INSTITUTO TECNOLOGICO DE SALTILLO

EDUCACION A DISTANCIA
INGENIERIA INDUSTRIAL

ESTADISTICA INFERENCIAL
ACTIVIDAD 3 ‘’DEFINICIONES’’
DOCENTE: MA. ELENA BERLANGA ORTIZ
ALUMNO: DAMIAN OCON RODRIGUEZ

SALTILO COAHUILA A 17/10/2020

PRUEBA DE HIPOTESIS (INTRODUCCIÓN)
La hipótesis alternativa es la afirmación que se desea ser capaz de concluir que es
verdadera basándose en la evidencia proporcionada por los datos de la muestra.
Basándose en los datos de la muestra, la prueba determina cuando rechazarla
hipótesis nula.
Si el p-valor es menos que el nivel de significación (conocido como α o alfa),
entonces se puede rechazar la hipótesis nula.
Un error común suele ser que las pruebas de hipótesis estadísticas están diseñadas
para seleccionar la más probable de dos hipótesis.
¿QUE ES UNA PRUEBA ESTADISTICA?
Una prueba estadística es una forma de evaluar la evidencia que los datos proporcionan para probar una hipótesis. Esta
hipótesis se denomina hipótesis nula, y suele denominarse H0. Bajo H0, los datos se generan mediante procesos aleatorios.
En otras palabras, los procesos controlados (las manipulaciones experimentales, por ejemplo) no afectan a los datos.
Normalmente, H0 establece la igualdad (entre las medias, o entre las varianzas, o entre un coeficiente de correlación y cero,
por ejemplo).
H0 normalmente se opone a una hipótesis denominada hipótesis alternativa, denominada H1 o Ha. La mayoría de las veces,
la hipótesis alternativa es aquella que el usuario querría demostrar. Implica establecer una diferencia (por ejemplo, diferencia
entre medias).
Si los datos no proporcionan suficiente evidencia contra H0, H0 no se rechaza. Si, por el contrario, muestran una fuerte
evidencia contra H0, H0 se rechaza, y Ha se considera verdadera con un riesgo cuantificado (bajo) de ser errónea. Una
prueba estadística permite rechazar / no rechazar H0.
Ejemplos de H0 y equivalentes Ha sugeridos:
• H0: la tasa de insulina de los pacientes que reciben un placebo es igual que la tasa de insulina de los pacientes
que reciben medicación.
• Ha: la tasa de insulina de los pacientes que reciben un placebo es diferente de la tasa de insulina de los
pacientes que reciben medicación.
• H0: la presencia del atributo A no afecta a la preferencia del consumidor hacia este producto.
• Ha: la presencia del atributo A afecta a la preferencia del consumidor hacia este producto.
• H0: no hay tendencia en esta serie temporal.
• Ha: hay una tendencia en esta serie temporal.
• H0: los campos de maíz sometidos a los fertilizantes A, B, C o D producen rendimientos equivalentes.
• Ha: al menos un fertilizante supone una diferencia en el rendimiento del maíz.
A) MENCIONA LOS ELEMENTOS DE UNA PRUEBA ESTADISTICA
La selección correcta de una prueba estadística depende de varios factores, pero para fines
prácticos se revisarán los criterios más frecuentes:
1) Las características de las variables: tipo y escala de medición.
2) La pregunta científica que se desea contestar.
3) La hipótesis planteada.
4) La potencia y la eficiencia de la prueba elegida.
5) Las características de la muestra (tamaño de muestra y número de grupos en estudio).
Las variable se clasifican por diferentes características. a) variables cuantitativas, también
llamadas intercalares, que son aquellas que tienen como atributo una cantidad y sus escalas
son continuas (se pueden medir en decimales) y discretas (sólo se miden en números enteros),
y b) variables cualitativas, que se dimensionan por categorías, contienen una categoría o
cualidad y sus escalas o medición son ordinales (cuando tienen un orden) o nominales (cuando
se le asigna un nombre a la variable y ésta puede ser dicotómica, si sólo hay dos opciones de
clasificación, y policotómicas, cuando hay más de dos opciones de clasificación).
Este aspecto de clasificación de las variables es un parámetro que permite elegir pruebas
estadísticas. Así, para las variables cuantitativas se elegirán pruebas estadísticas paramétricas
y, en el...
B) DEFINE QUE ES UN ERROR TIPO UNO Y DOS ANEXA UN EJEMPLO.
Ninguna prueba de hipótesis es 100% cierta. Puesto que la prueba se basa en probabilidades,
siempre existe la posibilidad de llegar a una conclusión incorrecta. Cuando usted realiza una
prueba de hipótesis, puede cometer dos tipos de error: tipo I y tipo II. Los riesgos de estos dos
errores están inversamente relacionados y se determinan según el nivel de significancia y la
potencia de la prueba. Por lo tanto, usted debe determinar qué error tiene consecuencias más
graves para su situación antes de definir los riesgos.
ERROR DE TIPO I
Si usted rechaza la hipótesis nula cuando es verdadera, comete un error de tipo I. La
probabilidad de cometer un error de tipo I es α, que es el nivel de significancia que usted
establece para su prueba de hipótesis. Un α de 0.05 indica que usted está dispuesto a aceptar
una probabilidad de 5% de estar equivocado al rechazar la hipótesis nula. Para reducir este
riesgo, debe utilizar un valor menor para α. Sin embargo, usar un valor menor para alfa significa
que usted tendrá menos probabilidad de detectar una diferencia si esta realmente existe.
ERROR DE TIPO II
Cuando la hipótesis nula es falsa y usted no la rechaza, comete un error de tipo II. La
probabilidad de cometer un error de tipo II es β, que depende de la potencia de la prueba.
Puede reducir el riesgo de cometer un error de tipo II al asegurarse de que la prueba tenga
suficiente potencia. Para ello, asegúrese de que el tamaño de la muestra sea lo suficientemente
grande como para detectar una diferencia práctica cuando esta realmente exista.
EJEMPLOS.
La probabilidad de rechazar la hipótesis nula cuando es falsa es igual a 1–β. Este valor es la potencia de la
prueba.
Ejemplo de error de tipo I y tipo II
Para entender la interrelación entre los errores de tipo I y tipo II,
para determinar cuál error tiene consecuencias más graves para su situación,
considere el siguiente ejemplo.
Un investigador médico desea comparar la efectividad de dos medicamentos.
Las hipótesis nula y alternativa son: Hipótesis nula (H 0): μ1= μ2
Los dos medicamentos tienen la misma eficacia.
Hipótesis alternativa (H1): μ1≠ μ2
Los dos medicamentos no tienen la misma eficacia.
Un error de tipo I se produce si el investigador rechaza la hipótesis nula y concluye que los dos medicamentos son
diferentes cuando, en realidad, no lo son. Si los medicamentos tienen la misma eficacia, el investigador podría
considerar que este error no es muy grave, porque de todos modos los pacientes se beneficiarían con el mismo nivel de
eficacia independientemente del medicamento que tomen. Sin embargo, si se produce un error de tipo II, el investigador
no rechaza la hipótesis nula cuando debe rechazarla. Es decir, el investigador concluye que los medicamentos son
iguales cuando en realidad son diferentes. Este error puede poner en riesgo la vida de los pacientes si se pone en venta
el medicamento menos efectivo en lugar del medicamento más efectivo.
Cuando realice las pruebas de hipótesis, considere los riesgos de cometer errores de tipo I y tipo II. Si las
consecuencias de cometer un tipo de error son más graves o costosas que cometer el otro tipo de error, entonces elija
un nivel de significancia y una potencia para la prueba que reflejen la gravedad relativa de esas consecuencias.
c) A QUE DENOMINAMOS PRUEBA DE HIPOTESIS DE DOS COLAS Y DE UNA.
DOS COLAS.
Una prueba de dos colas se asocia a una hipótesis alternativa para la cual se desconoce el
signo de la potencial diferencia. Por ejemplo, supongamos que deseamos comparar las medias
de dos muestras A y B. Antes de diseñar el experimento y ejecutar la prueba, esperamos que si
se resalta una diferencia entre las dos medias, realmente no sabemos si A debería ser superior
a B o a la inversa. Esto nos lleva a elegir una prueba de dos colas, asociada a la siguiente
hipótesis alternativa: Ha: media(A) ≠ media(B). Las pruebas de dos colas son con diferencia las
más utilizadas.
UNA COLA
Una prueba de una cola normalmente está asociada a una hipótesis alternativa para la cual se
conoce el signo de la potencial diferencia antes de ejecutar el experimento y la prueba. En el
ejemplo descrito más arriba, la hipótesis alternativa referida a una prueba de una cola podría
redactarse así: media(A) < media(B) o media(A) > media(B), dependiendo de la dirección
esperada de la diferencia.
En todos los cuadros de diálogo de las pruebas estadísticas de XLSTAT, el usuario puede elegir
entre pruebas de una y dos colas (normalmente en la pestaña Opciones).
D) QUE ES UN ESTADISTICO DE PRUEBA.
Un estadístico de prueba es una variable aleatoria que se calcula a partir de datos de muestra y se
utiliza en una prueba de hipótesis. Puede utilizar los estadísticos de prueba para determinar si
puede rechazar la hipótesis nula. El estadístico de prueba compara sus datos con lo que se espera
bajo la hipótesis nula. El estadístico de prueba se utiliza para calcular el valor p.
Un estadístico de prueba mide el grado de concordancia entre una muestra de datos y la hipótesis
nula. Su valor observado cambia aleatoriamente de una muestra aleatoria a una muestra diferente.
Un estadístico de prueba contiene información acerca de los datos que es relevante para decidir si
se puede rechazar la hipótesis nula. La distribución del muestreo del estadístico de prueba bajo la
hipótesis nula se denomina distribución nula. Cuando los datos muestran evidencia clara en contra
de los supuestos de la hipótesis nula, la magnitud del estadístico de prueba se vuelve demasiado
grande o demasiado pequeña dependiendo de la hipótesis alternativa. Esto hace que el valor p de la
prueba se vuelva lo suficientemente pequeño como para rechazar la hipótesis nula.
Por ejemplo, el estadístico de prueba para una prueba Z es el estadístico Z, que sigue la distribución
normal estándar bajo la hipótesis nula. Supongamos que usted realiza una prueba Z de dos colas
con un nivel de significancia (α) de 0.05 y un obtiene un estadístico Z (también denominado valor Z)
de 2.5 basado en sus datos. Este valor Z corresponde a un valor p de 0.0124. Puesto que este valor
p es menor que α, usted declara significancia estadística y rechaza la hipótesis nula.
Las diferentes pruebas de hipótesis utilizan diferentes estadísticos de prueba según el modelo de
probabilidad asumido en la hipótesis nula. Las pruebas comunes y sus respectivos estadísticos de
prueba incluyen:
VALOR P.
En estadística general y contrastes de hipótesis, el valor p (conocido también como p, p-valor, valor de p
consignado, o directamente en inglés p- value) se define como la probabilidad de que un valor estadístico
calculado sea posible dada una hipótesis nula cierta. En términos simples, el valor p ayuda a diferenciar
resultados que son producto del azar del muestreo, de resultados que son estadísticamente significativos.
Si el valor p cumple con la condición de ser menor que un nivel de significancia impuesto arbitrariamente,
este se considera como un resultado estadísticamente significativo y, por lo tanto, permite rechazar la
hipótesis nula.
Es fundamental reforzar que el valor p está basado en la presunción de que una hipótesis nula (o
hipótesis de partida) es cierta. El valor p es por tanto una medida de significación estadística.
El valor p es un valor de probabilidad, por lo que oscila entre 0 y 1. El valor p nos muestra la probabilidad
de haber obtenido el resultado que hemos obtenido suponiendo que la hipótesis nula H0 es cierta. Se
suele decir que valores altos de p no permiten rechazar la H0, mientras que valores bajos de p si permiten
rechazar la H0.