de hipótese alternativa.
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
37. 5. Criterios de decisión
Para unha hipótese nula simple do tipo
H0 : θ =θ0
as hipóteses alternativas máis importantes son:
– H0 : θ ‡ θ0
– Se α = P ( “rexeitar H0” / ”H0 é certa” )
– Entón a rexión de rexeitamento vén dada por:
RRα = (-∞,d(1-α)/2)U(dα/2,+∞)
Contraste bilateral
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
38. 5. Criterios de decisión
• Se H0 : θ≤θ0 Hα : θ > θ0
Entón a rexión de rexeitamento vén dada
por:
– RRα = (dα ,+∞)
Contraste unilateral dereito
• Se H0 : θ≥θ0 Hα : θ < θ0
Entón a rexión de rexeitamento vén dada
por:
RRα = (-∞,d(1-α))
Contraste unilateral
esquerdo
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
39. 5. Criterios de decisión
• Prefixar a probabilidade de
ambos os dous erros
Existen situacións nos que incorrer
nun erro de tipo II é tanto máis
grave que cometer un erro de tipo
I.
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
40. 5. Criterios de decisión
• Exemplo:
Na execución dunha proba para detectar a
presenza dun virus, cuxo desenvolvemento pode
ser mortal se non é medicado a tempo,
realizouse o seguinte contraste:
H0 : “ o virus non está presente”
Hα : “ o virus si está presente”
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
41. 5. Criterios de decisión
Un erro de tipo I
implicaría admitir a
existencia do virus
erroneamente.
A gravidade de
incorrer nun erro de tipo
II é evidente, xa que
equivale a descartar o
virus cando o paciente si
que o adquiriu.
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
42. 5. Criterios de decisión
En situacións deste tipo, ademais de
prefixar o nivel de significación, é
conveniente precisar tamén a
probabilidade que se está disposto a
asumir de non rexeitar a hipótese nula
erroneamente; incorrer nun erro de tipo
II.
Defínese :
β = P ( “non rexeitar H0” / ”Hα é certa” )
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
43. 5. Criterios de decisión
A ter en conta:
• Fixado o nivel de significación, a probabilidade
de erro de tipo II diminúe coa distancia entre
H0 e Hα
•A probabilidade de incorrer nun erro de tipo
II diminúe (aumenta) se aumenta (diminúe) a
probabilidade de cometer un erro de tipo I.
•Só é posible diminuir simultaneamente as
probabilidades de ambos os dous erros
aumentando o tamaño mostral.
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
44. 6. Pasos para a construción dun contraste de
hipóteses
1ºpaso.- Especificar sen ambigüidade,
as hipóteses nula e alternativa.
Dependendo do sentido da hipótese
alternativa, poderemos falar de
contraste bilateral ou unilateral
•Contraste bilateral: H1: p ‡ p0
•Contraste unilateral: H1: p < p0
ou
H1: p > p0
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
45. 6. Pasos para a construción dun contraste de
hipóteses
2º paso.- Fixar o nivel de significación
O nivel de significación, α, é a probabilidade de
rexeitar a hipótese nula cando esta é certa
(Erro tipo I)
Este nivel deberemos prefixalo de antemán e
tomaremos valores pequenos (0,05; 0,01; 0,1)
xa que determinaremos as rexións de
aceptación e rexeitamento a partir deste nivel
α.
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
46. 6. Pasos para a construción dun contraste de
hipóteses
2º paso.- Fixar o nivel
de significación
Contrate bilateral
Contrastes unilaterais
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
47. 6. Pasos para a construción dun contraste de
hipóteses
3º paso.- Determinación do estatístico
de contraste
Todos os estatísticos que imos utilizar
nesta unidade, dependerán do parámetro
sobre o cal se elaborou a hipótese nula.
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
48. 6. Pasos para a construción dun contraste de
hipóteses
Se a hipótese é sobre a media poboacional
X −µ
Z =
σ
n
Se a hipótese é sobre a proporción poboacional
ˆ
p −p
Z =
p ⋅ (1 − p )
n
Se a hipótese é sobre a diferenza de medias
Z=
(X 1 − X 2 ) − ( µ1 − µ 2 )
σ 12 σ 2
2
+
n1 n2
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
49. 6. Pasos para a construción dun contraste de
hipóteses
4ºpaso.- Determinar as rexións de
aceptación e rexeitamento.
Contraste bilateral N(0,1)
RA en azul
RR en rojo
1-α
α/2 α/2
-zα/2 zα/2
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
50. 6. Pasos para a construción dun contraste de
hipóteses
Contraste unilateral N(0,1)
RA en azul
RR en rojo
esquerdo
1-α
α
-zα
N(0,1)
Contraste unilateral RA en azul
RR en rojo
dereito
1-α
α
zα
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
51. 6. Pasos para a construción dun contraste de
hipóteses
5º paso.- Tomar unha mostra da
poboación e calcular o valor de
estatístico de contraste, elixido no
paso 3, para esta mostra concreta.
A partir da mostra observada
podemos obter un valor concreto do
estatístico de contraste.
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
52. 6. Pasos para a construción dun contraste de
hipóteses
6º paso.- Tomar a decisión de rexeitar ou
non a hipótese nula, en función de que o
valor do estatístico valorado na mostra
observada se atope na rexión de
rexeitamento ou de aceptación.
Unha vez obtido o valor concreto do estatístico
na mostra e a rexión de aceptación poderemos
determinar se este valor é considerado
aceptable ou non e, polo tanto, se aceptamos
ou rexeitamos a hipótese nula
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
53. 6. Pasos para a construción dun contraste de
hipóteses
EXEMPLO 1:
O concello de Carballo afirma que
o 65% dos accidentes de tráfico
no que están implicados mozos son
debidos ao alcohol. Un investigador
decide contrastar dita hipótese
para o que toma unha mostra
formada por 35 accidentes e
observa que 24 deles foron
debidos ao alcohol
Que podemos dicir sobre a
información do concello?
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
54. 6. Pasos para a construción dun contraste de
hipóteses
EXEMPLO 1:
1º.- Definir as hipóteses nula e alternativa
H0 : p = 0.65
Hα : p ‡ 0.65
2º.- Elixir o nivel de significación
Tomaremos como un bo nivel de significación
α=0´01
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
55. 6. Pasos para a construción dun contraste de
hipóteses
EXEMPLO 1:
3º.- Determinación do estatístico de
contraste
A hipótese realízase sobre a proporción
poboacional; polo tanto, o estatístico de
contraste é:
ˆ
p − p0
z =
Estatístico de contraste p0 (1 − p0 )
n
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
56. 6. Pasos para a construción dun contraste de
hipóteses
EXEMPLO 1:
4º.- Determinación das rexións de
aceptación e de rexeitamento
Trátase dun contraste bilateral, polo
tanto o valor crítico é zα/2 = 2.58 ;
que é o valor que separa a rexión de
aceptación da de rexeitamento.
Rexión de aceptación (-2´58, 2´58)
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
57. 6. Pasos para a construción dun contraste de
hipóteses
5º.- Tomar unha mostra da poboación e
calcular o valor de estatístico de contraste
para esta mostra concreta.
24
p=
ˆ = 0´686; n = 35
35
Tipificamo s :
0´686 − 0´65
z= = 0´444
0´65(1 − 0´65)
35
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
58. 6. Pasos para a construción dun contraste de
hipóteses
6º.- Tomar a decisión de rexeitar ou non a
hipótese nula, en función de que o valor do
estatístico valorado na mostra observada se
atope na rexión de rexeitamento ou de
aceptación.
Como 0´444 está no intervalo (-2´58, 2´58)
acéptase a hipótese nula e dicimos, a un nivel do 1%,
que a proporción de accidentes debidos ao alcohol é do
65%
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
59. 6. Pasos para a construción dun contraste de
hipóteses
y
0.03
0.028
N(0,1)
0.026 RA en azul
0.024
RR en rojo
0.022
0.02
0.018
0.016
0.014
1-α=0.99
0.012
0.01
0.008
0.006
α/2=0.005 0.004
0.002
α/2=0.005
x
-3 -2.5 -2 -1.5 -1 -0.5 0.5 1 1.5 2 2.5 3
-zα/2 =-2.58 -0.002
0.444 zα/2=2.58
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
60. 7. Contraste de hipóteses para a media
Temos unha poboación onde estudamos
unha variable que segue N(μ,σ) con σ
coñecida.
Queremos contrastar a hipótese
H0 : μ =μ0
a partir dos resultados dunha mostra x
de tamaño n para a cal a media mostral é
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
61. 7. Contraste de hipóteses para a media
Para isto seguiremos os seguintes pasos:
1) Fixar o nivel de significación: α
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
62. 7. Contraste de hipóteses para a media
2) Establecer a hipótese alternativa
Hipótese Tipo de
Hipótese nula
alternativa contraste
μ = μ0 μ ‡ μ0 Bilateral
Unilateral
μ ≤ μ0 μ > μ0
dereita
Unilateral
μ ≥ μ0 μ < μ0
esquerda
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
63. 7. Contraste de hipóteses para a media
3) Elixir o estatístico de contraste
x − μ0
z= segue unha N(0,1)
σ
n
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
64. 7. Contraste de hipóteses para a media
4) Construír a rexión de aceptación
R. aceptación
H0 Hα
(-zα/2, zα/2)
N(0,1)
RA en azul
RR en rojo
μ = μ0 μ ‡ μ0 1-α
α/2 α/2
- zα/2 N(0,1) zα/2
RA en azul
(-∞, zα )
RR en rojo
μ ≤ μ0 μ > μ0 1-α
α
N(0,1) zα
RA en azul
μ ≥ μ0 μ < μ0 (-zα, ∞)
RR en rojo
1-α
α
- zα
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
65. 7. Contraste de hipóteses para a media
5) Verificación
Se x ∈ R.A ⇒ Ho acéptase
Se x ∉ R.A ⇒ Ho rexéitase
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
66. 7. Contraste de hipóteses para a media
Se σ é descoñecida e o tamaño da mostra
n é grande (n≥30)
Farase como no caso anterior substituíndo a
varianza poboacional σ2 pola cuasevarianza
mostral ŝ2
Polo que o estatístico de contraste é
x − μ0
z=
sˆ
n
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
67. 7. Contraste de hipóteses para a media
•EXEMPLO1: Crese que o
tempo medio de ocio que
adican ao día os
estudantes de Bacharelato
segue unha distribución
N(350,60) (minutos). Para
contrastar esta hipótese,
tómase unha mostra
aleatoria de 100 alumnos e
obsérvase que o tempo
medio é 320 minutos. Que
se pode dicir desta
afirmación ao nivel do
10%?
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
68. 7. Contraste de hipóteses para a media
EXEMPLO 1:
1º.- Formulamos as hipóteses:
H0 : μ = 350 Hα : μ ‡ 350
2º.- O nivel de significación é α = 0´1
x − μ0
3º.- Estatístico de contraste z=
σ
n
4º.- Rexión de aceptación (-1´645, 1´645)
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
69. 7. Contraste de hipóteses para a media
5º. - Tipificamo s
x = 320; n = 100; σ = 60
320 − 350
z= = −5
60
100
6º.- Como -5 non está no intervalo (-1.645, 1.645)
rexéitase a hipótese nula e, polo tanto, ao nivel do 10%
ponse en dúbida que o tempo medio adicado ao ocio polos
alumnos sexa 350 minutos.
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
70. 7. Contraste de hipóteses para a media
y
N(0,1)
RA en azul
RR en rojo
1-α
α/2 α/2 x
-5 -zα/2=-1.645 zα/2=1.645
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
71. 7. Contraste de hipóteses para a media
EXEMPLO2:
Quérese contrastar o contido
de azucre de distintos
cargamentos de remolacha.
Sábese que o contido medio de
azucre para remolacha de
regadío é do 18% e con media
superior para o de secano, sendo
a desviación típica 6% para
ambos os dous casos. Tómase
unha mostra de 20 cargamentos.
Que valor da media permitirá
tomar a decisión se é de secano
ou de regadío ao nivel do 5%?
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
72. 7. Contraste de hipóteses para a media
EXEMPLO 2:
1º.- Formulamos as hipóteses:
H0 : μ ≤ 18 Hα : μ > 18
2º.- O nivel de significación é α = 0´05
x − μ0
3º.- Estatístico de contraste z=
σ
n
4º.- Rexión de aceptación (-∞, 1´645)
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
73. 7. Contraste de hipóteses para a media
y
N(0,1)
RA en azul
RR en rojo
1-α=0.95
α=0.5
x
zα=1.645
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
74. 7. Contraste de hipóteses para a media
5º. - Tipificamos
x = ?; n = 20; σ = 6
x − 18
z=
6
20
x − 18
6º. - < 1.645 ⇒ x < 20,2%
6
20
Polo tanto, 20´2% é o punto crítico que nos permitirá tomar a
decisión se é de secano ou de regadío ao nivel do 5%.
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
75. 8. Contraste de hipóteses para a proporción
Temos unha distribución binomial de
parámetros B(n,p) e queremos contrastar o valor
de p
H0 : p = p0
Para iso eliximos unha mostra de tamaño n na
que obtivemos que
ˆ
p=p
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
76. 8. Contraste de hipóteses para a proporción
Para iso seguiremos os seguintes pasos:
1) Fixar o nivel de significación: α
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
77. 8. Contraste de hipóteses para a proporción
2) Establecer a hipótese alternativa
Hipótese Tipo de
Hipótese nula
alternativa contraste
p = p0 P ‡ p0 Bilateral
Unilateral
p ≤ p0 p > p0
dereita
Unilateral
p ≥ p0 p < p0
esquerda
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
78. 8. Contraste de hipóteses para a proporción
3) Elixir o estatístico de contraste
p − p0
ˆ
z= segue unha N(0,1)
p0 (1 − p0 )
n
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
79. 8. Contraste de hipóteses para a proporción
4) Construír a rexión de aceptación
R. aceptación
H0 Hα
(-zα/2, zα/2)
N(0,1)
RA en azul
RR en rojo
p = p0 p ‡ p0 1-α
α/2 α/2
- zα/2 N(0,1) zα/2
RA en azul
(-∞, zα )
RR en rojo
p ≤ p0 p > p0 1-α
α
N(0,1) zα
RA en azul
p ≥ p0 p < p0 (-zα, ∞)
RR en rojo
1-α
α
- zα
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
80. 8. Contraste de hipóteses para a proporción
5) Verificación
Se p ∈ R.A ⇒ Ho acéptase
ˆ
Se p ∉ R.A ⇒ Ho rexéitase
ˆ
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
81. 8. Contraste de hipóteses para a proporción
EXEMPLO1:
Ronald A. Fisher comenza a súa obra “Deseño de
experimentos” co seguinte
exemplo:
Unha dama afirma que o sabor dunha taza de té con
leite é distinto cando se verte antes o leite que o té.
Para contrastar esta afirmación prepáranse 10 tazas
de té; en 5 de elas vértese antes o leite e nas 5
restantes, antes o té.
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
82. 8. Contraste de hipóteses para a proporción
A continuación, a dama proba
en orde aleatoria as 10 cuncas e
acerta en 8 das 10.
Este feito é unha evidencia
significativa a favor da
hipótese?
Para contestar a esta pregunta
estudaremos cada un dos pasos
que deberemos seguir na
resolución de calquera problema
de contraste de hipóteses.
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
83. 8. Contraste de hipóteses para a proporción
1º.- Definir as hipóteses nula e alternativa
Tomaremos como hipótese nula a máis conservadora
H0 : “O sabor dunha cunca de té é indiferente da
orde no que se verten o leite e o té”
e como hipótese alternativa, a nova información que
temos
H1 : “O sabor dunha cunca de té é distinto se se
verte primeiro o leite e logo o té ou se se fai ao
contrario”
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
84. 8. Contraste de hipóteses para a proporción
Estas hipóteses verifícanse se ao elixir
unha mostra, a proporción de acertos é
igual a 0,5 ou maior ca 0,5 .
Polo tanto:
p=0,5 p>0,5
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
85. 8. Contraste de hipóteses para a proporción
2º.- Fixar o nivel de significación
Tomaremos como un bo nivel de
significación α=0,05
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
86. 8. Contraste de hipóteses para a proporción
3º.-Determinación do estatístico de contraste
A hipótese realízase sobre a proporción
poboacional; polo tanto, o estatístico de
contraste é:
p−p
ˆ p − 0,5
ˆ p − 0,5
ˆ
Z= = =
p( 1 − p) 0,5( 1 − 0,5 ) 0,16
n 10
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
87. 8. Contraste de hipóteses para a proporción
4º.- Determinación das rexións de
aceptación e de rexeitamento
Trátase dun contraste unilateral, polo
tanto, o valor crítico é zα = 1.645 ; que é o
valor que separa a rexión de aceptación da
de rexeitamento.
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
88. 8. Contraste de hipóteses para a proporción
y
N(0,1)
RA en azul
RR en rojo
1-α=0.95
α=0.5
x
zα=1.645
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
89. 8. Contraste de hipóteses para a proporción
5º.- Tomar unha mostra da poboación e calcular o
valor de estatístico de contraste para esta mostra
concreta.
p − 0,5
ˆ
O estatístico elixido é : Z =
0,16
Na mostra coa que traballamo s ( as 10 cuncas de té )
0,8 - 0,5
o valor do estatístico é = 1,875
0,16
ˆ = 8 = 0,8
xa que p
10
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
90. 8. Contraste de hipóteses para a proporción
6º.- Tomar a decisión de rexeitar ou non a hipótese
nula, en función de que o valor do estatístico
valorado na mostra observada se atope na rexión de
rexeitamento ou de aceptación.
Como 1,875 > 1,65, este valor está dentro da rexión
de rexeitamento e polo tanto, rexeitamos a hipótese de
que o sabor dunha taza de té é independente da orde na
que se mesturen o té e o leite cun nivel de significación
do 5%
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
91. 8. Contraste de hipóteses para a proporción
y
N(0,1)
RA en azul
RR en rojo
1-α=0.95
α=0.5
x
zα=1.645
1.875
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
92. 8. Contraste de hipóteses para a proporción
•EXEMPLO 2:
Un adestrador asegura que os
seus xogadores encestan máis
do 92% dos tiros libres nos
adestramentos. Co fin de
contrastar esta afirmación
escolleuse aleatoriamente unha
mostra de 60 lanzamentos, dos
que 42 entraron na canastra.
Estes resultados, poñen en
dúbida a afirmación do
adestrador ou non?
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
93. 8. Contraste de hipóteses para a proporción
EXEMPLO 2:
1º.- Formulamos as hipóteses:
H0 : p ≥ 0.92 Hα : p < 0.92
2º.- Eliximos como nivel de significación α = 0´1
p − p0
ˆ
z=
3º.- Estatístico de contraste p0 ( 1 − p0 )
n
4º.- Rexión de aceptación (-1,28, ∞)
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
94. 8. Contraste de hipóteses para a proporción
42
5º. - Tipificamos : p = ˆ = 0´7; n = 60
60
0´7 − 0´92
z= = −6´28
0´92(1 − 0´92)
60
6º. - Como - 6,28 ∉ ( - 1´28, ∞ )
rexéitase a hipótese nula e ponse en dúbida, a
un nivel do 10%, a afirmación do adestrador.
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
95. 8. Contraste de hipóteses para a proporción
y
N(0,1)
0.024
0.022
RA en azul
0.02
RR en rojo
0.018
0.016
0.014
1-α=0.9
0.012
0.01
0.008
0.006
α=0.1 0.004
0.002
x
-6 -5.5 -5 -4.5 -4 -3.5 -3 -2.5 -2 -1.5 -1 -0.5 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6
-zα=-1.28
-6.28
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
96. 9. Contraste de hipóteses para a diferenza de
medias
Temos dúas poboacións normais, N(μ1,σ1) y N(μ2,σ2)
con desviacións típicas coñecidas.
Queremos contrastar a hipótese H0 : μ1- μ2=v
Para iso collemos unha mostra de cada unha das
poboacións de tamaños n1 e n2
Nesas mostras obtivemos as medias mostrais:
x1 e x2
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
97. 9. Contraste de hipóteses para a diferenza de
medias
Para iso seguiremos os seguintes pasos:
1) Fixar o nivel de significación: α
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
98. 9. Contraste de hipóteses para a diferenza de
medias.
2) Establecer a hipótese alternativa
Hipótese Tipo de
Hipótese nula
alternativa contraste
μ1-μ2 = v μ1-μ2 ‡ v Bilateral
Unilateral
μ1-μ2 ≤ v μ1-μ2 > v
dereita
Unilateral
μ1-μ2 ≥ v μ1-μ2 < v
esquerda
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
99. 9. Contraste de hipóteses para a diferenza de
medias
3) Elixir o estatístico de contraste
z=
(x − x ) − ( μ − μ ) segue unha N(0,1)
1 2 1 2
σ2
σ 2
1
+ 2
n1 n2
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
100. 9. Contraste de hipóteses para a diferenza de
medias
4) Construir a rexión de aceptación
H0 Hα R. aceptación
N(0,1)
μ1-μ2 = v
RA en azul
RR en rojo
μ1-μ2 ‡ v (-zα/2, zα/2)
1-α
α/2 α/2
- zα/2 N(0,1) zα/2
RA en azul
RR en rojo
1-α
μ1-μ2 ≤ v μ1-μ2 > v (-∞, zα ) N(0,1)
RA en azul
RR en rojo
zα
α
μ1-μ2 ≥ v μ1-μ2 < v (-zα, ∞)
1-α
α
- zα
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
101. 9. Contraste de hipóteses para a diferenza de
medias
5) Verificación
Se x1 − x2 ∈ R.A ⇒ Ho acéptase
Se x1 − x2 ∉ R.A ⇒ Ho rexéitase
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
102. 9. Contraste de hipóteses para a diferenza de
medias
•EXEMPLO: Co fin de determinar se existen
diferenzas significativas entre dous grupos de
estudantes, realizamos o mesmo exame a 30
alumnos do primeiro grupo e a 35 do segundo;
obténdose a seguinte información:
Nota media Desviación típica
1º grupo 5,5 0,5
2º grupo 5,2 1
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
103. 9. Contraste de hipóteses para a diferenza de
medias
•EXEMPLO:Dexesamos contrastar a hipótese
sobre a non existencia de diferenzas
significativas entre ambos os dous grupos cun
nivel de significación do 1%.
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
104. 9. Contraste de hipóteses para a diferenza de
medias
EXEMPLO :
1º.- Formulamos as hipóteses:
H0 : μ1-μ2 = 0 Hα : μ1-μ2 ‡ 0
2º.- Eliximos como nivel de significación α = 0´01
z=
(x − x ) − ( μ − μ )
1 2 1 2
3º.- Estatístico de contraste σ12 σ2
2
+
n1 n2
4º.- Rexión de aceptación (-2.575, 2.575)
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
105. 9. Contraste de hipóteses para a diferenza de
medias
5º. − Tipificamos :
x1 − x2 = 5´5 − 5´2; n1 = 30; n2 = 35; σ1 = 0´5; σ2 = 1
z=
( 5´5 − 5´2) − 0 = 1´56
0´52 12
+
30 35
6º. - Como 1´56 ∈ ( - 2´575, 2.575 )
acéptase a hipótese sobre a non existencia de
diferenzas significativas entre os grupos.
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
106. 9. Contraste de hipóteses para a diferenza de
medias
y
0.028
0.026
N(0,1)
0.024
0.022
RA en azul
RR en rojo
0.02
0.018
0.016
0.014
1-α=0.99
0.012
0.01
0.008
0.006
0.004
α/2=0.005
α/2=0.005 0.002
x
-3.4 -3.2 -3 -2.8 -2.6 -2.4 -2.2 -2 -1.8 -1.6 -1.4 -1.2 -1 -0.8 -0.6 -0.4 -0.2 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 2.2 2.4 2.6 2.8 3 3.2 3.4
-zα/2=-2.575 1.56 zα/2=2.575
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
107. 10. Relación entre contraste de hipóteses e
intervalos de confianza
Existe unha gran relación entre o intervalo de
confianza para un parámetro dunha distribución
e un contraste de hipóteses relativo ao mesmo.
Exemplo: Formulamos a hipótese de que a media
μ dunha distribución toma un determinado valor.
Construímos o intervalo de confianza para unha
mostra particular. Cando este intervalo non
conteña o valor μ0 equivalerá a rexeitar a
hipótese nula
H0 : μ = μ0
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
108. 10. Relación entre contraste de hipóteses e
intervalos de confianza
•EXEMPLO: O gremio de restaurantes de
Carballo afirma que o prezo medio do menú do
día é de 8 euros e queremos contrastar esta
hipótese. Para iso faremos:
Paso 1º.- Hipótese nula: H0 : μ = 8 €
Hipótese alternativa: Hα : μ ‡ 8 €
Paso 2º.- Fixamos o nivel de significación α=0,05
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
109. 10. Relación entre contraste de hipóteses e
intervalos de confianza
EXEMPLO:
x − μ0
Paso 3º.- O estatístico de contraste é z =
sˆ
n
Paso 4º.- Determinar a rexión de aceptación
(-zα/2, zα/2) = (-1.96, 1.96)
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
110. 10. Relación entre contraste de hipóteses e
intervalos de confianza
EXEMPLO:
Paso 5º.-Eliximos unha mostra aleatoria de 40
restaurantes e obtemos que o prezo medio da
mostra e a desviación típica mostral son:
x = 8,25 euros e s = 0,80 euros
ˆ
8,25 − 8
Tipifiquemos ese valor z = = 1´976
0,80
40
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
111. 10. Relación entre contraste de hipóteses e
intervalos de confianza
EXEMPLO:
Paso 6º.-Rexeitamos a hipótese nula xa
que existe evidencia suficiente de que o
prezo do menú sexa distinto de 8 euros
1,976 non está na rexión de aceptación
(-1.96, 1.96)
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
112. 10. Relación entre contraste de hipóteses e
intervalos de confianza
y
0.028
0.026
N(0,1)
0.024
0.022
RA en azul
RR en rojo
0.02
0.018
0.016
0.014
1-α=0.95
0.012
0.01
0.008
0.006
0.004
α/2=0.025
α/2=0.025 0.002
x
-3.4 -3.2 -3 -2.8 -2.6 -2.4 -2.2 -2 -1.8 -1.6 -1.4 -1.2 -1 -0.8 -0.6 -0.4 -0.2 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 2.2 2.4 2.6 2.8 3 3.2 3.4
-zα/2=-1.96 zα/2=1.96 1.976
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.
113. 10. Relación entre contraste de hipóteses e
intervalos de confianza
EXEMPLO:
Achemos agora un intervalo de confianza para a media
poboacional ao nivel do 5%
s
ˆ 0,80
IC = x ± z α
= 8,25 ± 1,96
= ( 8´002, 8´498 )
2 n 40
Polo tanto μ0 = 8 ∉ ( 8´002, 8´498 )
O intervalo de confianza non cobre o valor da media
poboacional ao nivel de significación do 5%
IES Isidro Parga Pondal. Departamento de matemáticas: Métodos estatísticos e numéricos.