ESTADÍSTICA GRADOS EN INGENIERÍA MECÁNICA, INGENIERÍA QUÍMICA E
INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL
Tema 13. Contrastes de hipótesis en modelos normales y de proporciones. 234
TEMA 13.- CONTRASTES DE HIPÓTESIS
EN MODELOS NORMALES Y SOBRE PROPORCIONES
- Contrastes de hipótesis en modelos normales. - Problemas de una muestra. - Problemas de dos muestras. - Test t por pares.
- Contraste de hipótesis sobre proporciones. - Problemas de una muestra. - Problemas de dos muestras.
- Dualidad IC – Test de Hipótesis
ESTADÍSTICA GRADOS EN INGENIERÍA MECÁNICA, INGENIERÍA QUÍMICA E
INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL
Tema 13. Contrastes de hipótesis en modelos normales y de proporciones. 235
CONTRASTES DE HIPÓTESIS EN MODELOS NORMALES
ESTUDIO DE UNA POBLACIÓN NORMAL. (PROBLEMAS DE UNA MUESTRA)
Población: XN(,), Muestra: X1,...,Xn Estadísticos: X , S
Problemas de interés: Contrastes de hipótesis sobre la media . Contrastes de hipótesis sobre la varianza desviación típica
Hipótesis nula H. alternativa Estadístico test Región crítica Entrada curva CO Carta VI
H0: =0
conocida
H1: 0 H1: >0 H1: <0
nX
z
00
z0>z/2
z0>z
z0<zd=0/ (1)
a, b c, d c, d
H0: =0
desconocida
H1: 0 H1: >0 H1: <0 nS
Xt 0
0
t0>tn1,/2
t0>tn-1,
t0<tn1,
d=0/ (2)e, f g, h g, h
H0: =0 H1: 0 H1: >0 H1: <0
20
220
)1(
Sn
21,1
20
2,1
20
221,1
20
22,1
20
n
n
nn
=/0
i, j k, l m, n
(1) En este caso es preferible usar las fórmulas desarrolladas en el Tema 12 para calcular y n. (2) Como es desconocido podemos:
(a) Estimarla a partir de la muestra: S . Si aún no se tiene, se necesita una muestra piloto. (b) Expresar las alternativas en función de . P. ej. hallar para 0=1,5 (es decir d=1.5).
ESTADÍSTICA GRADOS EN INGENIERÍA MECÁNICA, INGENIERÍA QUÍMICA E
INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL
Tema 13. Contrastes de hipótesis en modelos normales y de proporciones. 236
Ejemplo: Un producto limpiador debe contener 25 gr. de un determinado componente para ser eficaz, pero se sospecha por las muchas quejas de los consumidores que el proceso de fabricación no funciona bien y que esa cantidad es menor. Para ello se toma una muestra de 15 productos y en cada uno se mide la cantidad del componente obteniendo: X 24 1. gr. y S=0.6gr.
El contraste que hay que plantear es H H0 125 25: : contra pues queremos que los consumidores tengan que “demostrar” que el contenido medio está por debajo de los 25 gr.
Supongamos que se hace un test a nivel habitual .
05.0,140
,10 761.181.5
156.0251.24 t
nSXt
nSXC n
Entonces, rechazamos H0 y debemos revisar nuestro proceso de producción. El p-valor que corresponde al valor observado t= -5.81 es 0005.081.514 tP por lo que rechazamos Ho a cualquier nivel de significación habitual.
Si además queremos calcular el tamaño muestral necesario para que la probabilidad de NO detectar un contenido medio ineficaz de sea menor de 0.10 ((24.75)<0.10), utilizamos las curvas CO correspondientes a un test con distribución t y de nivel 0.05 entrando con
41.06.025.00
d
y obtenemos que, aproximadamente, debe ser n = 50. Con la muestra de tamaño 15 que hemos usado, la probabilidad de cometer Error de tipo II si la muestra nos hubiese conducido a No Rechazar H0 habría sido mucho mayor que 0.10. En las curvas CO obtenemos aproximadamente =0.55.
ESTADÍSTICA GRADOS EN INGENIERÍA MECÁNICA, INGENIERÍA QUÍMICA E
INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL
Tema 13. Contrastes de hipótesis en modelos normales y de proporciones. 237
Ejemplo: Para esmerilar discos de silicio al grueso apropiado se utiliza un cierto proceso de bruñido. Para dar sensación de homogeneidad en el producto, interesa que la variable "X=grosor de los discos" tenga una desviación típica lo menor posible, considerando satisfactorio el proceso si dicha desviación no supera los 0.5 mm. Se realiza un estudio sobre una muestra de 15 discos y se obtiene S=0.64 mm. ¿Hay evidencias de que el proceso no sea satisfactorio al nivel . Para saber si tenemos evidencias suficientes de que el proceso no funciona bien al nivel fijado debemos colocar esta situación en de modo que tendremos evidencias suficientes de ello si somos capaces de rechazar .
22
1
220
5.0:
5.0:
H
H 2
05.0,142
2
20
22
,120
2
68.23904.225.0
64.01411
SnSnC n
Por tanto no rechazamos H0 al nivel .
El p-valor es: 0618.0904.22214 P
Imaginemos que un incremento del 50% en respecto a H0 es preocupante y queremos saber qué riesgo de no detectarlo estaríamos corriendo al no rechazar H0. En este caso el valor de es 1.50.5=0.75. En las curvas CO, Carta VI (k), entrando con =1.5 y n=15 obtenemos 0.27.
Es decir, si ocurriera dicho incremento del 50% no lo detectaríamos con una muestra de tamaño 15 el 27% de las veces.
Para conseguir < 0.1 habríamos necesitado un número de observaciones de aproximadamente n=30 según las curvas CO.
ESTADÍSTICA GRADOS EN INGENIERÍA MECÁNICA, INGENIERÍA QUÍMICA E
INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL
Tema 13. Contrastes de hipótesis en modelos normales y de proporciones. 238
Ejemplo: Un artículo publicado en la revista Materials Engineering (1989, Vol. II, No. 4, págs. 275-281) describe los resultados de pruebas de resistencia a la adhesión de 22 especímenes de aleación U-700. La carga para la que cada espécimen falla es la siguiente (en MPa):
19.8, 15.4, 11.4, 19.5, 10.1, 18.5, 14.1, 8.8, 14.9, 7.9, 17.6, 13.6, 7.5, 12.7, 16.7, 11.9, 15.4, 11.9, 15.8, 11.4, 15.4, 11.4
¿Hay evidencias empíricas de que >10 Mpa con un nivel de significación =0.01? ¿Se puede descartar que =4 Mpa al nivel =0.01? ¿Es asumible la hipótesis de normalidad?(Plot de Normalidad visto en prácticas) Solución: Resolvemos el problema con ayuda de STATGRAPHICS
Resistencia7 8 9 10 11 12 13 14 15 16 17 18 19 20
Normal Probability Plot for Resistencia
7 10 13 16 19 22
Resistencia
0,115
2050809599
99,9
perc
enta
ge
ESTADÍSTICA GRADOS EN INGENIERÍA MECÁNICA, INGENIERÍA QUÍMICA E
INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL
Tema 13. Contrastes de hipótesis en modelos normales y de proporciones. 239
Summary Statistics for Resistencia
Count = 22 Average = 13,7136 Variance = 12,6279 Standard deviation = 3,55358 Minimum = 7,5 Maximum = 19,8 Skewness = -0,0151322 Kurtosis = -0,75137
Hypothesis Tests for Resistencia
t-test ------ Null hypothesis: mean = 10,0 Alternative: greater than
Computed t statistic = 4,90168 P-Value = 0,0000378127
Reject the null hypothesis for alpha = 0,01.
Hypothesis Tests for sigma
95,0% confidence interval for sigma: [2,73395;5,0783]
Null Hypothesis: std. deviation = 4,0 Alternative: not equal
Computed chi-squared statistic = 16,5742. P-Value = 0,526851
Do not reject the null hypothesis for alpha = 0,05.
CONCLUSIONES: 1. La media es significativamente superior a 10 Mpa. 2. No hay evidencias de que la desviación típica sea distinta de 4 Mpa. 3. La hipótesis de normalidad parece asumible. (Plot)
ESTADÍSTICA GRADOS EN INGENIERÍA MECÁNICA, INGENIERÍA QUÍMICA E
INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL
Tema 13. Contrastes de hipótesis en modelos normales y de proporciones. 240
COMPARACIÓN DE DOS POBLACIONES NORMALES, MUESTRAS INDEPENDIENTES
Población 1: X1N(1, 1), Muestra 1: 1,11,1 ,..., nXX Estadísticos: 11 , SX Población 2: X2N(2, 2), Muestra 2: 2,21,2 ,..., nXX Estadísticos: 22 , SX Las muestras de las dos poblaciones son independientes.
Problemas de interés: Comparación de medias: Inferencias sobre 12 (12=0 12). Comparación de varianzas: Inferencias sobre 1
2/22 (1
2/22 =1 1=2).
Hipótesis nula H. alternativa Estadístico test Región crítica Entrada curva CO Carta VI
H0: 12=1 y 2 conocidas
H1: 12 H1: 12> H1: 12< 2
22
1
21
0210
nn
XXz
z0>z/2
z0>z z0<z
22
21021 d
2221
21
22
21
21 nnnónnn
a, b c, d c, d
H0: 12=1=2 desconocidas
H1: 12 H1: 12> H1: 12< 21
0210
11nn
S
XXt
p
,20
,20
2,20
21
21
21
nn
nn
nn
tttttt
Solo para n1=n2=n 2021 d (2)
n*=2n-1
e, f g, h g, h
H0: 12=12 desconocidas Behrens-Fisher
H1: 12 H1: 12> H1: 12< 2
22
1
21
0210
nS
nS
XXt
t0>t,/2
t0>t, t0<t,
No hay curvas CO 2
11 2
22
22
1
21
21
22
221
21
nnS
nnS
nSnS
solución aproximada
H0: 1=2 H1: 12 H1: 1>2
22
21
0 SSF
,1,10
21,1,102,1,10
21
2121
nn
nnnn
FF
FFFF Solo para n1=n2=n =1/2
o, p q, r
Muy frecuentemente la diferencia a contrastar es (2) Como es desconocido se adoptan las mismas soluciones (a) y (b) del caso de una muestra.
ESTADÍSTICA GRADOS EN INGENIERÍA MECÁNICA, INGENIERÍA QUÍMICA E
INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL
Tema 13. Contrastes de hipótesis en modelos normales y de proporciones. 241
Ejemplo: En una investigación industrial se está buscando reducir el tiempo de secado de una pintura de imprimación. Se ponen a prueba dos formulaciones de la pintura; la formulación 1 es la estándar, y la formulación 2 tiene un nuevo ingrediente pensado para reducir el tiempo de secado. Por experiencia, se sabe que la desviación típica del tiempo de secado es de 8 minutos, y que esta variabilidad natural no se verá afectada por la adición del nuevo ingrediente. Se pintan 20 ejemplares en orden aleatorio, diez con cada una de las formulaciones. El promedio de los tiempos de secado de las muestras en minutos son 1211 X min. y 1122 X min. a) ¿Qué conclusiones se pueden extraer sobre la efectividad del ingrediente nuevo, usando =0.05? b) Si la verdadera diferencia entre los tiempos medios de secado fuera de 10 minutos, hallar la
potencia de la prueba realizada en a) para detectar esta diferencia. c) Si se quiere que dicha potencia sea al menos 0.95, hallar los tamaños muestrales necesarios. d) ¿Se puede afirmar a partir de la muestra, con un nivel de significación =0.05, que el tiempo
medio de secado se reduce en más de 5 minutos?.
Solución: a) Las hipótesis a contrastar son
::
211
210
HH
05.022
2
22
1
21
210
2
22
1
21
21 645.152.2
108
108
112121 z
nn
XXzz
nn
XXC
Entonces, rechazaremos H0 y concluimos que la nueva formulación reduce el tiempo de secado. El p-valor sería 0059.0)52.2(152.2 zP y habríamos rechazado H0 a cualquier nivel de significación de los habituales.
ESTADÍSTICA GRADOS EN INGENIERÍA MECÁNICA, INGENIERÍA QUÍMICA E
INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL
Tema 13. Contrastes de hipótesis en modelos normales y de proporciones. 242
b) Para calcular la potencia pedida, utilizamos las Curvas CO, Carta VI (c), con las entradas
1088.088
1021222
221
21
nnnd
y obtenemos 0.85.
c) El tamaño muestral necesario para que el test de a) tenga una potencia de 0.95 (es decir cometa un error de tipo II con una probabilidad <0.05) si falla H0 y ocurre que se obtiene también utilizando las curvas CO, la misma carta que en el apartado b):
1421 nnn .
d) Las hipótesis a contrastar son
5:5:
211
210
HH
05.022
2
22
1
21
210
2
22
1
21
21 645.112.1
108
108
51121215z
nn
XXzz
nn
XXC
Entonces, no rechazamos H0 y no queda probado que la nueva formulación reduce el tiempo de secado en más de 5 minutos. El p-valor sería 1314.0)12.1(112.1 zP y no rechazamos H0 a los niveles habituales.
ESTADÍSTICA GRADOS EN INGENIERÍA MECÁNICA, INGENIERÍA QUÍMICA E
INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL
Tema 13. Contrastes de hipótesis en modelos normales y de proporciones. 243
Ejemplo: La presencia de arsénico en el agua para consumo humano es un riesgo potencial para la salud. Un artículo publicado en Arizona Republic (Sunday, May 27, 2001) informó de las concentraciones de arsénico en el suministro de agua, en partes por billón (PPB), en 10 áreas metropolitanas de Phoenix y en 10 áreas rurales de Arizona. Los datos obtenidos fueron:
Metro Phoenix Rural Arizona Phoenix, 3 Rimrock, 48 Chandler, 7 Goodyear, 44 Gilbert, 25 New River, 40 Glendale, 10 Apachie Junction, 38 Mesa, 15 Buckeye, 33 Paradise Valley, 6 Nogales, 21 Peoria, 12 Black Canyon City, 20 Scottsdale, 25 Sedona, 12 Tempe, 15 Payson, 1 Sun City, 7 Casa Grande, 18
Procesando las muestras obtenemos:
Metro Phoenix: 63.75.12 11 SX Rural Arizona: 35.155.27 22 SX .
Se quiere determinar si hay diferencias entre las concentraciones medias de arsénico en el agua en ambas zonas para . Se supone normalidad para la distribución de ambas variables.
ESTADÍSTICA GRADOS EN INGENIERÍA MECÁNICA, INGENIERÍA QUÍMICA E
INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL
Tema 13. Contrastes de hipótesis en modelos normales y de proporciones. 244
Solución: Vamos a hacer en primer lugar un test de comparación de varianzas, por ejemplo, con :
::
211
210
HH
21,1,102,1,10 2121 nnnn FFFFC ; 95.0,9,92
2
22
21
0 18.312473.0
3.1563.7 F
SS
F
Luego rechazamos la igualdad de varianzas. El p-valor sería .04936,002468,022473,02 0 FP Así pues, para comparar las medias hay que trabajar con el test para varianzas distintas:
0:0:
211
210
HH
025.0,1322
2
22
1
21
2102/,
2
22
1
21
21 16.277.2
103.15
1063.7
5.275.12t
nS
nS
XXtt
nS
nS
XXC
Luego rechazamos la igualdad de medias y las concentraciones medias de arsénico en ambas zonas son diferentes para el nivel de significación usado. El p-valor sería .016.00.0079589277.2277.2 00 tPtP
Nota:
132.132
11 2
22
22
1
21
21
22
221
21
nnS
nnS
nSnS
En este problema no podríamos abordar el cálculo de la potencia y el tamaño muestral.
ESTADÍSTICA GRADOS EN INGENIERÍA MECÁNICA, INGENIERÍA QUÍMICA E
INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL
Tema 13. Contrastes de hipótesis en modelos normales y de proporciones. 245
Ejemplo: Se analizan dos catalizadores para ver la forma en que afectan al rendimiento promedio de un proceso químico. El Catalizador 1 es el que se está empleando en este momento, pero el Catalizador 2 también es aceptable y más económico. Por tanto, podría adoptarse éste siempre que no haya evidencias de que cambia el rendimiento medio del proceso. Se hace una prueba en una planta piloto y los resultados son:
Catalizador 1 Catalizador II 91,50 89,19 94,18 90,95 92,18 90,46 95,39 93,21 91,79 97,19 89,07 97,04 94,72 91,07 89,91 92,75
Solución con STATGRAPHICS:
Summary Statistics
Catalizador 1 Catalizador 2 ---------------------------------------------- Count 8 8 Average 92,3425 92,7325 Variance 5,14056 8,90099 Standard dev. 2,26728 2,98345 Minimum 89,07 89,19 Maximum 95,39 97,19 Skewness -0,0370055 0,732691 Kurtosis -1,26841 -0,827821
a) ¿Existen diferencias entre los rendimientos promedio? =0.05 b) ¿Se pueden considerar iguales las varianzas? =0.05 (verlo antes) c) ¿Los rendimientos siguen leyes normales?
89 90 91 92 93 94 95 96 97 98
Catalizador 1
Catalizador 2
ESTADÍSTICA GRADOS EN INGENIERÍA MECÁNICA, INGENIERÍA QUÍMICA E
INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL
Tema 13. Contrastes de hipótesis en modelos normales y de proporciones. 246
Comparison of Means 95,0% confidence interval for mean of Catalizador 1: 92,3425 +/- 1,8955 [90,447,94,238] 95,0% confidence interval for mean of Catalizador 2: 92,7325 +/- 2,49424 [90,2383,95,2267] 95,0% confidence interval for the differ. between the means assuming equal variances: -0,39 +/- 2,8415 [-3,2315,2,4515] t test to compare means Null hypothesis: mean1 = mean2 Alt. hypothesis: mean1 NE mean2 assuming equal variances: t = -0,294376 P-value = 0,77279
Comparison of Standard Deviations
95,0% Confidence Intervals Standard deviation of Catalizador 1: [1,49907;4,61453] Standard deviation of Catalizador 2: [1,97258;6,07214] Ratio of Variances: [0,115623;2,8847]
F-test to Compare Standard Deviations
Null hypothesis: sigma1 = sigma2 Alt. hypothesis: sigma1 NE sigma2 F = 0,577527 P-value = 0,485992
CONCLUSIONES: a) Las varianzas se pueden considerar iguales. b) No hay evidencias de que cambie el rendimiento medio. c) La hipótesis de normalidad se puede asumir.
Catalizador 1
perc
enta
ge
89 91 93 95 970,1
15
2050809599
99,9
Catalizador 2
perc
enta
ge
89 91 93 95 97 990,1
15
2050809599
99,9
ESTADÍSTICA GRADOS EN INGENIERÍA MECÁNICA, INGENIERÍA QUÍMICA E
INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL
Tema 13. Contrastes de hipótesis en modelos normales y de proporciones. 247
d) Supongamos que un cambio en el rendimiento medio de 2.5 puntos (2.5% ó |1-2|=2.5) se considera suficientemente importante. En caso de que se diera, interesaría detectarlo, es decir, rechazar H0. Sin embargo, la muestra actual nos ha conducido a "No rechazar" H0 y cabe preguntarse cuál era el riesgo de que eso ocurriese bajo el supuesto mencionado |1-2|=2.5.
Se trata de hallar el riesgo de error de tipo II, , que obtenemos en las curvas CO, Carta VI (e).
Entramos con 47.065.22
5.222
2121
pS
d
y cortamos con la curva a n*=2n-1=15.
Obtenemos: 0.55, con lo que el riesgo sería elevado. e) Si quisiéramos correr un riesgo de error de tipo II <0.1 en d), obtener el número de
observaciones necesarias.
En las Curvas CO Carta VI (e) obtenemos:
n* 50, es decir n (50+1)/2 = 25.5.
Por tanto, serían necesarias al menos 26 observaciones en cada muestra.
f) Obtener la potencia con que la prueba realizada en a) detectaría una diferencia de 1.5 en el rendimiento medio de los catalizadores.
Se trata de nuevo de hallar el riesgo de error de tipo II, , a través de las curvas CO, Carta VI (e).
En este caso, 75.025.1
221
d , cortamos con la curva a n*=2n1=15 y obtenemos 0.25.
ESTADÍSTICA GRADOS EN INGENIERÍA MECÁNICA, INGENIERÍA QUÍMICA E
INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL
Tema 13. Contrastes de hipótesis en modelos normales y de proporciones. 248
TEST t POR PARES
Hemos estudiado el problema de comparación de medias de dos poblaciones normales a partir de dos muestras aleatorias independientes, una de cada población.
El problema de comparación de medias se puede realizar también bajo un diseño muestral diferente (diseño de muestras apareadas) encaminado a obtener una mayor potencia para detectar las diferencias.
Ejemplo: Supongamos que estamos interesados en comparar la dureza de dos tipos diferentes de puntas. Para determinar la dureza, se presiona la punta sobre una pieza metálica mediante una máquina que aplica una fuerza determinada y se mide la profundidad de la depresión causada por la punta.
Diseño experimental 1: Seleccionamos varias piezas metálicas al azar, para ser probadas unas con la punta 1 y otras con la punta 2 (por ejemplo, la mitad con cada una). Podemos aplicar a los datos obtenidos el test t para muestras independientes estudiado anteriormente. El procedimiento estadístico aplicado es correcto, pero las diferencias de dureza entre las puntas quizás no se aprecien con total nitidez si las muestras de piezas metálicas se han fabricado en diferentes series y no son homogéneas en algún aspecto que pueda afectar a la dureza. Es decir, las diferencias en las lecturas de dureza observadas también incluyen las posibles diferencias de dureza entre las piezas metálicas.
Diseño experimental 2: Se selecciona al azar una única muestra de piezas y se prueba en cada una los dos tipos de puntas. A continuación se analizan las diferencias entre las lecturas de dureza de ambas puntas en cada pieza de la muestra (muestras pareadas). Parece claro que ahora las diferencias de dureza observadas se deberán fundamentalmente a las diferencias entre las puntas al haber eliminado la variabilidad entre las piezas metálicas probadas con cada tipo de punta.
ESTADÍSTICA GRADOS EN INGENIERÍA MECÁNICA, INGENIERÍA QUÍMICA E
INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL
Tema 13. Contrastes de hipótesis en modelos normales y de proporciones. 249
DISEÑO Y RESOLUCIÓN DEL TEST t POR PARES
1 2
11,1 1,2 1,1 1 1 1
22 22 2,1 2,2 2, 2
1 2 1 2
( , ) , 1: 1:, , ,..., Estadísticos :( , )2 : 2 : ,
: : , , .... , Estadísti
nX X
n
n
X X XX X SPoblación MuestraS
Población X Muestra X X X X SDiferencia D X X Muestra D D D
1 2 1, 2,
cos : , ( , ), , 1,...,
D
D D D i i i
D SD N D X X i n
21
2,1
1,,1 22
21
2
1
2221
1XXD
n
iiD
n
ii SSSSDD
nSXXDD
nD
Las observaciones bidimensionales son independientes entre sí, pero cada observación de la población 1 está relacionada con la que tiene el mismo subíndice de la población 2: Diseño de dos muestras relacionadas o pareadas (apareadas). Problema de interés: Comparación de medias: Inferencias sobre D=12 (D=0 12). El problema se convierte así en un problema de una muestra y se resuelve como un problema de contraste de hipótesis sobre la media de una población normal con desconocida. (La comparación previa de las varianzas carece aquí de interés)
Hipótesis nula H. alternativa Estadístico test Región crítica Entrada curva CO Carta VI
H0: D=0 (1)
D desconocida
H1: D 0 H1: D >0 H1: D <0 nS
Dt
D
00
t0>tn1,/2
t0>tn-1,
t0<tn1,
d=D0/D (2)e, f g, h g, h
(1) Muy frecuentemente 0=0. (2) Como D es desconocido se adoptan las mismas soluciones (a) y (b) del caso de una muestra.
ESTADÍSTICA GRADOS EN INGENIERÍA MECÁNICA, INGENIERÍA QUÍMICA E
INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL
Tema 13. Contrastes de hipótesis en modelos normales y de proporciones. 250
DISEÑOS DE MUESTRAS INDEPENDIENTES VS. MUESTRAS RELACIONADAS:
Para comparar las medias de dos poblaciones normales, en ocasiones el investigador puede plantearse realizar un diseño por muestras independientes o por muestras relacionadas.
Siempre que sea posible es preferible el diseño de muestras pareadas porque tiene más potencia para detectar diferencias entre las medias. La razón de esta mayor potencia estriba en que la diferencia de medias DXX 21 , que es el estadístico de contraste usado en ambos casos, tiene una varianza estimada mayor en el caso de muestras independientes si existe una asociación positiva entre las observaciones de los pares, es decir, 0
21XXS :
22
21
22
21
221
2 SSSSSS XXD PARES
DD
INDRP tnS
D
nS
XX
nS
nS
XXt 02
21
22
21
210
(la asociación entre variables cuantitativas se estudiará en el próximo tema).
Por tanto, una determinada diferencia observada entre las medias muestrales resulta mucho más significativa estadísticamente en el caso de muestras pareadas.
Cuanto mayores son los vínculos en el apareamiento, mayor es la ganancia de potencia y la ventaja del diseño por pares. Éste consigue eliminar la variabilidad debida a otros factores que no están en estudio.
Una vez realizado el diseño y obtenidas las muestras, el análisis de los datos sólo se puede realizar mediante la técnica correspondiente al diseño utilizado. Es decir, si las muestras son independientes no se pueden analizar como apareadas y si son apareadas no se pueden analizar como independientes.
ESTADÍSTICA GRADOS EN INGENIERÍA MECÁNICA, INGENIERÍA QUÍMICA E
INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL
Tema 13. Contrastes de hipótesis en modelos normales y de proporciones. 251
Ejemplo: Un artículo publicado en Journal of Strain Analysis (1983, Vol. 18, No. 2) compara dos métodos, Karlsruhe y Lehigh, para predecir la resistencia al corte de vigas de placa de acero. Se aplican ambos métodos a una muestra de nueve vigas y se obtienen los siguientes resultados: Viga S1/1 S2/1 S3/1 S4/1 S5/1 S2/1 S2/2 S2/3 S2/4 Karlsruhe Method 1.180 1.151 1.322 1.339 1.203 1.402 1.365 1.537 1.559 Lehigh Method 1.061 0.992 1.063 1.062 1.065 1.178 1.037 1.086 1.052 Diferencias 0.119 0.159 0.259 0.277 0.138 0.224 0.328 0.451 0.507
a) Determinar si hay alguna diferencia de medias entre los dos métodos para =0.05.
HH
D
D
0:0:
1
0
025.0,802/,1 306.205.691356.0
2736.0 tnS
Dtt
nS
DC
Dn
D
1356.0;2736.0 DSD Rechazamos la hipótesis nula. Los datos parecen indicar concretamente una mayor resistencia del Método Karlsruhe. El p-valor es prácticamente nulo.
b) Determinar si la media con el Método Karlsruhe es superior en más de 0.2 para =0.05.
HH
D
D
2.0:2.0:
1
0
05.0,80
0,10 86.163.1
91356.02.02736.0 t
nSD
ttnS
DC
Dn
D
. p-valor=0.070.
No se rechaza H0 ,y por tanto, no queda “probada” H1.
c) Hallar el tamaño muestral necesario para que la prueba realizada en b) detecte una diferencia de 0.25 favorable a Karlsruhe con una potencia de 0.9.
d) Curvas CO, Carta VI (g) .75501.0,37.01356.0
20.025.00 paresnynentredD
D
ESTADÍSTICA GRADOS EN INGENIERÍA MECÁNICA, INGENIERÍA QUÍMICA E
INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL
Tema 13. Contrastes de hipótesis en modelos normales y de proporciones. 252
Ejemplo: Un Laboratorio lanza un producto dietético y anuncia en su publicidad que el uso del producto durante un mes conduce a una pérdida de peso promedio de al menos 2 kg. Ocho sujetos utilizan el producto durante un mes, y los datos de peso como resultado la pérdida se presentan a continuación.
a) ¿Los datos apoyan la afirmación del productor de los productos dietéticos con ?
b) En un esfuerzo por mejorar las ventas, el Laboratorio está considerando cambiar su eslogan de "al menos 2 kg." por "al menos 3 kg."
Sujeto 1 2 3 4 5 6 7 8 Peso Antes 75.6 83.1 98,4 67.9 102.6 88.3 72.5 97.9 Peso Después 70.3 82.2 92.3 66.1 100.2 82.7 68.6 91.4
Solución con STATGRAPHICS
Resumen Estadístico para ANTES - DESPUES Recuento 8 Promedio 4,0625 Desviación Estándar 2,1347 Mínimo 0,9 Máximo 6,5 Cuartil Inferior 2,1 Cuartil Superior 5,85 Sesgo -0,378689 Curtosis -1,69135
0 2 4 6 8ANTES - DESPUES
ESTADÍSTICA GRADOS EN INGENIERÍA MECÁNICA, INGENIERÍA QUÍMICA E
INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL
Tema 13. Contrastes de hipótesis en modelos normales y de proporciones. 253
Prueba de Hipótesis para ANTES - DESPUES Media Muestral = 4,0625 Mediana Muestral = 4,6 Desviación Estándar de la Muestra = 2,1347 Prueba t Hipótesis Nula: media = 2,0 Alternativa: mayor que Estadístico t = 2,73276 Valor-P = 0,014611 Se rechaza la hipótesis nula para alfa = 0,05.
Prueba de Hipótesis para ANTES - DESPUES Media Muestral = 4,0625 Mediana Muestral = 4,6 Desviación Estándar de la Muestra = 2,1347 Prueba t Hipótesis Nula: media = 3,0 Alternativa: mayor que Estadístico t = 1,40778 Valor-P = 0,10101 No se rechaza la hipótesis nula para alfa = 0,05.
Gráfico de Probabilidad Normal
0 2 4 6 8ANTES - DESPUES
0,1
1
5
20
50
80
95
99
99,9
porc
enta
je
ESTADÍSTICA GRADOS EN INGENIERÍA MECÁNICA, INGENIERÍA QUÍMICA E
INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL
Tema 13. Contrastes de hipótesis en modelos normales y de proporciones. 254
CONTRASTES DE HIPÓTESIS PARA MUESTRAS GRANDES
CONTRASTES DE HIPÓTESIS SOBRE PROPORCIONES
Sabemos que para tamaños muestrales grandes el estimador de la proporción sigue aproximadamente una distribución normal en aplicación del TCL (aproximación binomial normal).
ESTUDIO DE UNA PROPORCIÓN. (PROBLEMAS DE UNA MUESTRA) Población: X B(p), Muestra: X1, ...,Xn. Estadístico: Xp ˆ
Problema de interés: Contraste de hipótesis sobre la proporción p.
COMPARACIÓN DE PROPORCIONES (PROBLEMAS DE DOS MUESTRAS) Población 1: X1 B(p1), Muestra 1: 1,11,1 ,..., nXX Estadístico: 11ˆ Xp Población 2: X2 B(p2), Muestra 2: 2,21,2 ,..., nXX Estadístico: 22ˆ Xp Problema de interés: Contraste de hipótesis sobre p1p2 (p1p2=0 p1p2).
Hipótesis nula H. alternativa Estadístico test Región crítica Entrada curva CO Carta VI H0: pp0
H1: pp0 H1: p>p0 H1: p<p0 n
pppp
z)1(
ˆ
00
00
z0>z/2
z0>z
z0<z No hay curvas CO
H0: p1p2=
21
2211 ˆˆˆnn
pnpnp
H1: p1p2
H1: p1p2>
H1: p1p2<
21
210
11)ˆ1(ˆ
ˆˆ
nnpp
ppz z0>z/2
z0>z
z0<z No hay curvas CO
ESTADÍSTICA GRADOS EN INGENIERÍA MECÁNICA, INGENIERÍA QUÍMICA E
INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL
Tema 13. Contrastes de hipótesis en modelos normales y de proporciones. 255
Ejemplo: Un fabricante de lentes intraoculares evalúa una nueva máquina pulidora. El fabricante aprobará la máquina si el porcentaje de lentes pulidos que contienen defectos en la superficie está significativamente por debajo del 2%. Se toma una muestra aleatoria de 250 lentes y se encuentra que 6 de ellos tienen defectos. ¿Qué decisión debe tomar el fabricante a nivel =0.05? Contraste para “demostrar” que la máquina es buena: 02.0: contra 02.0: 10 pHpH
La región crítica para =0.05 es: 00 0
0 0
ˆ(1 )
p pC z z z zp p
n
Con los datos de la muestra tenemos: 05.000
0 645.145.0
25098.002.002.0024.0
)1(ˆ
z
npp
pp
Entonces, no rechazamos H0 y no queda probado el interés de la nueva máquina para =0.05.
El p-valor es 6736.045.0 zP ,
con lo que el riesgo de error de tipo I al rechazar H0 sería realmente grande.
ESTADÍSTICA GRADOS EN INGENIERÍA MECÁNICA, INGENIERÍA QUÍMICA E
INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL
Tema 13. Contrastes de hipótesis en modelos normales y de proporciones. 256
Ejemplo: Se utilizan dos máquinas diferentes de moldeo por inyección para la fabricación de piezas de plástico. Una pieza se considera defectuosa si tiene un encogimiento excesivo o si le falta color. Se toman dos muestras aleatorias, cada una de tamaño 300, y se encuentran 15 piezas defectuosas en la muestra de la Máquina 1 y 8 piezas defectuosas en la muestra de la Máquina 2. ¿Queda con ello probado que existen diferencias entre las máquinas a nivel a nivel =0.05? El contraste que hay que plantear es: 211210 : contra : ppHppH
La región crítica es :
2
21
21
11)ˆ1(ˆ
ˆˆz
nnpp
ppC , con
21
2211 ˆˆˆ
nnpnpn
p
De los datos obtenemos: 0383.02
0266.005.0ˆ0266.0300
8ˆ05.030015ˆ 21
ppp
Es decir: 025.0
21
21 96.149.1
30029617.00383.0
0266.005.0
11)ˆ1(ˆ
ˆˆz
nnpp
pp
En consecuencia no rechazamos H0 al nivel pedido.
El p-valor es 13622.049.1 zP ,
con lo que el riesgo de error de tipo I al rechazar H0 sería superior al 10%.
ESTADÍSTICA GRADOS EN INGENIERÍA MECÁNICA, INGENIERÍA QUÍMICA E
INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL
Tema 13. Contrastes de hipótesis en modelos normales y de proporciones. 257
CONTRASTES DE HIPÓTESIS PARA COMPARACIÓN DE MEDIAS EN DE POBLACIONES INDEPENDIENTES CUALESQUIERA
Sabemos que para tamaños muestrales grandes la media muestral sigue aproximadamente una distribución normal en aplicación del TCL.
Hipótesis nula H. alternativa Estadístico test Región crítica Entrada curva CO Carta VI
H0: =0 desconocida
H1: 0 H1: >0 H1: <0
nSX
z 00
z0>z/2
z0>z
z0<zNo hay curvas CO
H0: 12= 1, 2 desconocidas
H1: 12 H1: 12> H1: 12< 2
22
1
21
0210
nS
nS
XXz
z0>z/2
z0>z
z0<z No hay curvas CO
ESTADÍSTICA GRADOS EN INGENIERÍA MECÁNICA, INGENIERÍA QUÍMICA E
INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL
Tema 13. Contrastes de hipótesis en modelos normales y de proporciones. 258
DUALIDAD INTERVALOS DE CONFIANZATESTS DE HIPÓTESIS
Hemos comprobado que los mismos problemas inferenciales paramétricos se pueden abordar tanto desde la perspectiva de los Intervalos de Confianza como desde la de los Tests de Hipótesis.
La relación entre ambas metodologías es en realidad muy estrecha: Si somos capaces de construir un IC de nivel de confianza para un parámetro , este IC proporciona de manera natural un Test para realizar un contraste de hipótesis bilateral con nivel de significación sobre el parámetro.
Procedimiento dual:
Queremos contrastar las hipótesis
01
00
::
HH
con nivel de significación
Disponemos de una m.a.s. Construimos un IC para el parámetro con confianza . Regla de decisión:
Si IC Rechazo H0. Si IC No Rechazo H0.
.Re0
0
00
0
ICPH
CPciertaHHchazarPIErrorP
El riesgo y la potencia no tienen un equivalente dentro del esquema de los IC.
De manera análoga, los test unitaterales son duales de las cotas de confianza.
ESTADÍSTICA GRADOS EN INGENIERÍA MECÁNICA, INGENIERÍA QUÍMICA E
INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL
Tema 13. Contrastes de hipótesis en modelos normales y de proporciones. 259
De hecho, en todos los problemas inferenciales desarrollados en esta asignatura tendríamos la equivalencia de las dos reglas de decisión: La Regla de Decisión basada en el Test correspondiente desarrollado en este tema. La regla de Decisión dual basada en el IC desarrollado en el Tema 11.
Comprobación en el Contraste de Hipótesis sobre en el modelo N() con conocida:
Contraste bilateral: ::
01
00
HH
1. Regla de decisión basada en el Test desarrollado en Contraste de Hipótesis (Tema 12):
2. Regla de decisión basada en el IC desarrollado en el Tema 11:
Intervalo de Confianza:
De modo que los dos procedimientos conducen siempre a la misma decisión.
nzXnzC
nzXnzXCnzXCzn
XzZC
2/02/0
2/02/02/02/0
2/0
nzX
nzX
2/2/
CXn
zXn
zn
zXn
zXIC 2/02/02/02/0