Distribución F Hipótesis

DISTRIBUCIÓN F
DISTRIBUCIÓN DE RAZÓN DE VARIANZAS
VIANNEY DÍAZ BLANCAS

• La distribución F se usa en situaciones de dos muestras para hacer inferencias acerca de las varianzas de población.
• El estadístico F se define como el cociente de dos variables aleatorias chi cuadrada independientes, dividida cada una
entre su número de grados de libertad. En consecuencia, podemos escribir:
donde U y V son variables aleatorias independientes que tienen distribuciones chi cuadrada con v1 y v2 grados de libertad,
2
respectivamente.
Sea fα el valor f por arriba
del cual encontramos un
área igual a α. Esto se
ilustra mediante la región
sombreada de la figura.
3
4
PRUEBAS DE HIPÓTESIS
• La verdad o falsedad de una hipótesis estadística nunca se sabe con absoluta
certeza, a menos que se examine toda la población,
• Se toma una muestra aleatoria de la población de interés y se utilizan los datos
contenidos en ella para proporcionar evidencia que respalde o no la hipótesis,
• La evidencia de la muestra que es inconsistente con la hipótesis planteada
conduce al rechazo de la misma,
6
LA HIPÓTESIS NULA Y LA HIPÓTESIS ALTERNATIVA
H0 H1
• Hipótesis que se desea probar. • Representa la pregunta que se responderá o la
teoría que se probará.
• El rechazo de H0 conduce a la aceptación de una
hipótesis alternativa.
• La hipótesis nula H0 anula o se opone a H1
• Rechazar H0 a favor de H1 debido a evidencia suficiente en los datos o no rechazar H0 debido a

evidencia insuficiente en los datos.
• Sin embargo, en este caso “no rechazar H0” no implica inocencia, sino solo que la evidencia fue
insuficiente para lograr una condena. Por lo tanto, el jurado no necesariamente acepta H0 sino que no
rechaza H0.
En nuestro ejemplo binomial la cuestión practica podría ser el interés en que la probabilidad
histórica de artículos defectuosos de 0.10 ya no sea verdadera. De hecho, la conjetura podría ser
que p excede a 0.10.
Ahora, 12 artículos defectuosos de cada 100 no refutan p = 0.10, por lo que la conclusión es “no
rechazar H0”. Sin embargo, si los datos revelan 20 artículos defectuosos de cada 100, la conclusión
seria “rechazar H0” a favor de H1: p > 0.10.
8
PRUEBA DE UNA HIPÓTESIS ESTADÍSTICA
EJEM P LO EL ESTADÍ ST I CO DE P R U EBA
Se sabe que, después de un periodo de El estadístico de prueba en el cual se basa nuestra decisión es X, el número de
dos años, cierto tipo de vacuna contra un individuos en nuestro grupo de prueba que reciben protección de la nueva
virus que produce resfriado ya solo es vacuna durante un periodo de al menos 2 anos. Todos los posibles valores
25% eficaz. Suponga que se eligen 20 mayores que 8 constituyen la región crítica. En nuestro ejemplo el valor crítico
personas al azar y se les aplica una es el número 8. Por lo tanto, si x > 8, rechazamos H0 a favor de la hipótesis
vacuna nueva, un poco más costosa, para alternativa H1. Si x ≤ 8, no rechazamos H0.
determinar si protege contra el mismo
virus durante un periodo mas largo. Si
mas de 8 individuos de los que reciben la
nueva vacuna superan el lapso de 2 anos
sin contraer el virus, la nueva vacuna se
considerara superior a la que se usa en la
actualidad.
ER RO R ES 9
Un error tipo I ocurriría si mas de 8 individuos inoculados con la nueva vacuna superan
el periodo de 2 anos sin contraer el virus y los investigadores concluyen que la nueva
vacuna es mejor, cuando en realidad es igual a la vacuna que se utiliza en la actualidad.
Por lo tanto, si X es el número de individuos que permanecen sin contraer el virus por
ERROR TIPO I, NIVEL DE
SIGNIFICANCIA O α al menos dos años:
Decimos que la hipótesis nula, p = 1/4, se prueba al nivel de significancia α = 0.0409.
TAMAÑO DE LA
PRUEBA
Es imposible de calcular a menos que tengamos una hipótesis alternativa especifica. Si

probamos la hipótesis nula p = 1/4 contra la hipótesis alternativa p = 1/2, entonces
ERROR TIPO II podremos calcular la probabilidad de no rechazar H0 cuando es falsa. Simplemente
calculamos la probabilidad de obtener 8 o menos en el grupo que supera el periodo de 2
β anos cuando p = 1/2. En este caso, Se trata de una probabilidad elevada que indica un
procedimiento de prueba en el cual es muy probable que se rechace la nueva vacuna
cuando, de hecho, es mejor a la que estaactualmente en uso.
10
El único motivo por el que se desea evitar un error tipo II es cuando el verdadero
valor de p es de al menos 0.7. Si p = 0.7, este procedimiento de prueba da
• Con una probabilidad tan pequeña de cometer un error tipo II es muy improbable que
• se rechace la nueva vacuna cuando tiene una efectividad de 70% después de un periodo
• de 2 años. A medida que la hipótesis alternativa se aproxima a la unidad, el valor de β
• tiende a disminuir hasta cero.
Supongamos que el director del programa de prueba no esta dispuesto a cometer un error tipo II
cuando la hipótesis alternativa p = 1/2 es verdadera, aun cuando se encuentre que la probabilidad de
tal error es β = 0.2517. Siempre es posible reducir β aumentando el tamaño de la región critica.
Por ejemplo, considere lo que les sucede a los valores de α y β cuando cambiamos nuestro valor
crítico a 7, de manera que todos los valores mayores que 7 caigan en la región critica y aquellos
menores o iguales que 7 caigan en la región de no rechazo. Así, al probar p = 1/4 contra la hipótesis
alternativa p = 1/2, encontramos que
Así reducimos la probabilidad de cometer un error tipo II a costa de aumentar la probabilidad de

cometer un error tipo I. Para un tamaño muestral fijo, una disminución en la probabilidad de un
error por lo general tendrá como resultado un incremento en la probabilidad del otro error.
La probabilidad de cometer ambos tipos de errores se puede reducir aumentando el tamaño
de la muestra.
Considere el mismo problema usando una muestra aleatoria de 100 individuos. Si más de 36
miembros del grupo superan el periodo de 2 años, rechazamos la hipótesis nula de p = 1/4 y
aceptamos la hipótesis alternativa de p > 1/4. El valor crítico ahora es 36. Todos los valores
posibles mayores de 36 constituyen la región crítica y todos los valores posibles menores o iguales
que 36 caen en la región de aceptación.
Para determinar la probabilidad de cometer un error tipo I debemos utilizar la aproximación a la
curva normal con
necesitamos el área bajo la curva normal a la derecha de x = 36.5. El valor z correspondiente es

Si H0 es falsa y el verdadero valor de H1 es p = 1/2, determinamos la probabilidad de un error tipo II usando la aproximación
a la curva normal con:
La probabilidad de que un valor caiga en la región de no rechazo cuando H0 es verdadera es dada por
el área de la región sombreada a la izquierda de x = 36.5. El valor z que corresponde a x = 36.5 es

Distribución F Hipótesis

Cargado por

Copyright:

Formatos disponibles

Distribución F Hipótesis

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Distribución F Hipótesis

Cargado por

Copyright:

Formatos disponibles

DISTRIBUCIÓN F

DISTRIBUCIÓN DE RAZÓN DE VARIANZAS

VIANNEY DÍAZ BLANCAS

• Rechazar H0 a favor de H1 debido a evidencia suficiente en los datos o no rechazar H0 debido a

EJEM P LO EL ESTADÍ ST I CO DE P R U EBA

Es imposible de calcular a menos que tengamos una hipótesis alternativa especifica. Si

Así reducimos la probabilidad de cometer un error tipo II a costa de aumentar la probabilidad de

necesitamos el área bajo la curva normal a la derecha de x = 36.5. El valor z correspondiente es

También podría gustarte