Pruebas de hiptesis con dos muestras y varias muestras de datos numricos

PRUEBA DE HIPOTESIS PARA DOS MUESTRAS La prueba de hiptesis para dos muestras es casi semejante a la prueba de una sola muestra es decir, que se tomaran dos muestras aleatorias para determinar si proviene de una misma poblacin o a su vez de poblaciones iguales. As mismo puedo entender que en el caso de que se den las dos poblaciones iguales, se esperara que la media entre las dos medias mustrales sea cero. En el caso que existan poblaciones independientes, estas son iguales a la suma de dos variables individuales. Por ende las muestras deben ser suficientemente grandes para que la distribucin de las medias mustrales siga una distribucin normal. As mismo constituyo que para realizar una comparacin de poblaciones con muestras pequeas es necesario tener en cuenta las siguientes suposiciones: las dos muestras provienen de poblaciones independientes, de igual manera las desviaciones estndar de las dos poblaciones son iguales, as mismo las poblaciones muestreadas siguen una distribucin normal. Como consiguiente tenemos que el nmero de grados de libertad en la prueba es igual al nmero total de elementos muestreados, menos el nmero de muestras. Existen casos en que las muestras no son independiente sino son dependientes o que a su vez estas estn relacionadas entre s. Por tal razn puedo entender que existen dos tipos de muestras dependientes: 1.- las que se caracterizan por una medicin, una intervencin de cierto tipo y esta a su vez otra medicin. 2.- existe una formacin de pares de las observaciones correspondientes. Para tener una idea ms concreta formulare la existencia de una comparacin de las muestras independientes y dependientes. Las muestras dependientes son aquellas que se caracteriza por una medicin seguida, por un intervalo de algn tipo y despus otra medida. A esta tambin se la puede llamar un estudio antes o despus. De la misma forma el segundo tipo de muestra dependiente se caracteriza por la formacin de pares de observaciones. Pruebas de Hiptesis Una hiptesis estadstica es una suposicin hecha con respecto a la funcin de distribucin de una variable aleatoria. Para establecer la verdad o falsedad de una hiptesis estadstica con certeza total, ser necesario examinar toda la poblacin. En la mayora de las situaciones reales no es posible o practico efectuar este examen, y el camino ms aconsejable es

tomar una muestra aleatoria de la poblacin y en base a ella, decidir si la hiptesis es verdadera o falsa. En la prueba de una hiptesis estadstica, es costumbre declarar la hiptesis como verdadera si la probabilidad calculada excede el valor tabular llamado el nivel de significacin y se declara falsa si la probabilidad calculada es menor que el valor tabular. La prueba a realizar depender del tamao de las muestras, de la homogeneidad de las varianzas y de la dependencia o no de las variables. Si las muestras a probar involucran a ms de 30 observaciones, se aplicar la prueba de Z, si las muestras a evaluar involucran un nmero de observaciones menor o igual que 30 se emplea la prueba de t de student. La frmula de clculo depende de si las varianzas son homogneas o heterogneas, si el nmero de observaciones es igual o diferente, o si son variables dependientes. Para determinar la homogeneidad de las varianzas se toma la varianza mayor y se divide por la menor, este resultado es un estimado de la F de Fisher. Luego se busca en la tabla de F usando como numerador los grados de libertad (n-1) de la varianza mayor y como denominador (n-1) de la varianza menor para encontrar la F de Fisher tabular. Si la F estimada es menor que la F tabular se declara que las varianzas son homogneas. Si por el contrario, se declaran las varianzas heterogneas. Cuando son variables dependientes (el valor de una depende del valor de la otra), se emplea la tcnica de pruebas pareadas. Como en general estas pruebas se aplican a dos muestras, se denominarn a y b para referirse a ellas, as entenderemos por:

na al nmero de elementos de la muestra a nb al nmero de elementos de la muestra b xb al promedio de la muestra b s2a la varianza de la muestra a

Entonces se pueden distinguir 6 casos a saber: 1. Caso de muestras grandes (n>30) 2. Caso de na = nb y s2a = s2b 3. Caso de na = nb y s2a <> s2b 4. Caso de na <> nb y s2a = s2b 5. Caso de na <> nb y s2a <> s2b 6. Caso de variables dependientes