.

INTRODUCCIN:

La prueba de hiptesis es un procedimiento estadstico que permite aceptar o

rechazar una afirmacin hecha con respecto a un fenmeno o suceso.
El procedimiento consta de seis (6) pasos
Se denomina hiptesis estadsticas a los supuestos (hiptesis) realizadas con
respecto a un parmetro o estadstico (media, proporcin, entre otros).
En este paso se definen dos tipos de hiptesis:

Ho: Hiptesis nula

H1: Hiptesis alterna (de la cual se sospecha pudiera ser cierta, es planteada
por el investigador)
Al realizar pruebas de hiptesis, se parte de un valor supuesto (hipottico) en
parmetro poblacional. Despus de recolectar una muestra aleatoria, se compara
la estadstica muestral, as como la media (x), con el parmetro hipottico, se
compara con una supuesta media poblacional (). Despus se acepta o se rechaza
el valor hipottico, segn proceda. Se rechaza el valor hipottico slo si el
resultado muestral resulta muy poco probable cuando la hiptesis es cierta

OBJETIVO:

Comprender y analizar diversos ejercicios de la probabilidad como son: los

ejercicios de la prueba de hiptesis en una media, en una varianza y diferencia de
medias para resolver problemas

ERROR Y POTENCIA DE UNA PRUEBA:

La potencia de una prueba estadstica o el poder estadstico es la probabilidad de

que la hiptesis nula sea rechazada cuando la hiptesis alternativa es verdadera
(es decir, la probabilidad de no cometer un error del tipo II). La potencia es en
general una funcin de las distribuciones posibles, a menudo determinada por un
parmetro, bajo la hiptesis alternativa. A medida que aumenta la potencia, las
posibilidades de que se presente un error del tipo II disminuyen. La probabilidad
de que ocurra un error de tipo II se conoce como la tasa de falsos negativos ().
Por lo tanto la potencia es igual a 1 - , que tambin se conoce como
la sensibilidad.

R01/0216 F-JC-51
El anlisis de poder se puede utilizar para calcular el tamao mnimo de la
muestra necesario para que uno pueda detectar razonablemente un efecto de un
determinado tamao. El anlisis de poder tambin se puede utilizar para calcular
el tamao del efecto mnimo que es probable que se detecte en un estudio usando
un tamao de muestra dado. Adems, el concepto de alimentacin se utiliza para
hacer comparaciones entre diferentes procedimientos de anlisis estadsticos: por
ejemplo, entre uno paramtrico y una prueba no paramtrica de la misma
hiptesis.
Tambin existe el concepto de una funcin de potencia de una prueba, que es la
probabilidad de rechazar la hiptesis nula cuando es verdadera.
La potencia estadstica puede depender de un gran nmero de factores. Algunos
de estos factores pueden ser particulares a una situacin de prueba especfica,
pero, como mnimo, el poder depende casi siempre de los siguientes tres factores:

El criterio de significacin estadstica utilizado en la prueba

La magnitud del efecto de inters en la poblacin
El tamao de la muestra usado para detectar el efecto

PRUEBA DE HIPTESIS PARA UNA MEDIA

Definicin y aspectos generales:

Es un procedimiento basado en la evidencia muestral y en la teora de

probabilidad que se emplea para determinar si la hiptesis es un enunciado
racional o no debe rechazarse o si es irracional debe ser rechazado

En un trabajo de investigacin se plantean dos hiptesis mutuamente excluyentes;

la hiptesis nula y la hiptesis alternativa o de investigacin

El anlisis estadstico de los datos servir para determinar si se puede aceptar o

no la hiptesis nula (H0)

Cuando se rechaza la hiptesis nula (H0), significa que el factor estudiado a

influido significativamente en los resultados y se acepta la hiptesis alternativa
(H1)

Es importante tener presente que la hiptesis de investigacin debe coincidir con

la hiptesis alternativa (H1)

R01/0216 F-JC-51
Plantear una hiptesis de investigacin que coincida con H0 supondra una
aplicacin incorrecta del razonamiento estadstico

La hiptesis es el elemento que condiciona el diseo de investigacin y responde

provisionalmente al problema, verdadero motor de la investigacin

El propsito de la prueba de hiptesis es determinar si el valor supuesto

(hipottico) debe aceptarse como verosmil en base a evidencia muestral.

PASOS DE LA PRUEBA DE HIPTESIS:

1.- Planteamiento de la hiptesis nula y alternativa

Dnde:

H0= hiptesis nula

=Promedio de la poblacin

X=Promedio de la muestra

2.-Elegir el nivel de significancia que se define como la mxima cantidad de error

que estamos dispuestos a aceptar para dar como vlida la hiptesis del
investigador.

En los sistemas biolgicos siempre trabajaremos con u (a= 0.05 o en su forma 5%

3.-Determinacion de la zona de aceptacin y rechazo de la hiptesis nula (H0)

El rea sombreada determina la hiptesis alternativa

R01/0216 F-JC-51
PRUEBA DE HIPOTESIS PARA UNA VARIANZA

En una prueba de hiptesis para la varianza poblacional se emplean el valor

hipottico de la varianza poblacional 2 o y la varianza muestral s 2 para calcular
el valor estadstico de prueba X2 . Si la poblacin tiene una distribucin normal, el
estadstico de prueba es el siguiente:

Una vez calculado el

estadstico de prueba X2, para determinar si se acepta o se rechaza la hiptesis
nula se encuentra el valor crtico y se realiza la comparacin.

PRUEBA DE HIPOTESIS PARA DIFERENCIA DE MEDIAS

Se utiliza cuando se trabaja simultneamente con una variable categrica (posible

VI) y una variable dependiente (posible VD).

Se debe considerar el nmero de niveles de la variable categrica.

El objetivo es comparar los valores de la variable cuantitativa en funcin de los

niveles de la variable categrica.

Se asume que los grupos son independientes.

Es posible asumir que la poblacin se distribuye normalmente?

2. Cuando se trabaja con muestras relacionadas, lo que significa dos mediciones

cuantitativas en el mismo grupo.

R01/0216 F-JC-51
 Lo habitual es considerar al mismo grupo de sujetos medidos dos veces; tambin
se pueden comparar a pares de sujetos ( j e : gemelos)

T-STUDENT Y DISTRIBUCIN NORMAL:

En probabilidad y estadstica, la distribucin t (de Student) es una distribucin de

probabilidad que surge del problema de estimar la media de
una poblacin normalmente distribuida cuando el tamao de la muestra es
pequeo. Aparece de manera natural al realizar la prueba t de Student para la
determinacin de las diferencias entre dos medias muestrales y para la
construccin del intervalo de confianza para la diferencia entre las medias de dos
poblaciones cuando se desconoce la desviacin tpica de una poblacin y sta
debe ser estimada a partir de los datos de una muestra.

La Distribucin t de Student, tiene por funcin de densidad:

Donde el parmetro n de tn, se denomina grados de libertad de la distribucin.

La distribucin t de Student existe para todos los valores de x reales, y es
simtrica respecto al eje y.
La distribucin de probabilidad de esta funcin para valores menores de
un x dado, que representamos por P (tn < x)

R01/0216 F-JC-51
Para el clculo de esta integral existen distintos tipos de Tabla de distribucin t de
Student, en la que para distintos valores de n y de x se puede buscar su
probabilidad acumulada p, veamos una de esas tablas.

En esta tabla hay dos entradas, en la fila superior estn los valores de n para los
que se ha calculado la probabilidad, en la columna de la izquierda los de x, para x
igual o mayor que cero, en incrementos de 0,05, para cada valor de n y de la x
correspondiente tenemos la probabilidad acumulada, expresada con tres cifras
decimales.

6.7 PRUEBA DE HIPTESIS PARA LA RAZN DE VARIANZAS FISHER

A diferencia de otras pruebas de medias que se basan en la diferencia existente

entre dos valores, el anlisis de varianza emplea la razn de las estimaciones,
dividiendo la estimacin intermediante entre la estimacin interna

R01/0216 F-JC-51
El valor estadstico de prueba resultante se debe comparar con un valor tabular de
F, que indicar el valor mximo del valor estadstico de prueba que ocurra si H0
fuera verdadera, a un nivel de significacin seleccionado. Antes de proceder a
efectuar este clculo, se debe considerar las caractersticas de la distribucin F

Caractersticas de la distribucin F
- Existe una distribucin F diferente para cada combinacin de tamao
de muestra y nmero de muestras. Por tanto, existe una distribucin F que se
aplica cuando se toman cinco muestras de seis observaciones cada una, al igual
que una distribucin F diferente para cinco muestras de siete observaciones cada
una. A propsito de esto, el nmero distribuciones de muestreo diferentes es tan
grande que sera poco prctico hacer una extensa tabulacin de distribuciones.
Por tanto, como se hizo en el caso de la distribucin t, solamente se tabulan los
valores que ms comnmente se utilizan. En el caso de la distribucin F, los
valores crticos para los niveles 0,05 y 0,01 generalmente se proporcionan para
determinadas combinaciones de tamaos de muestra y nmero de muestras.

La distribucin es continua respecto al intervalo de 0 a +

La razn ms pequea es 0. La razn no puede ser negativa, ya que ambos
trminos de la razn F estn elevados al cuadrado.
Por otra parte, grandes diferencias entre los valores medios de la muestra,
acompaadas de pequeas variancias muestrales pueden dar como resultado
valores extremadamente grandes de la razn F.
- La forma de cada distribucin de muestreo terico F depende del nmero de
grados de libertad que estn asociados a ella. Tanto el numerador como el
denominador tienen grados de libertad relacionados.

Determinacin de los grados de libertad

Los grados de libertad para el numerador y el denominador de la razn F se basan

en los clculos necesarios para derivar cada estimacin de la variancia de la
poblacin. La estimacin intermediante de variancia (numerador) comprende la
divisin de la suma de las diferencias elevadas al cuadrado entre el nmero de
medias (muestras) menos uno, o bien, k - 1. As, k - 1 es el nmero de grados de
libertad para el numerador.
En forma semejante, el calcular cada variancia muestral, la suma de las
diferencias elevadas al cuadrado entre el valor medio de la muestra y cada valor
de la misma se divide entre el nmero de observaciones de la muestra menos
uno, o bien, n - 1. Por tanto, el promedio de las variancias muestrales se
determina dividiendo la suma de las variancias de la muestra entre el nmero de
muestras, o k. Los grados de libertad para el denominador son entonces, k(n -l).

R01/0216 F-JC-51
Clculo de la razn F a partir de datos muestrales

Para calcular F se debe seguir el siguiente procedimiento

1) Calcular la estimacin interna (Denominador)

2) Calcular la estimacin intermediante (Numerador)

Ejemplo ilustrativo
Los pesos en kg por 1,7 m de estatura se ilustran en la siguiente tabla. La finalidad
es determinar si existen diferencias reales entre las cuatro muestras. Emplear un
nivel de significacin de 0,05

R01/0216 F-JC-51
Solucin:
Las hiptesis Nula y Alternativa son:

Calculando las medias aritmticas se obtiene:

Se llena la siguiente tabla para calcular las varianzas muestrales:

R01/0216 F-JC-51
Remplazando los datos en la frmula de la varianza se obtienen las varianzas de
las 4 muestras.

Calculando la estimacin interna de varianza se obtiene:

Para calcular la estimacin intermediante de varianza primero se calcular la

varianza de las medias aritmticas

R01/0216 F-JC-51
Se llena la siguiente tabla:

Se remplaza los datos de la tabla para calcular varianza de las medias aritmticas

Calculando la estimacin intermediante de varianza se obtiene:

6.8 PRUEBA DE BONDAD DE AJUSTE :

Se utiliza para decidir cuando un conjunto de datos se ajusta a una distribucin

dada

R01/0216 F-JC-51
Considrese una muestra aleatoria de tamao n de la distribucin de una variable
aleatoria X dividida en k clases exhaustivas e incompatibles, y sea Ni i = 1, 2,, k.
el nmero de observaciones en la i-sima clase. Considrese la hiptesis nula

H0: F(x)=F0(x)

En donde el modelo de probabilidad propuesto F0(x) se encuentra especificado de

manera completa, con respecto a todos los parmetros.

Es posible, pues, calcular pi: probabilidad de obtener una observacin en la i-

sima clase, bajo H0. Es obvio, tambin, que

Sea ni la realizacin de Ni para i = 1,2,, k de manera que

La probabilidad de obtener de manera exacta n i observaciones en la i-sima

clase es

Dado que existen k categoras mutuamente excluyentes con probabilidades p 1,

p2,, pk; entonces bajo la hiptesis nula la probabilidad de la muestra
agrupada es igual a la funcin de probabilidad de una distribucin multinomial
determinada.

Para deducir una prueba estadstica para H0, considrese el caso de k = 2.

Este es el caso de la distribucin binomial con x = n1, p = p1, n-x =n2 y 1-p =p2.
Sea la variable aleatoria estandarizada:

R01/0216 F-JC-51
 Para n grande, esta variable aleatoria se distribuye segn una N(0;1). Adems
sabemos que el cuadrado de una variable aleatoria N (0,1) se distribuye segn
una chi-cuadrado con un grado de libertad. Entonces el estadstico

Si se sigue este razonamiento, puede demostrarse que para k2 categoras

distintas

Ntese que Ni es la frecuencia observada en la i-sima clase y npi la esperada

bajo la hiptesis nula.

Esta estadstica recibe el nombre de prueba de bondad de ajuste chi-cuadrada

de Pearson.

COMPETENCIA A DESARROLLAR:

R01/0216 F-JC-51
CONCLUSIN:

Por lo tanto, la probabilidad es una herramienta fundamental en la planificacin

estratgica de los movimientos sociales, econmicos y laborales de toda la
comunidad.
La importancia de la probabilidad radica en que, mediante este recurso
matemtico, es posible ajustar de la manera ms exacta posible los
imponderables debidos al azar en los ms variados campos tanto de la ciencia
como de la vida cotidiana.

R01/0216 F-JC-51
BIBLIOGRAFA

Tablas estadsticas/Distribucin t de Student. (2017, Junio 12). Wikilibros,

Consultado el
04:13, junio 21, 2017
En https://es.wikibooks.org/w/index.php?title=Tablas_estad%C3%ADsticas/Distrib
uci%C3%B3n_t_de_Student&oldid=332134.

Probabilidad. (2017, 21 de junio). Wikipedia, La enciclopedia libre. Fecha de

consulta:
15:33, junio 21, 2017
Desde https://es.wikipedia.org/w/index.php?title=Probabilidad&oldid=99977614.

R01/0216 F-JC-51