Act. 2.1 PyEst

Universidad Autónoma de Nuevo León
Facultad de Agronomía
Probabilidad y Estadística
Actividad ponderada 2.1
Docente: Garza Alonso Carlos Alberto
Alumna: Godinez Montemayor María Fernanda

Matrícula 1921106
Grupo: A4B
General Escobedo, Nuevo León, 19 marzo 2024

A menudo el problema al que se enfrentan el científico o el ingeniero no es tanto la
estimación de un parámetro de la población, sino la formación de un procedimiento
de decisión que se base en los datos y que pueda producir una conclusión acerca
de algún sistema científico.
La conjetura se puede expresar en forma de hipótesis estadística. Los
procedimientos que conducen a la aceptación o al rechazo de hipótesis estadísticas
como éstas comprenden un área importante de la inferencia estadística.
Empecemos por definir con precisión lo que entendemos por hipótesis estadística.
Una hipótesis estadística es una aseveración o conjetura respecto a una o más

poblaciones.
La verdad o falsedad de una hipótesis estadística nunca se sabe con absoluta

certeza, a menos que se examine toda la población, lo cual, por supuesto, sería
poco práctico en la mayoría de las situaciones. En vez de eso 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.
El papel que desempeña la probabilidad en la prueba de hipótesis.
En el planteamiento formal de una hipótesis a menudo influye la estructura de la

probabilidad de una conclusión errónea. Si el científico está interesado en apoyar
firme- mente un argumento, espera llegar a éste en la forma del rechazo de una
hipótesis. Si el investigador médico desea mostrar evidencia sólida a favor del
argumento de que beber café aumenta el riesgo de contraer cáncer, la hipótesis a
probar debería tener la forma “el riesgo de desarrollar cáncer no aumenta como
consecuencia de beber café”. Como resultado, el argumento se obtiene mediante
un rechazo. De manera similar, para apoyar la afirmación de que un tipo de
medidores es más preciso que otro, el ingeniero prueba la hipótesis de que no hay
diferencia en la precisión de los dos tipos de medidores.
La hipótesis nula y la hipótesis alternativa.
La estructura de la prueba de hipótesis se establece usando el término hipótesis

nula, el cual se refiere a cualquier hipótesis que se desea probar y se denota con
H0. El rechazo de H0 conduce a la aceptación de una hipótesis alternativa, que se
denota con H1.
A medida que el lector aprenda más sobre la prueba de hipótesis notará que el
analista llega a una de las siguientes dos conclusiones:
Prueba de una hipótesis estadística
rechazar H0 a favor de H1 debido a evidencia suficiente en los datos o
no rechazar H0 debido a evidencia insuficiente en los datos.
Probabilidad de un error tipo l
El rechazo de la hipótesis nula cuando es verdadera se denomina error tipo I.
No rechazar la hipótesis nula cuando es falsa se denomina error tipo II.
Decimos que la hipótesis nula, p = 1/4, se prueba al nivel de significancia α = 0.0409.

En ocasiones el nivel de significancia se conoce como tamaño de la prueba. Una
región crítica de tamaño 0.0409 es muy pequeña y, por lo tanto, es poco probable
que se cometa un error de tipo I.
Probabilidad de error tipo ll
Se trata de una probabilidad elevada que indica un procedimiento de prueba en el

cual es muy probable que se rechace la nueva vacuna cuando, de hecho, es mejor
a la que está actualmente en uso. De manera ideal, es preferible utilizar un
procedimiento de prueba con el cual haya pocas probabilidades de cometer el error
tipo I y el error tipo II.
Ilustración con una variable aleatoria continua
Los conceptos que se analizan aquí para una población discreta también se pueden
aplicar a variables aleatorias continuas. Considere la hipótesis nula de que el peso
promedio de estudiantes hombres en cierta universidad es de 68 kilogramos, contra
la hipótesis alternativa de que es diferente a 68. Es decir, deseamos probar
H0: μ = 68, H1: μ ≠ 68.
La probabilidad de cometer un error tipo I, o el nivel de significancia de nuestra

prueba, es igual a la suma de las áreas sombreadas en cada cola de la distribución
en la figura 10.5. Por lo tanto,
α = P(X < 67 cuando μ = 68) + P(X > 69 cuando μ = 68).
La probabilidad de cometer un error tipo II aumenta rápidamente cuando el valor

verdadero de μ se aproxima al valor hipotético pero no es igual a éste. Desde luego,
ésta suele ser la situación en la que no nos importa cometer un error tipo II. Por
ejemplo, si la hipótesis alternativa μ = 68.5 es verdadera, no nos importa cometer
un error tipo II al concluir que la respuesta verdadera es μ = 68. La probabilidad de
cometer tal error será elevada cuando n = 64. Al remitirnos a la figura 10.7, tenemos
β = P(67 ≤ X ≤ 69 cuando μ = 68.5).
Propiedades importantes en las pruebas de hipótesis.
1. Los errores tipo I y tipo II están relacionados. Por lo general una disminución en
la probabilidad de cometer uno da como resultado un incremento en la probabili-
dad de cometer el otro.
2. El tamaño de la región crítica y, por lo tanto, la probabilidad de cometer un error

tipo I, siempre se puede reducir ajustando el (los) valor(es) crítico(s).
3. Un aumento en el tamaño de la muestra n reducirá α y β de forma simultánea.
4. Si la hipótesis nula es falsa, β es un máximo cuando el valor verdadero de un

parámetro se aproxima al valor hipotético. Cuanto más grande sea la distancia entre
el valor verdadero y el valor hipotético, más pequeña será β.
Prueba de una y dos colas.
Una prueba de cualquier hipótesis estadística donde la alternativa es unilateral,

como
O quizás
se denomina prueba de una sola cola. Anteriormente en esta sección se hizo
referencia al estadístico de prueba para una hipótesis. Por lo general la región crítica
para la hipótesis alternativa θ > θ0 yace en la cola derecha de la distribución del
estadístico de prueba, en tanto que la región crítica para la hipótesis alternativa θ <
θ0 yace por completo en la cola izquierda.
La prueba de cualquier hipótesis alternativa donde la alternativa es bilateral, como:
se denomina prueba de dos colas, ya que la región crítica se divide en dos partes,
a menudo con probabilidades iguales en cada cola de la distribución del estadístico
de prueba.
Demostración gráfica de un valor P.
El valor P se puede considerar simplemente como la probabilidad de obtener este

conjunto de datos dado que las muestras provienen de la misma distribución. Es
evidente que esta probabilidad es muy pequeña, ¡digamos 0.00000001! Por
consiguiente, el pequeño valor P evidentemente refuta H0, y la conclusión es que
las medias de la población son significativamente diferentes.
El uso del método del valor P como auxiliar en la toma de decisiones es muy na-
tural y casi todos los programas de cómputo que proporcionan el cálculo de pruebas
de hipótesis ofrecen valores P, junto con valores del estadístico de prueba
adecuado. La siguiente es una definición formal de un valor P.
Pruebas sobre una sola media (varianza desconocida).
Ciertamente sospecharíamos que las pruebas sobre una media de la población μ

con σ 2 desconocida, como la estimación del intervalo de confianza, deberían incluir
el uso de la distribución t de Student. En términos estrictos, la aplicación de la t de
Student tanto para los intervalos de confianza como para la prueba de hipótesis se
desarrolla bajo los siguientes supuestos.
Para la hipótesis bilateral:
rechazamos H0 a un nivel de significancia α cuando el estadístico t calculado:
Varianzas desconocidas pero iguales.
Las situaciones más comunes que implican pruebas sobre dos medias son aquellas
con varianzas desconocidas. Si el científico interesado está dispuesto a suponer
que ambas distribuciones son normales y que σ = σ = σ, se puede utilizar la prueba
t agrupada 12 (a menudo llamada prueba t de dos muestras).
Para la hipótesis bilateral
rechazamos H0 al nivel de significancia α cuando el estadístico t calculado.
Donde
Elección del tamaño de la muestra para la prueba de medias.
Por lo general el tamaño de la muestra se determina de modo que permita lograr

una buena potencia para una α fija y una alternativa específica fija. Esta alternativa
fija puede estar en la forma de μ - μ0 en el caso de una hipótesis que incluya una
sola media o μ - μ en el caso de un problema que implique dos medias.
Métodos gráficos para comparar medias.
Los auxiliares gráficos no se pueden utilizar como un reemplazo del propio procedi-
miento de prueba. En realidad, el valor del estadístico de prueba indica el tipo
adecuado de evidencia en apoyo de H0 o H1. Sin embargo, una imagen ofrece una
buena ilustración y a menudo es un mejor comunicador de evidencia para el
beneficiario del análisis. Además, una imagen con frecuencia dejará claro por qué
se encontró una diferencia significativa. La falla de una suposición importante se
puede expresar mediante un resumen gráfico.
En la figura 10.16 se observan las gráficas de caja y bigote para ambos grupos de
mujeres y dos cosas son muy evidentes; al tomar en cuenta la variabilidad parece
haber una diferencia despreciable en las medias muestrales. Además, parece que
la variabilidad en los dos grupos es hasta cierto punto diferente. Desde luego, el
analista debe tener en la mente las más bien considerables diferencias entre los
tamaños muestrales en este caso.
CONCLUSIÓN
Las pruebas de hipótesis de una y dos muestras son importantes en estadística

porque permiten tomar decisiones basadas en la evidencia proporcionada por los
datos muestrales. Con ellas, se puede evaluar si hay evidencia suficiente para
aceptar o rechazar una afirmación sobre los medios, la proporción u otra
característica de una población, en comparación con otra población o con un valor
conocido. Esto ayuda a hacer inferencias válidas sobre la población a partir de
muestras limitadas de datos.

Act. 2.1 PyEst

Cargado por

Copyright:

Formatos disponibles

Act. 2.1 PyEst

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Act. 2.1 PyEst

Cargado por

Copyright:

Formatos disponibles

Universidad Autónoma de Nuevo León

Actividad ponderada 2.1

Docente: Garza Alonso Carlos Alberto

Alumna: Godinez Montemayor María Fernanda

General Escobedo, Nuevo León, 19 marzo 2024

Una hipótesis estadística es una aseveración o conjetura respecto a una o más

La verdad o falsedad de una hipótesis estadística nunca se sabe con absoluta

El papel que desempeña la probabilidad en la prueba de hipótesis.

En el planteamiento formal de una hipótesis a menudo influye la estructura de la

La estructura de la prueba de hipótesis se establece usando el término hipótesis

Prueba de una hipótesis estadística

rechazar H0 a favor de H1 debido a evidencia suficiente en los datos o

no rechazar H0 debido a evidencia insuficiente en los datos.

Probabilidad de un error tipo l

El rechazo de la hipótesis nula cuando es verdadera se denomina error tipo I.

No rechazar la hipótesis nula cuando es falsa se denomina error tipo II.

Decimos que la hipótesis nula, p = 1/4, se prueba al nivel de significancia α = 0.0409.

Probabilidad de error tipo ll

Se trata de una probabilidad elevada que indica un procedimiento de prueba en el

H0: μ = 68, H1: μ ≠ 68.

La probabilidad de cometer un error tipo I, o el nivel de significancia de nuestra

α = P(X < 67 cuando μ = 68) + P(X > 69 cuando μ = 68).

La probabilidad de cometer un error tipo II aumenta rápidamente cuando el valor

Propiedades importantes en las pruebas de hipótesis.

2. El tamaño de la región crítica y, por lo tanto, la probabilidad de cometer un error

3. Un aumento en el tamaño de la muestra n reducirá α y β de forma simultánea.

4. Si la hipótesis nula es falsa, β es un máximo cuando el valor verdadero de un

Prueba de una y dos colas.

Una prueba de cualquier hipótesis estadística donde la alternativa es unilateral,

La prueba de cualquier hipótesis alternativa donde la alternativa es bilateral, como:

Demostración gráfica de un valor P.

El valor P se puede considerar simplemente como la probabilidad de obtener este

Pruebas sobre una sola media (varianza desconocida).

Ciertamente sospecharíamos que las pruebas sobre una media de la población μ

Para la hipótesis bilateral:

rechazamos H0 a un nivel de significancia α cuando el estadístico t calculado:

Varianzas desconocidas pero iguales.

Para la hipótesis bilateral

rechazamos H0 al nivel de significancia α cuando el estadístico t calculado.

Por lo general el tamaño de la muestra se determina de modo que permita lograr

Métodos gráficos para comparar medias.

Las pruebas de hipótesis de una y dos muestras son importantes en estadística

También podría gustarte