Tema 2.

Contraste de hipotesis en una poblacion

Contenidos
I

Introducci
on, las hip
otesis nula y alternativa

El procedimiento de contraste de hip

otesis

I
I

Errores de Tipo I y Tipo II, potencia del contraste

Estadsticos del contraste, nivel de significaci
on y regiones de
aceptaci
on/rechazo en contrastes bilaterales y unilaterales

Contrastes de hip
otesis: procedimiento

p-valor

I
I

Contrastes bilaterales e intervalos de confianza

Ejemplos para distintos parametros

Potencia y tama
no muestral

Tema 2. Contraste de hipotesis en una poblacion

Objetivos de aprendizaje
Al final de este tema debieras ser capaz de:
I

Llevar a cabo un contraste de hip

otesis sobre una poblacion

Formular las hip

otesis nula y alternativa de un contraste

Entender los errores de tipo I y tipo II, definir el nivel de

significaci
on, definir la potencia del contraste

Seleccionar un estadstico del contraste adecuado e identificar las

regiones crticas correspondientes a contrastes unilaterales y
bilaterales

Utilizar el p-valor para llevar a cabo un contraste

Conocer la relaci
on entre un contraste bilateral y un intervalo de
confianza asociado

Calcular la potencia de un contraste y encontrar el tama

no muestral
necesario para obtener una potencia dada

Tema 2. Contraste de hipotesis en una poblacion

Referencias
I

Newbold, P. Estadstica para administraci

on y economa
I

Captulo 9 (9.1-9.5)

Ross, S. Introducci
on a la Estadstica
I

Captulo 9

Contrastes de hipotesis: introduccion

Un contraste de hip
otesis es un procedimiento que:
I

se basa en datos muestrales

para proporcionarnos informaci

on cara a tomar una decision

sobre la validez de una conjetura o hip

otesis sobre una poblacion X ;
tpicamente, el valor de un parametro de la poblacion ( puede ser
uno cualquiera de los parametros que hemos considerado hasta
ahora: , p, 2 , etc)

Esta hip
otesis a confrontar se conoce como la hip
othesis nula (H0 ):
I

Podemos pensar en ella como la hip

otesis considerada correcta
(antes de llevar a cabo el test)

Sera mantenida a menos que la muestra aporte suficiente evidencia

contraria

La informaci
on recogida en la muestra se emplea para confrontar (o
contrastar) esta hip
otesis

La hipotesis nula: ejemplos

1. Un fabricante de paquetes de cereales afirma que, en promedio, cada
paquete pesa al menos 400 g. Quieres contrastar esta informacion a
partir de los pesos de los paquetes en una muestra aleatoria.
Poblaci
on: X = peso de un paquete de cereales (en g)
0
z}|{
MAS
Hip
otesis nula, H0 : 400

'

Proporciona la muestra suficiente evidencia para dudar de

(rechazar) H0 ?
2. Una compa
na recibe envos de componentes, que acepta si el
porcentaje de componentes defectuosos es como maximo del 5%. La
decisi
on se basa en una muestra aleatoria de estos componentes.
Poblaci
on: X = 1 si un componente es defectuoso y 0 en otro caso
X Bernoulli(p), p = proporci
on de componentes defectuosos en
todo el envo
p0
z}|{
Hip
otesis nula, H0 : p 0.05
MAS

'

Proporciona la muestra evidencia suficiente para rechazar H0 ?

La hipotesis nula, H0
I

Define la hip
otesis a contrastar

Se asume inicialmente que la hip

otesis nula es correcta (semejante a
suponer inocencia a menos que se pruebe la culpa)

Habitualmente corresponde al estatus quo

Su definici
on matem
atica siempre contiene los smbolos =, o
(conjunto cerrado)

Puede ser rechazada como resultado del contraste, o no serlo

Hip
otesis simples:
0
p0
02
z}|{
z}|{
z}|{
H0 : = 5 , H0 : p = 0.6 , H0 : 2 = 9 En general: H0 : = 0
Espacio parametrico asociado a esta hip
otesis nula: 0 = {0 }

Hip
otesis compuestas (especificadas mediante un rango de valores):
0
p0
z}|{
z}|{
H0 : 5 , H0 : p 0.6 En general: H0 : 0 o
H0 : 0
Espacio parametrico asociado a esta hip
otesis nula: 0 = (, 0 ] o
0 = [0 , )

Hipotesis alternativa, H1
Si la hip
otesis nula no es v
alida, alguna alternativa debe ser correcta. Para
realizar el contraste, el investigador debe especificar una hip
otesis alternativa
frente a la que se contrasta la hip
otesis nula.
La hip
otesis alternativa H1 :
I

Es la opuesta a la hip
otesis nula

Habitualmente confronta el estatus quo

Su formulaci
on matem
atica no contiene los smbolos =, o

Puede ser soportada por los datos o no serlo

Habitualmente es la hip
otesis por la que se inclina el investigador

Hip
otesis unilaterales:
(cola derecha) H1 : > 5, (cola izquierda) H0 : p < 0.6
En general: H1 : > 0 o
H1 : < 0
Espacio parametrico bajo esta alternativa: 1 = (0 , ) o
1 = (, 0 )

Hip
otesis bilaterales:
H1 : 2 6= 9

En general: H1 : 6= 0

Espacio parametrico bajo esta alternativa: 1 = (, 0 ) (0 , )

La hipotesis alternativa: ejemplos

1. Un fabricante de paquetes de cereales afirma que, en promedio, cada
paquete pesa al menos 400 g. Quieres contrastar esta informaci
on a partir
de los pesos de los paquetes en una muestra aleatoria.
Poblaci
on: X = peso de un paquete de cereales (en g)
Hip
otesis nula, H0 : 400 frente a
Hip
otesis alternativa, H1 : < 400

'

MAS

Proporciona la informaci
on de la muestra suficiente evidencia en contra
de H0 y a favor de H1 ?
2. Una compa
na recibe envos de componentes, que acepta si el porcentaje
de componentes defectuosos es como m
aximo del 5%. La decisi
on se basa
en una muestra aleatoria de estos componentes.
Poblaci
on: X = 1 si un componente es defectuoso y 0 en otro caso
X Bernoulli(p), p = proporci
on de componentes defectuosos en el envo
Hip
otesis nula, H0 : p 0.05 frente a
Hip
otesis alternativa, H1 : p > 0.05

'

MAS

Proporciona la informaci
on de la muestra suficiente evidencia contra H0
y a favor de H1 ?

Procedimiento de contraste de hipotesis

xyyxxxxyy
Poblaci
on:
X = altura de un estudiante de la
UC3M (en m)
Afirmaci
on: En promedio, los
estudiantes miden menos de 1.6 m
Hip
otesis:
H0 : 1.6 frente a H1 : > 1.6

'

MAS

yyxx

Muestra: Supongamos que la

media muestral es 1.65 m,
x = 1.65

Es extra
no observar una
media muestral igual a
x = 1.65
si la media de la poblacion
es 1.6?

Si no es razonable, rechazamos la
hip
otesis nula en favor de la
alternativa.

Procedimiento de contraste de hipotesis

I

Una vez especificadas las hip

otesis nula y alternativa y recogida la
informaci
on muestral, se toma una decisi
on sobre la hipotesis nula
(rechazar o no rechazar H0 ).

La regla de decisi
on se basa en el valor de una distancia entre los
datos muestrales de que disponemos y aquellos valores que tienen
alta probilidad si se cumple la hip
otesis nula.

Esta distancia se calcula como el valor de un estadstico del

contraste, relacionado con las cantidades pivotales mencionadas en
el Tema 1. Mas adelante se mencionaran casos especficos.
Para cualquier decisi
on que pueda tomarse, existe la posibilidad de
llegar a una conclusi
on equivocada sobre el valor del parametro de la
poblaci
on, porque no disponemos mas que de una muestra aleatoria
y con ella no podemos tener la certeza de que la hipotesis nula sea
correcta o no.

Existen dos posibles estados en la naturaleza y por tanto se pueden

cometer dos errores: los errores de Tipo I y de Tipo II.

Errores de Tipo I y de Tipo II, potencia

I

Error de Tipo I: rechazar una hip

otesis nula correcta. El error de Tipo I se
considera importante. La probabilidad de un error de Tipo I es igual a y
se denomina nivel de significaci
on,
= P(rechazar la nula|H0 es correcta)

Error de Tipo II: no rechazar una hip

otesis nula incorrecta. La
probabilidad de un error de Tipo II es igual a .
= P(no rechazar la nula|H1 es correcta)

potencia: probabilidad de rechazar una hip

otesis nula (cuando es
incorrecta).
potencia = 1 = P(rechazar la nula|H1 es correcta)

Decisi
on
No
Rechazar H0
Rechazar
H0

Situaci
on actual
H0 correcta
H0 incorrecta
Sin error
Error de Tipo II
(1 )
()
Error de Tipo I
Sin error
()
(1 = potencia)

Errores de Tipo I y de Tipo II, potencia

I

Los errores de Tipo I y de Tipo II no se pueden cometer

simultaneamente
I

El error de Tipo I solo puede darse si H0 es correcta

El error de Tipo II solo puede darse si H0 es incorrecta

Si la probabilidad del error de Tipo I, , entonces la probabilidad

del error de Tipo II,
Si todo lo demas no cambia:
I

I
I
I
I

cuando la diferencia entre el valor supuesto para el par

ametro y
su valor real
cuando
cuando la variabilidad en la poblaci
on ()
cuando el tama
no muestral (n)
Para 1
potencia() = 1 ()
Para 0
potencia()

Estadstico del contraste, nivel de significacion y region de

rechazo
Estadstico del contraste, T
I

Nos permite decidir si es probable o improbable que se observen

los datos muestrales, suponiendo que la hip
otesis nula sea cierta.

Es la cantidad pivotal vista en el Tema 1, calculada bajo la hipotesis

nula.

La decisi
on del contraste de hip
otesis se basa en el valor observado
del estadstico del contraste, t.

Si los datos muestrales proporcionan evidencia contraria a la

hip
otesis nula, el valor observado del estadstico del contraste
debiera ser extremo, esto es, muy poco probable. En otro caso,
este valor debiera ser usual.
Distinguimos entre valores usuales y extremos sobre la base de:

I
I

la distribuci
on del estadstico del contraste para la muestra,
el nivel de significaci
on , que define la llamada regi
on de rechazo o
crtica y la regi
on de aceptaci
on.

Estadstico del contraste, significacion y region de rechazo

Regi
on de rechazo (RR) y de aceptaci
on (RA) en contrastes de tama
no :

Contraste unilateral derecho H1 : > 0

RR = {t : t > T }

RA = {t : t T }

Contraste unilateral izquierdo H1 : < 0

RR = {t : t < T1 }

RA = {t : t T1 }

Contraste bilateral H1 : 6= 0
RR = {t : t < T1/2 o t > T/2 }
RA = {t : T1/2 t T/2 }

RA

VALOR
CRITICO

RR

RR

VALOR
CRITICO

2
RR

VALOR
CRITICO

RA

2
RA

VALOR RR
CRITICO

Estadsticos del contraste

Sea X n una m.a.s. de una poblaci
on X con media y varianza 2 , un nivel de
significaci
on, z el cuantil de N(0,1), 0 la media de la poblaci
on bajo H0 , etc.
Par
ametro

Media

Hip
otesis

Estadstico contraste

Datos normales
Varianza conocida

X
0 N(0, 1)
/ n

Datos no normales
Muestra grande

X
0 ap. N(0, 1)
/

Datos Bernoulli
Muestra grande

Datos normales
Varianza desconocida

p
p0
ap. N(0, 1)
p0 (1p0 )/n

X
0 tn1
s/ n

Varianza

Datos normales

(n1)s 2
2
n1
2
0

Desv. Tp.

Datos normales

(n1)s 2
2
n1
2
0

RR contraste bilateral
9
z
>
>
z }| {
>
>
>
=
x 0
x0
> z/2
z :
< z1/2 o

>
>
/ n
>
>
/
n
>
>
>
>
>
>
:
;

ff
x0
x0
< z1/2 o
> z/2
z :
/

n
/

n
8
>
>
>
>
>
<

p
p0
p
p0
< z1/2 o p
> z/2
p0 (1p0 )/n
p0 (1p0 )/n
8
9
t
>
>
>
>
z }| {
>
>
>
>
>
>
<
=
x 0
x0

< tn1;1/2 o
> tn1;/2
t :

>
>
s/
n
>
>
s/ n
>
>
>
>
>
>
:
;

z :

ff

8
9
2
>
>
>
>
>
>
>
>
z
}|
{
>
>
>
>
>
>
>
>
<
=
2
(n 1)s 2
(n1)s
2
2 :
< 2
o
>

2
n1;1/2
n1;/2
>
>
2

>
>

>
>
0
0
>
>
>
>
>
>
>
>
>
>
:
;
(
)
2
2
(n1)s
(n1)s
2
2
2 :
<

>

o
n1;1/2
n1;/2
2
2
0
0

Pregunta: C
omo definiras RR para contrastes unilaterales?

Contraste de hipotesis: procedimiento

1. Especificar las hip

otesis nula y alternativa.
2. Calcular el valor observado del estadstico del contraste (ver
transparencia anterior).
3. Para un nivel de significaci
on dado, definir la region de rechazo
(RR ).
I

Rechazar H0 , la hip
otesis nula, si el valor del estadstico del contraste
est
a en RR y no rechazar H0 en otro caso.

4. Escribir las implicaciones para nuestro caso en una frase.

Contraste unilateral para la media de datos normales con

varianza conocida: ejemplo
Ejemplo: 9.1 (Newbold) Los pesos de los rodamientos fabricados en un proceso
siguen una distribuci
on normal con media 250 g. y desviaci
on tpica 5 g. Tras
reajustar el mismo, el encargado sospecha que el peso promedio ha aumentado,
pero su desviaci
on tpica no ha cambiado. Se selecciona una muestra aleatoria
simple de dieciseis rodamientos, con un peso medio de 251.9 g. Tiene raz
on el
encargado? Lleva a cabo el contraste para un nivel de significaci
on del 5%.
Poblaci
on:
X = peso de un rodamiento (en g)
Estadstico del contraste:

X N(, 2 = 52 )
0 N(0, 1)
Z = X

'

/ n

MAS: n = 16

Muestra: x = 251.9
Objetivo: contrastar
0
z}|{
H0 : = 250 frente a H1 : > 250
(contraste unilateral)

Valor observado del estadstico:

=5

0 = 250

n = 16
z

=
=

x = 251.9
x 0

/ n
251.9 250

= 1.52
5/ 16

Contraste unilateral para la media de datos normales con

varianza conocida: ejemplo
Ejemplo: 9.1 (cont.)
Regi
on de rechazo (o regi
on crtica):
RR0.05

= {z : z > z0.05 }

z=
1.52

= {z : z > 1.645}
Como z = 1.52
/ RR0.05 no rechazamos
H0 a un nivel de significaci
on del 5%.
Densidad N(0,1)

RA

RR
z = 1.645

Conclusi
on: Los datos muestrales no proporcionan suficiente evidencia
para rechazar la afirmaci
on de que el peso promedio de los rodamientos
es 250 g.

Definicion de p-valor

Es la probabilidad de que se obtenga un valor del estadstico del

contraste que sea al menos tan extremo ( o ) como el observado,
suponiendo que H0 sea cierta.

Se conoce tambien como el nivel de significaci

on observado

Es el menor valor de para el que se puede rechazar H0 .

Se puede emplear en el paso 3) del procedimiento de contraste de
hip
otesis con la regla siguiente:

I
I

Si el p-valor < , rechazamos H0

Si el p-valor , no rechazamos H0

Como resumen:
I
I

p-valores peque
nos proporcionan evidencia en contra de H0
p-valores grandes proporcionan evidencia a favor de H0

p-valor
Calculo del p-valor: t valor observado del estadstico del contraste T :

Contraste unilateral derecho H1 : > 0

p-valor = P(T t)

Contraste unilateral izquierdo H1 : < 0

p-valor = P(T t)

Contraste bilateral H1 : 6= 0
p-valor = P(T |t|) + P(T |t|)

estad. de
contr.
pvalor
=area

estad. de
contr.
pvalor
=area

|estad.|

|estad.|

pvalor
=areas
izq.+der.

p-valor: ejemplo
Ejemplo: 9.1 (cont.)
Poblaci
on:
X = peso de un rodamiento (en g)
X N(, 2 = 52 )

'

p-valor

MAS: n = 16

Muestra: x = 251.9
Objetivo: contrastar
0
z}|{
H0 : = 250 frente a H1 : > 250
(contraste unilateral)
Estadstico del contraste:

0 N(0, 1)
Z = X/
n
Valor observado del estadstico: z = 1.52
densidad N(0,1)

P(Z z) = P(Z 1.52)

0.0643 donde Z N(0, 1)

Como se cumple que

p-valor = 0.0643 = 0.05
no rechazamos H0 (pero
rechazaramos para cualquier
mayor que 0.0643, por ejemplo,
= 0.1).

z=
1.52
pvalor
=area

El p-valor y la probabilidad de la hipotesis nula1

I

El p-valor:
I
I

no es la probabilidad de H0 ni la del error de Tipo I, ;

se puede utilizar como un estadstico del contraste comparando su
valor con el de (i.e. rechazar H0 si p-valor < ).

Queremos responder la pregunta: cual es la probabilidad de la

hip
otesis nula dadas las observaciones?
I

I
I

1 Selke,

Recordemos que definimos el p-valor como la probabilidad de obtener

las observaciones (o valores mas extremos) dada la hip
otesis nula.
No podemos responder de manera exacta,
Pero bajo condiciones generales y asumiendo que sin los datos
Pr(H0 ) = Pr(H1 ) = 1/2, entonces para p-valores, p, tales que
p < 0.36:
ep ln(p)
.
Pr(H0 |Observaciones)
1 ep ln(p)

Bayarri and Berger, The American Statistician, 2001

El p-valor y la probabilidad de la hipotesis nula

La siguiente tabla permite calibrar el p-valor como una funcion de la
probabilidad de la hip
otesis nula:
p-valor
0.1
0.05
0.01
0.001
0.00860
0.00341
0.00004
0.00001

Pr(H0 |Observaciones)
0.39
0.29
0.11
0.02
0.1
0.05
0.01
0.001

Para un p-valor igual a 0.05 la hip

otesis nula tiene una probabilidad
de al menos el 29% de ser cierta.

Mientras que si queremos que la probabilidad de que sea cierta no

supere el 5%, el p-valor tiene que ser mas peque
no que 0.0034.

Intervalos de confianza y contrastes bilaterales: dualidad

Un contraste bilateral a un nivel de significaci

on puede realizarse a
partir de un intervalo (simetrico) con nivel de confianza 100(1 )% de
la manera siguiente:
1. Especificar las hip
otesis nula y alternativa:
H0 : = 0

frente a

H1 : 6= 0

2. Calcular un intervalo de confianza al 100(1 )% para .

3. Si 0 no pertenece a este intervalo, rechazamos H0 .
Si 0 pertenece al intervalo, no rechazamos H0 .
4. Escribir las implicaciones para nuestro caso en una frase.

Contraste bilateral para la media con varianza conocida:

ejemplo
Ejemplo: 9.2 (Newbold) Un taladro produce agujeros cuyos diametros
siguen una distribuci
on normal con media 2 cm y desviacion tpica 0.06
cm. Para verificar su correcto funcionamiento se miden aleatoriamente
nueve taladros, con un diametro medio de 1.95 cm. Realiza un contraste
bilateral para un nivel de significaci
on del 5% utilizando ICs.
Poblaci
on:
Intervalo de confianza al
X = diametro de un agujero (en cm)
100(1 )% = 95% para :
X N(, 2 = 0.062 )



IC0.95 () =
x 1.96
n
MAS: n = 9


0.06

=
1.95

1.96
Muestra: x = 1.95
9
= (1.9108, 1.9892)
Objetivo: contrastar
0
z}|{
Como 0 = 2
/ CI0.95 (),
H0 : = 2 frente a H1 : 6= 2
rechazamos H0 a un nivel de
(contraste bilateral)
significaci
on del 5%.

'

Contraste bilateral para la proporcion: ejemplo

Ejemplo: 9.6 (Newbold) En una muestra aleatoria de 199 socios
auditores de empresas de auditora americanas, 104 socios se mostraron
de acuerdo con la afirmaci
on: Los flujos de caja operativos son una
medida valida de rentabilidad. Contrasta al 10% frente a una
alternativa bilateral la hip
otesis nula de que la mitad de los miembros de
la poblaci
on estaran de acuerdo con esta afirmaci
on.
Poblaci
on:
X = 1 si un socio esta de acuerdo con la
Estadstico del contraste:
afirmaci
on y 0 en otro caso
Z = pp0
aprox. N(0, 1)
p0 (1p0 )/n
X Bernoulli(p)
Valor observado del estadstico:

'

MAS: n = 199 n grande

Muestra: p =

104
199

= 0.523

Objetivo: contrastar
p0
z}|{
H0 : p = 0.5 frente a H1 : p 6= 0.5
(contraste bilateral)

p0 = 0.5
n = 199
z

p = 0.523
p p0
= p
p0 (1 p0 )/n
0.523 0.5
= p
0.5(1 0.5)/199
= 0.65

Contraste bilateral para la proporcion: ejemplo

Ejemplo: 9.6 (cont.)
Regi
on de rechazo o regi
on crtica:
RR0.10

= {z : z > z0.05 }
{z : z < z0.05 }
= {z : z > 1.645}
{z : z < 1.645}

Como z = 0.65
/ RR0.10 no
rechazamos H0 a un nivel de
significaci
on del 10%.
Densidad N(0,1)

z=
0.65

RR
RA
RR
z2 = 1.645 z2 = 1.645

Conclusi
on: Los datos muestrales no dan evidencia suficiente para dudar
que la mitad de los socios auditores piensen que el flujo de caja
operacional es una medida valida de rentabilidad.

Contraste unilateral, media con var. desconocida: ejemplo

Ejemplo: 9.4 (Newbold, modificado) Una cadena de centros comerciales cree
que el aumento de ventas entre Noviembre y Diciembre es del 20%. Una
muestra aleatoria de seis centros tuvo incrementos de ventas de 19.2, 18.4,
19.8, 20.2, 20.4, 19.0. Suponiendo la poblaci
on normal, contrasta que el
incremento promedio es al menos del 20% frente a una alternativa unilateral,
para = 10%. Emplea el p-valor.
Poblaci
on:
X = incremento de ventas en un centro
Estadstico del contraste:
entre Nov. y Dic. (en %)

0 tn1
T = Xs/
2
2
n
X N(, ) desconocida

'

Valor observado del estadstico:

MAS: n = 6 n peque
no

Muestra: x = 117
= 19.5
6
2284.446(19.5)2
2
s =
= 0.588
61
Objetivo: contrastar
0
z}|{
H0 : 20 frente a H1 : < 20
(contraste unilateral)

0 = 20
x = 1.95
t

=
=

n=6

s = 0.588 = 0.767
x 0

s/ n
19.5 20
= 1.597
0.767/ 6

Contraste unilateral, media con var. desconocida: ejemplo

Ejemplo: 9.4 (cont.)
p-valor = P(T 1.597)
(0.05, 0.1) porque
t5;0.05
t5;0.10
z }| {
z }| {
2.015 < 1.597 < 1.476

t=
1.597
pvalor
=area

Dado que p-valor < = 0.1,

rechazamos la hip
otesis nula a este
nivel.
Densidad tn1

||

2.015 1.476

Conclusi
on: Los datos muestrales proporcionan suficiente evidencia para
rechazar que el incremento promedio de las ventas haya sido al menos del 20%.
Interpretaci
on del p-valor: si la hip
otesis nula fuese cierta, la probabilidad de
que hubiesemos obtenido estos datos muestrales sera como m
aximo del 10%,
lo que es bastante improbable, y por tanto rechazamos la hip
otesis nula.

Contraste unilateral para la media con varianza

desconocida: ejemplo
Ejemplo: 9.4 (cont.) en Excel: Selecciona la opci
on de men
u: Datos,
submenu: An
alisis de datos, escoge la funci
on: prueba t para dos muestras
suponiendo varianzas desiguales.
Columna A (datos), Columna B (n repeticiones de 0 = 20), en amarillo
(estadstico observado t, p-valor y tn1; ).

Contraste unilateral para la varianza: ejemplo

Ejemplo: 9.5 (Newbold) Para cumplir con la normativa, la varianza del nivel de
impurezas en tanto por ciento en los envos de un cierto producto qumico no
puede superar el valor 4. Una muestra aleatoria de veinte envos ha
proporcionado una cuasi-varianza muestral del nivel de impurezas de 5.62.
a) Lleva a cabo un contraste de hip
otesis adecuado ( = 0.1).
b) Calcula la potencia del contraste. Cu
al es la potencia para 12 = 7?
c) Que tama
no muestral garantizara una potencia de 0.9 para 12 = 7?
Poblaci
on:
X = nivel de impurezas del producto en un
Estadstico del contraste:
envo (en %)
2
2
2 = (n1)s
2n1
X N(, )
2

'

Valor observado del estadstico:

MAS: n = 20

Muestra: s = 5.62
Objetivo: contrastar
02
z}|{
H0 : 2 4 frente a H1 : 2 > 4
(contraste unilateral)

02 = 4

n = 20

s = 5.62
2

=
=
=

(n 1)s 2
02
(20 1)5.62
4
26.695

Contraste unilateral para la varianza: ejemplo

Ejemplo: 9.5 a) (cont.)
p-valor = P(2 26.695)

2 =

(0.1, 0.25) porque

26.695

219;0.25

219;0.1
z}|{
z}|{
22.7 < 26.695 < 27.2

pvalor
=area

Como el p-valor es mayor que

= 0.1, no podemos rechazar la
hip
otesis nula a este nivel.
Densidad

2n1

22.7

27.2

Conclusi
on: Los datos muestrales no proporcionan suficiente evidencia
para rechazar la afirmaci
on de que la varianza del porcentaje de
impurezas en los envos de este producto no es mayor que 4.

Contraste unilateral para la varianza: potencia

0.8

1.0

Ejemplo: 9.5 b) Recuerda que: potencia = P(rechazar H0 |H1 es cierta)

Cu
ando rechazamos H0 ?

ff
(n 1)s 2
2
RR0.1 =
>

n1;0.1
potencia( 2 ) funci
on de 2
02
9
8
27.2 4 = 108.8>
>
>
}|
{ >
z
=
<
potencia(2 2) =
= (n 1)s 2 > 2n1;0.1 02
1 ( )
>
>
>
>
;
:

20 = 4

0.0 0.2

0.4

0.6

La potencia viene dada por:

potencia(12 ) = P rechazar H0 | 2 = 12

= P (n 1)s 2 > 108.8| 2 = 12

(n 1)s 2
108.8
=P
>
12
2

1
0 0 2
108.8
108.8
= P 2 >
= 1 F2
12
12
(F2 es la funci
on de distribuci
on de 2n1 ) Por tanto,
` 2

108.8
power(7) = P > 7
= 0.6874.

6 1 8

10

Contraste unilateral para la varianza: calculo de tamano

muestral
Ejemplo: 9.5 c)
De nuestros c
alculosanteriores, sabemos que

2
2
potencia(12 ) = P (n1)s
> 2n1;0.1 02 ,
2
1

(n1)s 2
12

2n1

Nuestro objetivo es encontrar el menor n tal que:

1
0.571
z}|{
C
B
2
4 C
B (n 1)s
> 2n1;0.1
potencia(7) = P B
C 0.9
2
7 A
1
@
0

La u
ltima ecuaci
on implica que queremos trabajar con una distribuci
on 2n1
2
2
cuyo cuantil 0.9 debe cumplir n1;0.9 0.571n1;0.1 .
tabla chi-cuadrado

243;0.9 /243;0.1 = 0.573 > 0.571 n 1 = 43

Por tanto, si disponemos de 44 observaciones podremos detectar el valor

alternativo 12 = 7 correctamente con una probabilidad superior al 90%.

Otro ejemplo sobre potencia: contraste unilateral para la

media, poblacion normal y 2 conocida

1.0

potencia() =
1 ()

0.8

1.0

0.0

0.2

0.4

0.6

0 = 5

0.4

0.2
0.0

4.85

n=16
n=9
n=4

0.8

H0 : 0 frente a H1 : < 0 para = 0.05

Supongamos 0 = 5, n = 16, = 0.1
x
0 < z = 1.645, esto es, cuando
Rechazamos H0 si /
n
x 4.96, por tanto


4.96
1
potencia(1 ) = P Z < 0.1/
16

0.6

4.95

5.05

4.85

4.95

5.05

Otro ejemplo sobre potencia: contraste unilateral para la

media, poblacion normal y 2 conocida
La funci
on potencia = 1 P(error Tipo II) tiene las siguientes
propiedades (si todo lo demas se mantiene constante):
I

Cuanto mas alejada este la media verdadera 1 del valor supuesto

0 , mayor es la potencia.

Cuanto menor sea , menor es la potencia, esto es, si se reduce la

probabilidad de un error de Tipo I, se incrementa la probabilidad de
un error de Tipo II.

Cuanto mayor es la varianza de la poblaci

on, menor es la potencia
(cuando tenemos mas variabilidad, resulta mas difcil detectar
peque
nas desviaciones del valor real respecto del valor supuesto 0 ).

Cuanto mayor sea el tama

no muestral, mayor es la potencia del
contraste (cuanto mas informaci
on tengamos sobre la poblacion,
mas sencillo resultara detectar peque
nas desviaciones del valor real
respecto de la hip
otesis nula).