Professional Documents
Culture Documents
HIPOTESIS
BAYESIANA
PARA UNA
MEDIA
Quispe Ortiz Luisa E. 20074529J
Jiménez Palomino Grace 20071356G
La inferencia estadística, es una de las más usadas herramientas,
y como parte de esta se estudiara el contraste de hipótesis. En
el trabajo, se presenta la prueba respectiva desde la perspectiva
bayesiana.
UNIVERSIDAD NACIONAL DE
INGENIERIA
FIECS
EPIES
2010 II
FIECS
UNIVERSIDAD NACIONAL DE INGENIERIA
INTRODUCCION
En el presente trabajo, presentaremos la definición, metodología y desarrollo del
contraste de hipótesis para una media desde un enfoque bayesiano. Previamente, a modo
de comparación, presentaremos en la primera sección un breve resumen del contraste de
hipótesis desde un enfoque frecuentista. Además, se hará una explicación del uso de la
función de pérdida (consideraremos en el presente documento, para efectos prácticos, las
funciones de pérdida cuadrática y de pérdida absoluta).
PRUEBA DE HIPOTEISIS
En la quinta sección, a modo de comparación, se presentarán las similitudes y
diferencias del contraste de pruebas de hipótesis desde los enfoques mencionados líneas
arriba: enfoque bayesiano y frecuentista. En la sexta sección, se detallarán las
conclusiones a las cuales hemos llegado, luego de una extensiva revisión de bibliografías
del presente tema.
Para finalizar, en la sétima y última sección enumeraremos cada uno de los libros y
sus respectivos autores que hemos considerado los más pertinentes y coherentes para la
exposición del presente tema.
UNIVERSIDAD NACIONAL DE INGENIERIA
FIECS 4
INDICE
1. DEFINICIONES PREVIAS........................................................................................................................ 6
PRUEBA DE HIPOTEISIS
5. SIMILITUDES Y DIFERENCIAS .............................................................................................................. 30
6. CONCLUSIONES ................................................................................................................................. 31
7. BIBLIOGRAFIA .................................................................................................................................... 32
UNIVERSIDAD NACIONAL DE INGENIERIA
FIECS 5
PARTE I:
DEFINICIONES PREVIAS
Supongamos que queremos decidir que hipótesis aceptar, entonces tomaremos una
muestra aleatoria de tamaño n , tal que son tomados de una población
cuyo parámetro desconocido es .
PRUEBA DE HIPOTEISIS
El problema radica en determinar en qué región se halla , considerando las regiones
y disjuntas.
Y veremos que el nivel de significancia de la prueba a realizar esta dado por la expresión
matemática:
UNIVERSIDAD NACIONAL DE INGENIERIA
FIECS 7
Si denotamos al test por el operador, , pueden cometerse dos clases de errores: el error
tipo I conocido por el operador , asi como el error tipo II identificado con .
El error tipo I, se comete cuando se rechaza la hipótesis nula, a pesar de que esta es
cierta. Similarmente el error tipo II se comete cuando se acepta la hipótesis nula, dado que
esta es falsa. Esto implica a su vez una relación con el poder de prueba, es decir:
.
Como vemos, es ideal minimizar los dos tipos de errores simultáneamente, pero en la
práctica esto es muy difícil de realizar. Se ve, entonces, como alternativa minimizar
Prueba
PRUEBA DE HIPOTEISIS
Como se dijo anteriormente, sea C la región de rechazo o critica, de cualquier test
arbitrario ,y .
UNIVERSIDAD NACIONAL DE INGENIERIA
FIECS 8
Minimizar la combinación lineal planteada, equivale a que se escojan puntos tal que
. Esto quiere decir que la minimización de la combinación lineal, se
lograra si la región critica C, tiene solo puntos que cumplan la ya mencionada
relación.
El ratio , es llamado ratio de verosimilitud, y será usado para ver el rechazo o no de las
hipótesis planteadas, específicamente de la nula. Como se nota, es usual que el nivel de
significancia sea el que más se minimiza, por ello es que se usa este valor en los contrastes,
pero se busca minimizar también el error II, esto se plasma en el lema siguiente.
Prueba
PRUEBA DE HIPOTEISIS
Vemos que se toma en consideración solo el no rechazo o rechazo de la hipótesis nula.
Asimismo, se nota que la maximización del poder de prueba implica la minimización del
error II, por lo que se prueba mediante el lema, que un test dado un nivel de significancia
basado en el ratio de verosimilitud , tiene un buen poder de prueba.
EJEMPLO DE APLICACIÓN
SOLUCION
Considerando la restricción dada inicialmente, así, uno espera no rechazar la hipótesis nula
para valores pequeños de la media muestral. Ahora determinemos el valor de la constante
.
PRUEBA DE HIPOTEISIS
Este test, prueba la regla practica ya conocida por nosotros en el caso de prueba de
hipótesis, pues dice que sin importar el valor que tome , se rechazara la hipótesis nula si
su media es menor al valor a hallado.
Hay que tener en cuenta, sin embargo, que este test ha sido realizado con dos pruebas de
hipótesis no complementarias, por lo que si bien la regla general frecuentista conocida es
similar a la hallada, no implica necesariamente lo mismo (ver la hipótesis alterna). Así que
será importante también hallar el valor de potencia de prueba, con el fin de ver relación
con el segundo valor contrastado.
Así, vemos que la función de perdida se usa para calcular la calidad de los estimadores a
encontrarse mediante el enfoque bayesiano , donde el “parámetro” a estimar es ,
y el estimador es . El “mejor” estimador , es escojido tal que se minimiza el
esperado de la función de pérdida , respecto a la distribución a posteriori
,
PRUEBA DE HIPOTEISIS
Acá se nota que, el estimador que minimiza la función de pérdida absoluta es la
mediana.
Se notan que dependiendo de la función de perdida escogida, se tendrá una estimación del
parámetro en estudio.
UNIVERSIDAD NACIONAL DE INGENIERIA
FIECS 11
PARTE II:
PRUEBA DE HIPOTESIS
GENERAL
Si bien las reglas prácticas en la prueba de hipótesis son directas y fáciles de aprender, el
proceso para realizar tales reglas es algo analítico.
De hecho, es preciso mencionar que se deben considerar las pruebas dados dos casos, uno
que contrasta regiones en si misma (pruebas de una cola) y otra que contrasta valores
puntuales (pruebas de igualdad a cierto valor). Esta teoría se dará en las subsiguientes
secciones.
Asimismo, estaremos considerando solo pares de hipótesis, contrarias es decir que si la nula
tiene un subconjunto definido de posibles valores del “parámetro” , la hipótesis alternante
tendrá a otro subconjunto de valores , que son complemento de los de la nula.
Se puede dar el caso , empero , de que la hipótesis alternante sea un conjunto variado de
Ratio de Ratio de
Factor de
odds a odds a
Bayes
posteriori priori
UNIVERSIDAD NACIONAL DE INGENIERIA
FIECS 13
…… (1)
Además de ello , es objetiva. Así, en el caso que el factor de Bayes coincida con el
ratio de verosimilitudes del enfoque frecuentista, entonces la distribución a priori no
influye en el mismo.
PRUEBA DE HIPOTEISIS
Este factor hallado es el más método con mas dominio es la prueba de hipótesis
bayesiana. La manera en que se escribió, es una de las muchas que pueden darse,
teniendo la esencia a pesar de ello. Así pues, el Factor de Bayes, reúne información a
priori y posteriori en un ratio que da evidencia a favor ( a aquel que se halla en el
numerador) de una especificación de modelo contra otra.
Como se nota, los factores de Bayes, permiten una comparación múltiple, en caso
sea necesario (este tema será tocado más adelante), permitiendo comparaciones de
múltiples hipótesis.
PRUEBA DE HIPOTEISIS
2.2. Regla practica para prueba de una cola
PRUEBA DE HIPOTEISIS
Como ya se menciono, la regla practica, se da solo para prueba de una cola, en caso se
tenga prueba de dos colas, es preferible realizar un intervalo de confianza bayesiano y ver
si el valor , se halla dentro del mismo. Si esto ocurre, concluiremos que con (1-α)100%
de credibilidad que es un posible valor. Caso contrario la credibilidad no es cierta
ni efectiva.
Este procedimiento se realiza, porque si uno evalúa las integrales para calcular las
probabilidades, notara que el valor de la integral a priori en un punto específico es cero,
por lo que su probabilidad seria cero. Por ende, no sería comparable ningún ratio. Aquí es
donde surgen complicaciones, por ello es recomendable usar los intervalos de
credibilidad.
UNIVERSIDAD NACIONAL DE INGENIERIA
FIECS 16
Sin embargo, se detallara un poco de la teoría matemática usada para probar que el uso
de intervalos de credibilidad es apropiado para contrastes d hipótesis de dos colas.
Las notaciones a usar son las mismas, y seguiremos considerando una a priori continua.
De este modo, vemos que esta a priori, tiene parte tanto discreta como continua, siendo
entonces, la a priori a usar , estaría dado por la marginal dado x, descrita en la ecuación
1 de la pagina nueve, teniendo en cuenta , sin embargo, que en el este caso tendrá dos
partes, una continua y otra discreta.
PRUEBA DE HIPOTEISIS
Para realizar esta prueba , será necesario utilizar distribuciones multivalentes , este tópico
se puede encontrar en el libro Bayesian Evaluation of Informative Hypothesis, de autor
Herbert Hoijtink, de editorial Springer.
Mencionaremos que se evalúa cada hipótesis alterna, con la nula, mediante una
PRUEBA DE HIPOTEISIS
UNIVERSIDAD NACIONAL DE INGENIERIA
FIECS 18
PARTE III:
PRUEBA DE HIPOTESIS
PARA UNA MEDIA:
CASOS ESPECIALES
Sabemos que la distribución binomial a las que nos referimos, se refiere a la distribución
“muestral” que tiene cada uno de los valores muestrales .
PRUEBA DE HIPOTEISIS
Suponiendo en este caso una a priori beta, se tendrá:
Así,
Una alternativa clara para el contrastar hipótesis de dos colas, es la construcción del
PRUEBA DE HIPOTEISIS
el parámetro sigue siendo igual a ese valor, entonces la experiencia no ha demostrado
nada nuevo que requiera una explicación. Perderíamos nuestra credibilidad científica si
andaríamos inventando explicaciones para los efectos que pueden no existir.
PRUEBA DE HIPOTEISIS
Cuando la distribución a posteriori es normal , esto
puede ser fácilmente encontrado en las tablas de la distribución normal estándar.
x | N ( , 2 )
N ( 0 , 02 )
| x N ( a, b 2 )
1 n 1
2 2
b 2
0
1/ 0 n / 2
2
a 0 x
1/ b2 1/ b2
PRUEBA DE HIPOTEISIS
Solución:
Podemos calcular
UNIVERSIDAD NACIONAL DE INGENIERIA
FIECS 23
Teóricamente es fácil distinguir entre las dos hipótesis; dados los datos, sólo se
deben usar las probabilidades a posteriori. Dada una función de pérdida, se elige
aceptar o rechazar .
EJEMPLO:
PRUEBA DE HIPOTEISIS
,
Tenemos . Entonces,
y se supone que .
En primer lugar
PRUEBA DE HIPOTEISIS
Entonces, se tiene
PRUEBA DE HIPOTEISIS
Entonces
UNIVERSIDAD NACIONAL DE INGENIERIA
FIECS 26
Pero .
Una muestra que nos lleva a rechazar con un contraste clásico nos
proporciona una probabilidad a posteriori de que se acerca a 1 cuando el
EJEMPLO:
Un estadístico compra 10 bolas usadas que han sido recuperadas del agua. Las
deja caer a una altura de un metro y mide la altura en centímetros en las de
regresan al primer rebote. Los valores son :
PRUEBA DE HIPOTEISIS
SOLUCION:
Contrastaremos: H 0 : 80
H1 : 80
Se realizara :
Como el ratio es menor que uno , rechazamos la hipótesis nula . Concluiríamos con
una probabilidad de 0.05, que existe suficiente evidencia estadística para afirma que la
Ahora asumamos la misma situación pero con una varianza observacional desconocida
y tomemos . Una a priori para , es razonable tomar la misma a priori marginal
para también debe ser especificada. Como las hipótesis no involucran , es razonable
tomar la misma a priori marginal para bajo ambas hipótesis. Adoptamos una a priori
conjugada bajo las hipótesis dadas
PRUEBA DE HIPOTEISIS
Donde todas las funciones de densidad son conocidas. Sustituyendo esas expresiones
tenemos
Donde ahora
UNIVERSIDAD NACIONAL DE INGENIERIA
FIECS 28
donde y
El Factor de Bayes es una función simétrica de los valores muestrales a través del
estadístico t. Varía desde el más alto valor de apoyo a cuando a un
mínimo valor cuando , como se esperaba.
4.2.1. Regla
Vemos, que lo que cambia aquí, es el cálculo del factor de Bayes, por lo que el
procedimiento a seguir, sea la prueba de una cola o unilateral el ya mencionado.
Tenemos que tener en cuenta que se esta considerando una a priori única para el
caso presentado, y ella es la normal.
PRUEBA DE HIPOTEISIS
es Gosh.
UNIVERSIDAD NACIONAL DE INGENIERIA
FIECS 29
PARTE IV:
SIMILITUDES,
DIFERENCIAS,
CONCLUSIONES Y
BIBLIOGRAFIA
5. SIMILITUDES Y DIFERENCIAS
5.1. Similitudes
En el límite asintótico, los datos abrumaran la elección del a priori , así que al
tener conjunto de datos infinitos, el hallar una a priori seria irrelevante, y tanto
enfoques bayesianos como frecuentistas convergerían.
Se nota una clara diferencia en la prueba de dos colas, pues los métodos
bayesianos son , muy pobres aunque si calculables.
PRUEBA DE HIPOTEISIS
De igual manera, en la estadística bayesiana, no se busca tanto el control de los
errores. Así en la prueba frecuentista, el error uno es delimitado a un valor alfa, y
el error tipo II se controla mediante el tamaño de muestra (todo mediante el uso
del Lema de Neyman Pearson) . En la bayesiana veremos que es más directo ,
pues se comparan simplemente las probabilidades a posteriori, mediante una
metodología ya explicada.
UNIVERSIDAD NACIONAL DE INGENIERIA
FIECS 31
6. CONCLUSIONES
PRUEBA DE HIPOTEISIS
UNIVERSIDAD NACIONAL DE INGENIERIA
FIECS 32
7. BIBLIOGRAFIA