Professional Documents
Culture Documents
2. Hiptesis
Hiptesis nula (H0): Afirmacin que parmetro(s) toma(n)
valor(es) determinado(s) (Generalmente: no efecto)
Hiptesis alternativa (Ha): establece que valores del
parmetro caen en algn rango alternativo de valores (un
efecto)
p.1 ejemplos?
5. Conclusin:
5. Conclusin (continuacin)
El nivel mnimo ms comnmente aceptado es
0.05, y se dice que la prueba es significativa a un
nivel de 0.05 si el valor-p 0.05.
Si el valor-p no es lo suficientemente pequeo, no
rechazamos H0 (entonces, H0 es no
necesariamente verdardera, pero s plausible)
Proceso es anlago al sistema judicial Americano
H0: Acusado es inocente
Ha: Acusado es culpable
5
where se s / n
6
se s / n 7.157 / 17 1.736
9
4.2
se
1.736
Valor-p: P = 2P(t > 4.2) = 0.0007
Nota que tabla t (Tabla B, p. 593) nos dice que P(t > 3.686) =
0.001, entonces la prueba estadstica t = 3.686 ( -3.686)
tendra valor-p = 0.002
Resultados de SPSS
One-Sample Statistics
N Mean Std. Deviation Std. Error Mean
weight_change
17 7.265
7.1574
1.7359
One-Sample Test
Test Value = 0
t df Sig. (2-tailed) Mean
95% Confidence
diff. Interval of the Difference
Lower
Upper
weight_change 4.185 16
.001
7.2647
3.58
10.945
11
Ejemplo
Asume media muestral = 7.265, s = 7.16,
basado en n = 4 (en lugar de n = 17)
Entonces,
se s / n 7.16 / 4 3.58
and t (7.265 0) / 3.58 2.0
Ejemplo
Asume el estudio de anorexia tiene un cambio de peso
con
y 1.0, s 2.0, for n 400
Prueba
Hiptesis:
Hiptesis nula: H0: 0
Hiptesis alternativa : Ha: 0 (dos-lados)
Ha: > 0
Ha: < 0 (un-lado)
Establecer las hiptesis antes de obtener los datos
18
Prueba estadstica:
z
Nota
0
0
0 (1 0 ) / n
se0 0 (1 0 ) / n , not se (1 ) / n as in a CI
Error estndar
Prueba estadstica
z = (muesta nula)/se0 = [0.407 (1/7)]/0.0476 = 5.6
Valor-p = prob. cola derecha de la normal estndar
= 0.00000001
Esta es evidencia extremadamente fuerte que la
seleccin de los perros es mejor que adivinar
aleatoriamente (para la poblacin conceptual que
representa esta muestra
22
Decisiones en pruebas
Nivel- (nivel de significancia): Pre-especificado punto
de corte para rechazar H0 si el valor-p es menor a este
valor (tpicamente 0.05 0.01)
P-Value
.05
> .05
H0 Conclusion
Reject
Do not Reject
Ha Conclusion
Accept
Do not Accept
Tipos de errores
Error Tipo I: Rechazar H0 cuando es verdadera
Error Tipo II: No rechazar H0 cuando es falsa
Resultado
de la prueba
Estado
verdadero
H0 Verdadera
H0 Falsa
Rechazar H0
No rechazar H0
Error Tipo I
Correcto
Correcto
Error Tipo II
24
P(Error Tipo I)
Asume nivel- = 0.05. P(Error Tipo I) = P(rechazar nula,
dado que es verdadera) = P(|z| > 1.96) = 0.05
Es decir, nivel- es la P(Error Tipo I).
Dado que le damos es beneficio de la duda a la nula al
hacer esta prueba, por lo general se escoge pequea,
usualmente 0.05, se considera 0.01 es muy cauteloso para
no rechazar la nula cuando sea cierta.
Como en los ICs, no usamos demasiado pequea, ya que
a medida que disminuye, = P(Type II error) aumenta
(Piensa en la analoga a un juicio)
Es mejor reportar el valor-p que simplemente decir que
rechazamos H0
(Son valor-p = 0.049 y 0.051 muy diferentes?) (Ve ej. 6.24)
25
se 10 / 20 2.24
27
29
Solucin simple
Dibuja un diagrama de rbol para morstrar que esperararamos
que pasara con muchos estudios (digamos, 1000)
Verdadero
efecto?
Decisin
Rechazar nula?
S (40)
S (80) --------------|
No (40)
1000 estudios---|
S (46 = .05 x 920)
No (920) -----------|
No (874)
De los estudios con hiptesis nula rechazada, la tasa de error
Tipo I = 46/(46+40) = 0.53
31
33
34
La distribucin binomial
Si
Cada observacin es binaria (una de dos categoras)
Probabilidades para cada observ.: para categora 1
1 - para categora 2
Las observaciones son independientes, entonces para n
observaciones, el nmero x en la categora 1 tiene
n!
P( x)
x (1 ) n x , x 0,1,..., n
x !(n x)!
Esta puede ser usada para llevar a cabo pruebas sobre
cuando n es demasiado pequea para contar con mtodos
para muestras grandes (p.ej., cuando se espera que el
nmero de observaciones en cada categora < alrededor de
10)
35
n!
5!
x (1 ) n x
(0.50)0 (0.50)5 (0.50)5 1/ 32
x !(n x)!
0!5!
P(1)
n!
5!
x (1 )n x
(0.50)1 (0.50) 4 5(0.50)5 5 / 32
x !(n x)!
1!4!
P(2)
n!
5!
x (1 ) n x
(0.50) 2 (0.50)3 10(0.50)5 10 / 32
x !(n x)!
2!3!
5!
0.53 (1 0.5)2 10 / 32
3!2!
5!
P(4)
0.54 (1 0.5)1 5 / 32
4!1!
5!
P(5)
0.55 (1 0.5)0 1/ 32
5!0!
P(3)
37
38
E( ) , (1 ) / n
39
Ejemplo
Resultados de una proporcin con n = 1000, = 0.50
Ha : 0.50
Ha : < 0.50
Ha : > 0.00
Ha : < 0.50
Ha : 0.50
41
42