Contrastes de Hiptesis Paramtricos

Introduccin Tipos de Hiptesis. Estad. del contraste Tipos de error Tipos de regiones de aceptacin-rechazo Valor crtico o p-valor Etapas en la resolucin de un contraste Relacin con la estimacin por intervalos Expresiones para los contrastes Ejercicios

Introduccin
El objetivo del contraste de hiptesis es decidir si una determinada hiptesis o conjetura sobre la distribucin poblacional estudiada es confirmada o invalidada estadsticamente a partir de las observaciones de una muestra, es decir, avalar o rechazar tales informaciones sobre la caracterstica de la poblacin, pero no estimarla. Ejemplos: Antes de apostar cara o cruz en el lanzamiento de una moneda, se prueba que la moneda est equilibrada. La hiptesis de trabajo es entonces que el parmetro p = probabilidad de sacar cara de la Bernoulli es p = 0, 5 La altura media en Madrid no difiere de la del resto de Espaa = 1, 68 Para hacer la estimacin puntual de la talla promedia 1 de los hombres chilenos, se prueba antes la hiptesis de trabajo de que la v.a. X = talla de los hombres chilenos sigue una distribucin F ~ Normal

Introduccin
El planteamiento general de un problema de contraste es el siguiente: Se formula una hiptesis o conjetura acerca de la poblacin y se trata de ver si esa afirmacin se encuentra apoyada por la evidencia experimental que se obtiene a travs de una muestra aleatoria. Si los valores muestrales difieren mucho de los valores tericos que cabra esperar bajo la hiptesis formulada, rechazaremos la hiptesis, caso contrario se aceptara. Naturalmente no se espera que, para cualquier muestra, el valor emprico obtenido en la muestra coincida con el valor esperado de la hiptesis; el problema es entonces decidir si la desviacin encontrada entre el valor esperado y el valor observado en la muestra es demasiado grande para poner en duda la hiptesis de trabajo. Ahora bien, si se pone en duda la hiptesis original, entonces se la rechaza en favor de una hiptesis alternativa.

Tipos de hiptesis
Una hiptesis estadstica es una afirmacin que se hace con respecto a una o ms caractersticas desconocidas de una poblacin de inters. En forma general, las afirmaciones no son todas del mismo tipo, pueden involucrar ya sea el valor numrico de algn parmetro, suponiendo la distribucin conocida (generalmente la Normal), o la forma funcional no conocida de la distribucin de inters a partir de la cual se obtiene la muestra . 1. H0 : p = 0, 5 2. H0 : = 1, 68 3. H0 : F ~ Normal Las hiptesis del primer tipo (1 y 2) se conocen como hiptesis paramtricas (contrastes paramtricos) y a las del segundo tipo (3), donde la distribucin completa se pone en tela de juicio son las llamadas hiptesis no paramtricas (contrastes no paramtricos)

Tipos de hiptesis
Se puede clasificar tambin las hiptesis paramtricas segn su grado de especifidad: Hiptesis paramtrica simple: Hiptesis que especifica un nico valor para cada parmetro poblacional desconocido ( = 150, X = Y ,. . . ) Hiptesis paramtrica compuesta: Hiptesis que asigna un conjunto de valores posibles a parmetros poblacionales desconocidos ( 2 > 1, 2 < < 5,. . . ) La realizacin de un contraste implica la existencia de dos hiptesis, que denominaremos hiptesis nula (H0), e hiptesis alternativa (H1), cada una de las cuales, en principio, puede ser simple o compuesta. Si a partir de la muestra se decide que la hiptesis nula H0 es falsa, entonces se acepta como cierta la hiptesis alternativa H1

Tipos de hiptesis
Hiptesis nula: es la hiptesis que se formula y que se quiere contrastar; es por tanto, la hiptesis que se acepta o se rechaza como consecuencia del contraste (generalmente, la que intentamos rechazar). La hiptesis nula H0 es la que el investigador asume como correcta y que no necesita ser probada, es decir, la aceptacin de H0 no implica que sta sea correcta o que haya sido probada, sino que los datos no han proporcionado evidencia suficiente como para refutarla. El rechazo de H0 implica que la evidencia de la muestra la refuta, o lo que es lo mismo que, si la hiptesis es verdadera, existe una probabilidad muy pequea de obtener la informacin muestral que de hecho se ha observado. Se sigue la mxima de los procesos judiciales de que el acusado es inocente hasta que no se demuestre lo contrario Hiptesis alternativa: es cualquier otra hiptesis que difiera de la formulada y que nos site frente a H0, de forma que si se acepta H0 se rechaza H1 y viceversa.

Tipos de hiptesis
Si se desea respaldar con contundencia un determinado argumento es debido a que ste no puede ser asumido gratuitamente y, por tanto, slo podr ser defendido a travs del rechazo del argumento contrario (el establecido en H0). Por ejemplo, si un mdico desea avalar empricamente que una nueva vacuna es efectiva, entonces la hiptesis nula ser H0 : La vacuna no es efectiva Si un ingeniero desea mostrar que una determinada mquina est desajustada y no produce el promedio de piezas preespecificado (supongamos 1.000) entonces plantear la hiptesis: H0 : El promedio diario de piezas producido por la mquina es 1.000 En ambos casos sus argumentos se justificarn empricamente si los datos muestrales conducen al rechazo de H0.

Tipos de hiptesis
Una hiptesis nula referente a un parmetro de la poblacin siempre ser establecida de forma tal que especifique un valor exacto del parmetro, mientras que la hiptesis alternativa admite la posibilidad de varios valores. Para la determinacin de la hiptesis alternativa, podemos seguir, a modo de gua, estas normas: Si la afirmacin que deseamos probar sugiere una direccin, como por ej: ms que, menos que, superior a, inferior a, etc..., entonces H1 se establecer utilizando el signo de desigualdad (< o >) correspondiente a la direccin sugerida. Si la afirmacin sugiere una direccin compuesta, como por ej: al menos, igual que o mayor que, no mayor que, etc..., entonces esa direccin ( o ) se considerar como H0, y en H1 se representar el signo opuesto. Si la afirmacin no sugiere direccin, entonces H1 se establece con el

Tipos de hiptesis
Si H0 : p = 0.5, entonces H1 puede ser cualquiera de estas: H1: H1: H1: H1: p > 0.5 p < 0.5 p <> 0.5 p = 0.7 H0: = 0 H1: 0 H0: 0 H1: > 0 H0: 0 H1: < 0

Una prueba de la forma Una prueba de la forma Una prueba de la forma

(Contraste bilateral) (Contraste unilateral derecho) (Contraste unilateral izquierdo)

Estadstico del contraste

Para la realizacin del contraste se utiliza una estadstica apropiada, cuya distribucin en el muestreo se conoce si la hiptesis que hemos hecho es verdadera; esta estadstica recibe el nombre de estadstica de prueba o estadstico del contraste. Extrada la muestra, el estadstico tomar un cierto valor; algunos valores del estadstico puede llevarnos a sospechar que la hiptesis no es razonable y debe ser rechazada. Otros valores del estadstico pueden considerarse como justificacin de la hiptesis. Sin embargo, tanto en un caso como en otro podemos estar sujetos a equivocarnos, es decir, a rechazar una hiptesis siendo verdadera, o bien aceptarla siendo falsa.

Tipos de error
Al aplicar un contraste de hiptesis clasificamos los puntos del espacio muestral en dos regiones excluyentes y complementarias. La formada por los puntos tales que los valores del estadstico de contraste nos lleva a rechazar la hiptesis nula, se llama regin crtica, y la formada por los puntos tales que los valores del estadstico de contraste nos lleva a aceptar la hiptesis nula, se llama regin de aceptacin. El valor del estadstico de contraste que separa una regin de otra recibe el nombre de valor crtico. Al probar una hiptesis estadstica, nos podemos encontrar con estas situaciones:

Existen dos posibilidades de tomar una decisin equivocada con respecto al verdadero estado de la naturaleza. Necesitamos tener alguna cantidad que mida la posibilidad de cometer alguno de estos errores y esta medida es una probabilidad.

Tipos de error
El error tipo I es el que cometemos cuando rechazamos la hiptesis nula siendo verdadera. La probabilidad de cometer este tipo de error, tambin conocido como nivel de significacin, se denota por , 0 1. Este nivel de significacin nos indica el tamao de la regin crtica. P(rechazar H0 / H0 es cierta) = El error tipo II es el que se comete cuando aceptamos la hiptesis nula siendo falsa. La probabilidad de cometer este tipo de error se denota por , 0 1, y es imposible calcularla, a menos que se tenga una hiptesis alternativa especfica. P(no rechazar H0 / H0 es falsa) = y por tanto la probabilidad de rechazar H0 cuando es falsa es 1-, es lo que se llama funcin de potencia de la prueba. La funcin de potencia representa la probabilidad de rechazar la hiptesis nula, cuando esta es falsa, y con frecuencia se utiliza para comparar diferentes tipos de pruebas. Tambin esta funcin de potencia toma un valor diferente para cada valor de de la hiptesis alternativa.

Tipos de error
Lo ideal sera que las probabilidades de los dos tipos de error fuesen lo ms pequeas posibles, pero esto no es posible, pues fijado un tamao muestral n, si disminuimos la probabilidad de un error entonces aumenta la probabilidad de cometer el otro error. En la prctica se pueden seguir los siguientes criterios de error: 1.Que nicamente se pretenda controlar el error de tipo I, cuando slo se rechaza H0 si la evidencia en su contra es muy importante, y no importa cometer el error tipo II (aceptar H0 cuando es falsa). 2.Que la decisin garantice probabilidades para que ambos errores queden fijados de antemano. Fijar slo es inadecuado cuando el error tipo II resulte tanto o ms grave que un error tipo I. El enfoque general es aceptar la premisa de que el error tipo I es mucho ms serio que el error de tipo II, y formular las hiptesis nula y alternativa de acuerdo con lo anterior (criterio 1). Esto tambin es equiparable al principio judicial generalmente aceptado de que es peor condenar a un inocente que dejar libre a un culpable.

Tipos de error
Se seleccionar entonces con anticipacin el tamao mximo del error de tipo I que puede tolerarse y se intenta construir un procedimiento de prueba que minimice el tamao del error de tipo II. Lo que se hace es seleccionar aquel procedimiento de prueba que tenga el tamao ms pequeo para el error de tipo II, entre todos los procedimientos que tengan el mismo tamao para el error de tipo I. Es usual tomar como niveles de significacin: = 0.05, = 0.01 y = 0.005, en cuyo caso diremos que el resultado es casi significativo, significativo y muy significativo. Es deseable establecer tanto una hiptesis nula como una alternativa simples, ya que slo de esa forma es posible determinar valores nicos de los tamaos de los errores de tipo I y tipo II. Si esto no es posible, siempre se establecer la hiptesis nula conteniendo el signo igual, con objeto de controlar la probabilidad de cometer el error de tipo I (ms importante), mientras que la probabilidad del error de tipo II, quedar como una funcin de los valores del parmetro en la hiptesis alternativa que se plantee, obteniendo un valor de diferente, para cada valor de de la hiptesis alternativa.

Tipos de error
Ejemplo : Se sabe que un tipo de vacuna fra es slo 25% eficaz despus de un perodo de 2 aos. Para determinar si una vacuna nueva y algo ms cara es mejor para proteger contra el mismo virus durante un perodo ms largo, se seleccionan 20 personas al azar y se les inyecta sta. Slo si ms de 8 de los que recibieron la nueva vacuna superan los 2 aos sin contraer el virus, la nueva vacuna se considerar superior. Solucin: Esto equivale a probar la hiptesis de que el parmetro binomial para la probabilidad de xito en un intento dado es p = 1/4 (25%), contra la alternativa p > 1/4. H0: p = 1/4 H1: p > 1/4 Obsrvese que el signo igual est en H0, y que se desea aceptar H1 y rechazar H0.

Tipos de error
El estadstico de prueba sobre el que se basa la decisin es X = cantidad de individuos en el grupo de prueba que reciben proteccin con la nueva vacuna para el perodo de al menos 2 aos. Los posibles valores de X, de 0 a 20, se divide en 2 grupos: los menores que o iguales que 8 y aquellos mayores que 8.
REGION DE ACEPTACION Se acepta H0 (p =1/4) REGION CRITICA Se rechaza H0 (p >1/4)

Error tipo I: Rechazar H0 cuando, de hecho, es cierta La nueva vacuna puede no ser mejor que la que actualmente est en uso, pero para el grupo de individuos seleccionados aleatoriamente, ms de 8 sobrepasan el perodo de 2 aos sin contraer el virus. = Prob. error tipo I = nivel de significacin = P (rechazar H0/H0 cierta) = P(X > 8 cuando p =1/4) = b(x;20,1/4) = 1-b(x;20,1/4) = 1 - 0.9591 = 0.0409.

Tipos de error
Es decir, la prueba, rechaza H0 equivocadamente en el 4,09% de los casos. En otras palabras, si el valor de p es realmente 1/4, y si se tomasen en forma repetida muestras de tamao 20 de la poblacin, cabe esperarse que en un 4,09% de las veces, se encuentre un valor de la estadstica de prueba X mayor que 8, y de esta forma deba rechazarse H0. Error tipo II: Aceptar H0 cuando, de hecho, es falsa. Si 8 o menos individuos del grupo seleccionado sobrepasan el perodo de 2 aos exitosamente y se concluye que la nueva vacuna no es mejor, cuando en realidad s lo es. Para poder calcular la probabilidad de cometer el error de tipo II, es necesario fijar una hiptesis alternativa sencilla y concreta. Pongamos por ejemplo p = 1/2. = Prob. error tipo II = P(aceptar H0/H0 falsa) = P(X 8 cuando p =1/2) = b(x;20,1/2) = 0.2517. 1- = 1- 0.2517 = 0.7483 Funcin de potencia. Es decir, la prueba acepta H0 equivocadamente, en el 25,17 % de los casos y rechaza H0 de forma acertada, en el 74,83 % de los casos.

Tipos de error
Podemos modificar estos valores bien modificando el valor crtico, o bien aumentando el tamao de la muestra: Si cambiamos el valor crtico a 7 en el ejemplo anterior obtenemos: = b(x; 20, 1/4) = 1 - b(x;20,1/4) = 1 - 0.8982 = 0.1018 = b(x; 20, 1/2) = 0.1316 como vemos, disminuye el valor de a expensas de aumentar el de Si aumentamos el tamao de la muestra a 100 y el valor crtico a 36, podremos aproximar la binomial a la normal y obtendremos: Para determinar el error tipo I utilizaremos una normal con: = n*p = 100*1/4 = 25 z = (36.5 - 25)/4.33 = 2.66
= n p q = 100
1 3 = 4.33 4 4

= P(error tipo I) = P(X > 36 cuando p =1/4) P(Z > 2.66) = 1-P(Z < 2.66) = 1 - 0.9961 = 0.0039

Tipos de error
De forma anloga, para determinar el error tipo II utilizaremos la normal con: = n*p = 100*1/2 = 50 z = (36.5-50)/5 = -2.7
= n p q = 100
1 3 =5 2 2

= P(error tipo II) = P(X 36 cuando p=1/2) P(Z < -2.7) = 0.0035 como vemos, en este caso disminuyen ambos errores.

Tipos de error
Ejemplo: En cierta ciudad slo hay dos canales de televisin: el canal 6 y el canal 10. Una compaa se interesa en probar la afirmacin de que la proporcin de televidentes para las noticias de la tarde es igual a 0.5 para ambos canales. la compaa encuesta a 18 residentes seleccionados al azar y pregunta qu canal prefieren para ver las noticias de la tarde. El nmero X indica que el canal 6 es el seleccionado. Se proponen las siguientes dos pruebas: Prueba A: Rechazar H0 si X 4 X 14 Prueba B: Rechazar H0 si X 5 X 13 Si la compaa piensa tolerar un tamao mximo de 0.1 para el error de tipo I, determinar la mejor prueba a emplear para decidir entre H0 y H1. Solucin: Las hiptesis planteadas son: H0: p = 0.5 H1: p 0.5 La estadstica de prueba X es una variable aleatoria binomial con n =18 y, bajo la hiptesis nula, p = 0.5.

Tipos de error
Para la prueba A, la probabilidad de error de tipo I es: A = P(X 4 | p = 0.5) + P(X 14 | p = 0.5) = 0.0154 + 0.0154 = 0.0308 Para la prueba B, tenemos: B = P(X 5 | p = 0.5) + P(X 13 | p = 0.5) = 0.0962 Ya que ambas pruebas tienen valores de menores al tamao mximo que puede tolerarse de error de tipo I (0.1), se compararn las funciones de potencia para decidir cal es la mejor de las dos. Para p = 0.4 obtenemos los siguientes datos: A = P(4 < X < 14 | p = 0.4) = b(x; 18,0.4) - b(x; 18, 0.4) = 0.9987 - 0.0942 = 0.9045 1 - A = 1- 0.9045 = 0.0955 B = P(5 < X < 13 | p = 0.4) = b(x; 18,0.4) - b(x; 18, 0.4) = 0.9942 - 0.2088 = 0.7854 1 - B = 1- 0.7854 = 0.2146

Tipos de error
Para p = 0.6 obtenemos los siguientes datos: A = P(4 < X < 14 | p = 0.6) = b(x; 18,0.6) - b(x; 18, 0.6) = 0.9058 - 0.0013 = 0.9045 1 - A = 1- 0.9045 = 0.0955 B = P(5 < X < 13 | p = 0.6) = b(x; 18,0.6) - b(x; 18, 0.6) = 0.7912 - 0.0058 = 0.7854 1 - B = 1 - 0.7854 = 0.2146 Observamos que para cualquiera de los valores de p probados, la potencia de la prueba B es mayor que la de la A, por lo que concluimos que la prueba B es ms poderosa que la A y la mejor a utilizar para probar las hiptesis indicadas.

Tipos de regiones de aceptacin-rechazo

Si suponemos fijado el valor de , el tamao mximo del error de tipo I que estamos dispuestos a tolerar, podramos establecer varias regiones crticas posibles, todas ellas de tamao menor o igual que . Cul elegir? Cmo establecer en concreto el valor crtico que nos separa las regiones de rechazo y aceptacin de la prueba de hiptesis?. La determinacin de las mejores regiones crticas para cada tipo de contraste se hace siguiendo el Teorema de Neymann-Pearson, que coinciden con las que se habran establecido de forma intuitiva. Para una prueba de hiptesis unilateral, tal como: o tal vez H0: 0 H0: 0 H1: > 0 H1: < 0

tenemos:

En el primer caso, la regin crtica cae totalmente en la cola derecha de la distribucin del estadstico de prueba, mientras que en el segundo caso, la regin crtica cae totalmente en la cola izquierda de la distribucin del estadstico de prueba.

Tipos de regiones de aceptacin-rechazo

Dada una muestra aleatoria de tamao n de la distribucin de inters, el procedimiento general para probar H0 frente a H1 unilateral, es escoger el mejor estimador T de , y rechazar H0 cuando el valor estimado t obtenido de la muestra, es en forma "suficiente" mayor/menor que el valor propuesto 0. Para un tamao , del error de tipo I, la regin crtica se encuentra localizada en el extremo superior/inferior de la distribucin de muestreo de T y H0 se rechaza si el valor estimado t es mayor /menor que el valor crtico.

Tipos de regiones de aceptacin-rechazo

Para una prueba de hiptesis bilateral, tal como: H0: = 0 H1: 0 la regin crtica se divide en dos partes, generalmente simtricas, con iguales probabilidades en cada cola de la distribucin del estadstico de prueba.

Dada una muestra aleatoria de tamao n de la distribucin de inters, el procedimiento general para probar H0 frente a H1 bilateral, es escoger el mejor estimador T de , y rechazar H0 cuando el valor estimado t obtenido de la muestra, se encuentre dentro de la regin crtica. Para un tamao , del error de tipo I, la regin crtica se encuentra localizada en los dos extremos de la distribucin de muestreo de T, de manera que el rea, en cualquier lado, ms all del valor crtico es igual a /2.

Valor crtico o p-valor

En el mtodo clsico de contraste de hiptesis, se acostumbraba a seleccionar un valor de y determinar la regin crtica de acuerdo con eso. Entonces, el rechazo o aceptacin de H0 dependera de esa regin crtica. Vamos a ver un enfoque distinto. El p-valor es la probabilidad, dado que H0 es cierta, de que la estadstica de prueba tome un valor mayor/menor o igual que el calculado con base en la muestra aleatoria.
el valor observado para una muestra Sea D un estadstico de contraste y d = D( X , X ,..., X ) . Se denomina valor determinada (X1, . . . , Xn), es decir, d 1 2 n crtico o pvalor a la probabilidad de obtener una discrepancia mayor o igual cuando H es cierta. El pvalor slo puede calcularse cuando la muestra que d 0 est tomada, y es distinto para cada una de ellas.

= D( X , X ,..., X p valor = P D d 1 2 n

Un p-valor pequeo, sugiere que, si H0 es realmente cierta, el valor de la estadstica de prueba es poco probable, por lo que se puede rechazar H0, ya que esta decisin tendr una alta probabilidad de ser correcta.

Valor crtico o p-valor

El clculo del p-valor se suele usar acoplado al enfoque clsico de escoger un tamao del error de tipo I antes de la determinacin de la muestra aleatoria, de la siguiente manera: se elige un nivel de significacin y si el p-valor es menor o igual que , se rechaza H0; de otra forma no puede rechazarse la hiptesis nula. Para el contraste unilateral izquierdo: Para el contraste unilateral derecho: Para el contraste bilateral: P = Prob. (T t cuando = 0) P = Prob. (T t cuando = 0) P = 2Prob. (T t cuando = 0) P = 2Prob. (T t cuando = 0)

En cualquier caso, si P se rechaza H0,caso contrario se acepta H0 Muchos paquetes estadsticos para ordenador, tales como SAS, SPSS, BMDP y otros, imprimen el p-valor para casi todas las situaciones en las que se involucra prueba de hiptesis.

Etapas en la resolucin de un contraste

1.- Lectura cuidadosa del enunciado y comprobacin de que lo que se necesita es un contraste de hiptesis y de que se verifican las condiciones necesarias para que se pueda aplicar un contraste paramtrico. 2.- Determinacin de las hiptesis nula (H0) y alternativa (H1) adecuadas de entre los tres tipos de contrastes posibles (unilateral derecho e izquierdo o bilateral). 3.- Seleccin del nivel de significacin (si no viniera ya fijado). 4.- Seleccin del estadstico de prueba apropiado, cuya distribucin en el muestreo se conoce si la hiptesis nula es cierta. 5.- Determinacin de las regiones crtica y de aceptacin, en funcin del valor de seleccionado. (Si la decisin se va a basar en un p-valor, no es necesario establecer regin crtica). 6.- Calcular el valor del estadstico de prueba para la muestra particular. 7.- Conclusiones de tipo estadstico: rechazar H0 si el estadstico de prueba cae en la regin crtica (o el p-valor calculado es menor o igual que el nivel de significacin deseado ); de otra forma aceptar H0. 8.- Conclusiones de naturaleza no estadstica, como pueden ser conclusiones biolgicas, mdicas, qumicas, psicolgicas, econmicas, etc...

Relacin con la estimacin por intervalos

La estimacin del intervalo de confianza implica el clculo de lmites para los cuales es "razonable" que el parmetro en cuestin est dentro de ellos, mientras que en el contraste se decide si hay evidencias suficientes de que el parmetro en cuestin tenga un determinado valor. Ambos mtodos basan su decisin en el mismo estadstico, cuya distribucin muestral es conocida. La prueba de H0 : = 0 contra H1 : 0 en un nivel de significacin es equivalente a calcular un intervalo de confianza del 100 (1 - ) % de y rechazar H0 si 0 no est dentro del intervalo de confianza y aceptarla en caso contrario. Para el caso de una sola media poblacional conociendo 2, tanto el contraste de hiptesis como el clculo del intervalo, se basan en la variable aleatoria:

Z=

X - / n

Relacin con la estimacin por intervalos

Con un valor observado x , rechazar H0 en un nivel de significacin implica que: x - 0 z/2 - z/2 / n lo que es equivalente a:
x - z /2

0 x + z /2

que es el intervalo de confianza para la media. La equivalencia del intervalo de confianza con las pruebas de hiptesis se extiende a diferencias entre dos medias, varianzas, relaciones de varianzas, etc... En el ejemplo anterior, un intervalo de confianza al 95% de la media , da los lmites [9.937, 10.463]. Como 0 = 10 segn la hiptesis nula, y este valor se encuentra dentro del intervalo, no se podra rechazar H0. O lo que es lo mismo, el valor del estadstico, 1.4907 estara entre -1.96 y +1.96 que son los valores de -z/2 y z/2 para = 0.05 y considerando la hiptesis alternativa bilateral, con lo cual tampoco se rechazara H0.

Expresiones para los contrastes

Contraste para la Media de una poblacin normal, conocida la Varianza: Sea X1, X2, ... Xn una muestra aleatoria de una distribucin normal con media desconocida, suponiendo conocido el valor de la varianza poblacional 2. Nos interesa probar uno de los siguientes conjuntos de hiptesis respecto a : Contraste Bilateral: H0 : = 0 H1 : 0 Contraste Unilateral Derecho: H0 : = 0 ( 0) H1 : > 0 H0 : = 0 ( 0) H1 : < 0

Contraste Unilateral Izquierdo:

Tomamos como estadstico de prueba la media muestral X

Expresiones para los contrastes

Bajo la hiptesis nula ( = 0) este estadstico sigue una distribucin normal N(0, n) donde n es el tamao de la muestra. La distribucin de la variable tipificada: x - 0 1 Z= donde x = xi n n sigue una N(0,1). Si fijamos un nivel de significacin y la hiptesis nula es cierta, el valor de z, obtenido de una muestra real para el estadstico X , se encontrar entre - z/2 y z/2, con una probabilidad de 1- . Las regiones crticas y de aceptacin sern entonces: R.A = { z: |z| z/2} Contraste Bilateral: R.C = { z: |z| > z/2} Se acepta H0 si |x - |

Se rechaza H0 si

n |x - 0| > z 2
n

Expresiones para los contrastes

Contraste Unilateral Derecho: R.C = { z: z > z} R.A = { z: z z } Contraste Unilateral Izquierdo: R.C = { z: z < z} R.A = { z: z z } Ejemplo: Los siguientes datos representan los tiempos de armado para 20 unidades seleccionadas aleatoriamente: 9.8, 10.4, 10.6, 9.6, 9.7, 9.9, 10.9, 11.1, 9.6, 10.2, 10.3, 9.6, 9.9, 11.2, 10.6, 9.8, 10.5, 10.1, 10.5, 9.7. Supngase que el tiempo necesario para armar una unidad es una variable aleatoria normal con media y desviacin tpica = 0.6 minutos. Con base en esta muestra, existe alguna razn para creer, a un nivel de 0.05, que el tiempo de armado promedio es mayor de 10 minutos? Solucin: Hiptesis: H0: = 10 H1: > 10 De los datos de la muestra obtenemos que el valor de x es igual a 10.2 minutos.

Expresiones para los contrastes

Entonces

z=

x - 0

/ n

10.2 - 10 0.6/ 20

= 1.4907

Dado que P(Z 1.645) = 0.05, el valor crtico en trminos de la variable aleatoria normal estndar es z0.95 = 1.645, y puesto que z = 1.4907 < z0.95 = 1.645, no puede rechazarse la hiptesis nula. Esto nos indica que, con base a esta muestra, no existe suficiente evidencia como para rechazar la hiptesis de que el tiempo promedio necesario para armar una unidad es de 10 minutos, por lo que debemos seguir considerndolo cierto. El p-valor en este caso vendra dado por P(Z 1.4907 / = 10) = 0.0681, que al ser mayor que el nivel de significacin fijado = 0.05, nos indica que, con base a la muestra, no existe suficiente evidencia como para rechazar la hiptesis de que el tiempo promedio necesario para armar una unidad es de 10 minutos.

Expresiones para los contrastes

Contraste para la Media de una poblacin normal, desconocida la Varianza: En este caso cabra distinguir dos situaciones, segn que la muestra que tomemos sea grande ( > 30) o pequea ( 30). Sea X1, X2, ... Xn una muestra aleatoria de una distribucin normal con media desconocida, suponiendo tambin desconocido el valor de la varianza poblacional 2, por lo que se aproxima por su estimacin, la cuasivarianza muestral. Nos interesa probar uno de los siguientes conjuntos de hiptesis respecto a : Contraste Bilateral: H0 : = 0 H1 : 0 Contraste Unilateral Derecho: H0 : = 0 ( 0) H1 : > 0 H0 : = 0 ( 0) H1 : < 0

Contraste Unilateral Izquierdo:

Expresiones para los contrastes

Tomamos como estadstico de prueba la media muestral X Muestras grandes: Bajo la hiptesis nula ( = 0) y para muestras grandes, este estadstico sigue una distribucin aproximadamente normal N(0,s n ) donde n es el tamao de la muestra. La variable tipificada :

z=

x - 0 s/ n

donde x =

1 1 2 xi y s2 = ( xi - x ) n-1 n

Las regiones crticas y de aceptacin sern entonces: Contraste Bilateral: Contraste Unilateral Derecho: R.C = { z: |z| > z/2} R.C = { z: z > z} R.A = { z: |z| z/2} R.A = { z: z z} R.A = { z: z - z}

Contraste Unilateral Izquierdo: R.C = { z: z < -z}

Expresiones para los contrastes

Muestras pequeas: En este caso todo es igual que en el caso anterior exceptuando que ahora el estadstico elegido, sigue una distribucin t de Student con n-1 grados de libertad, en lugar de una distribucin normal, y por tanto cambian tambin las regiones crticas: x-

t=

s/ n
R.C = {t: |t| > t/2, n-1} R.A = {t: |t| t/2, n-1} R.C = { t: t > t, n-1} R.A = { t: t t, n-1} R.A = { t: t - t, n-1}

Las regiones crticas y de aceptacin sern entonces: Contraste Bilateral: Contraste Unilateral Derecho:

Contraste Unilateral Izquierdo: R.C = { t: t <-t, n-1}

Expresiones para los contrastes

Contrastes de la Diferencia de Medias: Seleccionamos dos muestras aleatorias independientes de tamaos n1 y n2 de dos poblaciones normales con medias 1 y 2 y varianzas 21 y 22 respectivamente. La estadstica a utilizar en este caso es X 1 X 2. Se puede esperar que la distribucin muestral de X 1 X 2 sea aproximadamente 2 normal, con media E[X 1 X 2 ] = 1 2 y desviacin tpica

X 1- X
2

2 2

n1

n2

Contrastes diferencia de medias

Varianzas conocidas

Varianzas desconocidas

Observaciones pareadas

Muestras grandes

Muestras pequeas

Var. iguales

Var. distintas

Expresiones para los contrastes

Contrastes de diferencia de medias con varianzas conocidas: Supngase que se desea probar la hiptesis nula : H0: 1 = 2 contra una de las siguientes alternativas: H1: 1 > 2 H1: 1 < 2 H1: 1 2 La estadstica a utilizar en este caso es la diferencia muestral de las medias, X 1 X 2que es una variable aleatoria, ya que X y X son variables aleatorias independientes, y adems se distribuye segn una N(1-2, n + n
1 2

2 1

2 2 2

Por tanto la estadstica:

z=

x1 - x2

2 2 1 + 2

n1 n2

sigue una N(0,1) si la hiptesis nula es cierta (1 = 2). Las regiones crticas y de aceptacin sern entonces: Contraste Bilateral: R.C = { z: |z| > z/2} R.A = { z: |z| z/2} Contraste Unilateral Derecho: R.C = { z: z > z} R.A = { z: z z} Contraste Unilateral Izquierdo: R.C = { z: z < - z} R.A = { z: z - z}

Expresiones para los contrastes

Contrastes de diferencia de medias con varianzas desconocidas: Supngase que se desea probar la hiptesis nula : H0: 1 = 2 contra una de las siguientes alternativas: H1: 1 > 2 H1: 1 < 2 H1: 1 2 La estadstica a utilizar en este caso tambin es la diferencia muestral de X 1 X 2que es una variable aleatoria, ya que X y X son variables las medias, aleatorias independientes, La distribucin que sigue esta estadstica as como las regiones crticas a que da lugar, las podemos dividir en tres casos diferentes:
1 2

Muestras grandes: n1+n2 > 30; n1 n2 El estadstico del contraste viene dado por :

z=

x1 - x2 s1 + s 2 n1 n2
2 2

que, en este caso, bajo la hiptesis nula, sigue una distribucin aproximadamente N(0,1)

Expresiones para los contrastes

Las regiones crticas y de aceptacin sern entonces: Contraste Bilateral: R.C = { z: |z| > z/2} Contraste Unilateral Derecho: R.C = { z: z > z} Contraste Unilateral Izquierdo: R.C = { z: z < - z} R.A = { z: |z| z/2} R.A = { z: z z} R.A = { z: z - z}

Muestras pequeas: n1 + n2 30; Varianzas desconocidas pero iguales 12 = 22 El estadstico del contraste viene dado por :
t=
2 2 x1 - x2 ( n1 - 1) s1 + ( n2 - 1) s 2 donde s 2 p= 1 1 n1 + n 2 - 2 + sp n1 n2

que, en este caso, bajo la hiptesis nula, sigue una distribucin t de Student con (n1 + n2 - 2) grados de libertad. Las regiones crticas y de aceptacin sern entonces: Contraste Bilateral: R.C = { t: |t| > t/2, n1 + n2- 2} R.A = { t: |t| t/2, n1 + n2 - 2} Contraste Unil. Derecho: R.C = { t: t > t, n1 + n2- 2} R.A = { t: t t, n1 + n2- 2} Contraste Unil. Izquierdo: R.C = { t: t <-t, n1 + n2- 2} R.A = { t: t -t, n1 + n2- 2}

Expresiones para los contrastes

Muestras pequeas: n1 + n2 30; Varianzas desconocidas y distintas x2 y2 El estadstico del contraste viene dado por : x- y t= 2 2 s1 s 2 + n1 n2 que, en este caso, bajo la hiptesis nula, sigue una distribucin t de Student con f grados de libertad, siendo f la aproximacin de Welch dada por: 2 2 2
f= s s 1+ 2 n1 n2
2 2 s1 s2 2 n n 1 + 2 n2 - 1 n1 - 1 2

redondeado al entero ms cercano.

Las regiones crticas y de aceptacin sern entonces: Contraste Bilateral: R.C = { t: |t| > t/2, f} Contraste Unilateral Derecho: R.C = { t: t > t, f} Contraste Unilateral Izquierdo: R.C = { t: t <-t, f}

R.A = { t: |t| t/2, f } R.A = { t: t t, f} R.A = { t: t - t, f}

Expresiones para los contrastes

Datos emparejados En este caso tenemos las observaciones en pares, de manera que existe una relacin natural entre las observaciones de un par, y donde se supone que las condiciones externas son las mismas para cada par pero pueden variar de par en par. Sean (X1, Y1), (X2, Y2), ..., (Xn, Yn) los n pares a partir de los cuales calculamos las diferencias Di = Yi - Xi, que constituyen variables aleatorias independientes distribuidas normales, tales que E[Di] = d = y - x y V[Di] = d2 para toda i=1,2, ..., n.
2 . De esta manera Como no conocemos d ni d2, se estimarn por d y S d se pueden formular inferencias sobre las medias de dos niveles cuando las observaciones estn pareadas considerando la columna de diferencias como una sla variable aleatoria y aplicar los mtodos que ya hemos visto. Como en ese caso, estamos interesados en contrastar la hiptesis nula: H0: x = y que equivale a d = 0

Expresiones para los contrastes

contra una de las siguientes alternativas: H1: y < x H1: y > x (d > 0) H1: x y (d 0) (d < 0)

El estadstico de contraste es: d 1 1 t= donde d = d i con d i = xi - yi S d = ( d i - d )2 n n 1 / n Sd que, bajo la hiptesis nula, sigue una distribucin t de Student con n-1 grados de libertad. Las regiones crticas y de aceptacin sern entonces: Contraste Bilateral: R.C = { t: |t| > t/2, n-1} Contraste Unilateral Derecho:R.C = { t: t > t, n-1} Contraste Unilateral Izquierdo:R.C = { t: t < - t, n-1} R.A = { t: |t| t/2, n-1 } R.A = { t: t t, n-1} R.A = { t: t - t, n-1}

Expresiones para los contrastes

Contrastes sobre la varianza de una poblacin normal: En esta ocasin deseamos probar la hiptesis que considera la uniformidad de una poblacin. Consideraremos la hiptesis nula: H0: 2 = 02 contra una de las siguientes alternativas: H1: 2 > 02 H1: 2 < 02 H1: 2 02 El estadstico apropiado sobre el cual se basa la decisin es el mismo que se utiliz para determinar el intervalo de confianza para la varianza, que si la hiptesis nula es cierta, viene dado por :
2 n-1 0 donde n es el tamao de la muestra y sigue una distribucin 2con n-1 grados de libertad. Las regiones crticas y de aceptacin sern entonces: Contraste Bilateral:R.C = { 2: 2 21 - /2, n-1 ; 2 2/2, n - 1} Contraste Unil. Derecho: R.C = { 2: 2 21 - , n-1} R.A = { 2: 2 < 21 - , n-1} Contraste Unil. Izquierdo: R.C = { 2: 2 2, n-1} R.A = { 2: 2 > 2 , n-1}

2 =

(n - 1) s2

donde s 2 =

( xi - x )

Expresiones para los contrastes

Contraste de igualdad de varianzas de dos poblaciones normales: Consideramos ahora el problema de contrastar dos varianzas poblacionales, que en general se aplica antes de una prueba t combinada para comprobar la suposicin de igualdad de varianzas. Sean X1, X2, ... Xn1 y Y1, Y2, ... Yn2 muestras aleatorias provenientes de dos distribuciones normales independientes con medias desconocidas x y y y varianzas desconocidas, por lo que se aproximan por las cuasivarianzas muestrales. Contrastaremos la hiptesis nula: H0: x2 = y2 contra una de las siguientes alternativas: H1: x2 > y2 H1: x2 < y2 H1: x2 y2 La estadstica a utilizar en este caso, al igual que para el intervalo de 2 confianza, vendr dado por:

sx 2 sy que, si la hiptesis nula es cierta, sigue una distribucin F de Snedecor con n1-1, n2-1 grados de libertad. f=

Expresiones para los contrastes

Las regiones crticas sern entonces: Contraste Bilateral: R.C = { f:f F1 - /2, (n1-1),(n2 -1) ; f 1/ F1 - /2, (n2 - 1), (n1 - 1) } Contraste Unilateral Derecho: R.C = { f: f F 1 - , (n1-1), (n2 - 1)} Contraste Unilateral Izquierdo: R.C = { f: f 1/F1 - , (n2-1),(n1 - 1)}

Expresiones para los contrastes

Contraste para el parmetro p de una distribucin binomial: Se considerar el problema de probar la hiptesis de que la proporcin de xitos en un experimento binomial es igual a un valor especificado. Es decir, se est probando la hiptesis nula: H0: p = p0 frente a cualquiera de las alternativas: H1: p < p0 H1: p p0 H1: p > p0 La variable aleatoria apropiada sobre la cual se fundamenta el criterio de decisin es la variable aleatoria binomial de parmetros n (n de experimentos) y p (proporcin poblacional de xitos, es decir, el parmetro cuyo valor queremos contrastar). Si H0 es cierta, entonces X se distribuye como una B(n,p0).

Expresiones para los contrastes

Para valores pequeos de n, se deben obtener las probabilidades binomiales, a partir de la frmula binomial real o de su tabla correspondiente. Pero, puesto que X es una variable aleatoria discreta, es poco probable que pueda determinarse una regin crtica cuyo tamao sea exactamente igual al valor predeterminado de , por ello es preferible, cuando n es pequea, basar las decisiones en el p-valor. Siendo x el nmero de xitos en la muestra, tendramos entonces: Para el contraste unilateral izquierdo: P = Prob. (X x cuando p = p0) Para el contraste unilateral derecho: P = Prob. (X x cuando p = p0) Para el contraste bilateral: P = 2Prob. (X x cuando p = p0) si x < n p0 si x > n p0 P = 2Prob. (X x cuando p = p0) En cualquier caso, Si P se rechaza H0

Expresiones para los contrastes

Sin embargo, si n es grande, y utilizamos la variable binomial X, generalmente se prefiere utilizar su aproximacin a la curva normal con parmetros = np y 2 = npq. Tambin es posible utilizar el estadstico
= p x n

que, para n grande, se puede aproximar, a una normal de parmetros = p y 2 = pq/n. Por tanto tendremos:
z= x - np x -p -p p n = = pq pq npq n n

que, como vemos, sigue dependiendo del parmetro p que queremos contrastar.

Expresiones para los contrastes

Igual que se hizo en la estimacin por intervalos, para valores de n grandes y si p0 no est cerca de 0 ni de 1, se suele sustituir la p del denominador, por su aproximacin muestral, y obtendramos entonces que, si la H0 es cierta,
z= - p0 p (1 - p ) p n

sigue una distribucin aproximadamente N(0,1). Si se verifican las condiciones anteriores, y si H0 es cierta, tambin se puede sustituir p por p0 tanto en el numerador como en el denominador, y se obtiene una aproximacin bastante precisa en muchos casos, y entonces las regiones crticas y de aceptacin para este contraste vendran dadas por: Contraste Bilateral: R.C = { z: |z| > z/2} R.A = { z: |z| z/2} Contraste Unilateral Derecho: R.C = { z: z > z} R.A = { z: z z} Contraste Unilateral Izquierdo: R.C = { z: z < -z} R.A = { z: z -z}

Expresiones para los contrastes

Contraste para la diferencia de dos proporciones: Se seleccionan al azar dos muestras independientes grandes, de tamao n1 y n2, de dos poblaciones binomiales, de parmetros p1 y p2 respectivamente. Se desea contrastar la hiptesis de que las proporciones (parmetro p) de ambas poblaciones son iguales. Es decir, se est probando la hiptesis nula: H0: p1 = p2 frente a cualquiera de las alternativas: H1: p1 < p2 H1: p1 p2 H1: p1 > p2 El estadstico sobre el que se basara la decisin es: 1 - P 2 P En la estimacin por intervalos, habamos visto que la diferencia de proporciones muestrales de xito, para una n lo bastante grande, tena una distribucin aproximadamente normal con media:

p -p = p1 - p 2
1 2

y varianza:
2p -p =
1 2

p1 q1 n1

p2 q2 n2

Expresiones para los contrastes

Y por tanto, el estadstico de contraste quedara:
z= ( 1 - p 2 p p1 q1 n1 )+( p 2 q2 n2 )

Cuando H0 es cierta, se puede sustituir p1 = p2 = p y q1 = q2 = q, donde p y q seguiran siendo los valores que queremos contrastar. Una estimacin muestral de estos parmetros, la podemos obtener combinando los datos de ambas muestras, de la siguiente forma: +

= x1 x 2 p n1 + n2

siendo x1 y x2 el nmero de xitos en ambas muestras. Por tanto quedara:

z= 1 - p 2 p 1 1 q p + n1 n2

Siendo las regiones crticas y de aceptacin, para un nivel de significacin : Contraste Bilateral: R.C = { z: |z| > z/2} R.A = { z: |z| z/2} Contraste Unilateral Derecho: R.C = { z: z > z} R.A = { z: z z} Contraste Unilateral Izquierdo: R.C = { z: z < - z} R.A = { z: z - z}

Ejercicios
Ejercicio 7.1 Dada la proposicin de un problema, escriba las hiptesis nula y alternativas correctas. (Suponiendo siempre que ya se ha decidido que el mtodo a usar es un contraste paramtrico): a) El Seor y la Seora Martnez suponen que el peso medio de una berenjena que crece en su jardn excede el promedio de 953 gramos que aparecen en el paquete de las semillas. b) En una presentacin a posibles anunciadores, el canal de televisin dice que, de la audiencia total de un sbado por la noche, ms del 75% estar viendo el programa de dicho canal. c) Una compaa que produce tubos de hierro colado debe verificar el porcentaje de silicona en el hierro. La cantidad ptima es 0.75 gramos de silicona por 100 gramos de hierro. El analista de control de calidad desea probar la hiptesis de que hay 0.75 gramos de silicona en cada 100 gramos de hierro. d) Se estima que la cantidad promedio de hemoglobina en la sangre de la trucha caf, por cada 100 ml es de por lo menos 5.5 gramos. Establezca esta hiptesis para ser probada.

Ejercicios
Ejercicio 7.2 A una muestra aleatoria de 400 votantes de una cierta ciudad se le pregunta si est a favor de un impuesto adicional a la venta de gasolina para proporcionar ingresos necesarios para efectuar trabajos de reparacin de calles. Si ms de 220 pero menos de 260 estn a favor del impuesto, se concluir que el 60% de los votantes est a favor. a) Encuentre la probabilidad de cometer un error tipo I si 60% de los votantes est a favor del nuevo impuesto. b) Cul es la probabilidad de cometer un error tipo II al utilizar este procedimiento de prueba, si slo 48% de los votantes est a favor del nuevo impuesto?

Ejercicios
Ejercicio 7.3 Una muestra aleatoria de 8 cigarros de una marca determinada tiene un contenido promedio de nicotina de 4.2 miligramos y una desviacin estndar de 1.4 miligramos. Est esto de acuerdo con la afirmacin del fabricante de que el contenido promedio de nicotina no excede de 3.5 miligramos? Utilice un nivel de significacin de 0.05 en su conclusin y suponga que la distribucin de los contenidos de nicotina es normal. Ejercicio 7.4 Una muestra aleatoria de tamao n1 = 25, tomada de una poblacin normal con una desviacin estndar de 1 = 5.2, tiene una media x1 = 81. Una segunda muestra aleatoria de tamao n2 = 36, tomada de una poblacin normal diferente con una desviacin estndar de 2=3.4, tiene una media x2 =76. Pruebe la hiptesis de que 1 = 2 con un nivel de significacin de 0.05.

Ejercicios
Ejercicio 7.5 Un investigador asegura que la vida promedio de ratones se incrementa al menos en 8 meses cuando las caloras en sus alimentos se reducen aproximadamente 40% desde el momento en que son destetados. Suponga que una muestra aleatoria de 10 ratones se alimenta con una dieta normal y vive un promedio de 32.1 meses con una desviacin estndar de 3.2 meses, mientras que una muestra aleatoria de 15 ratones come la dieta restringida y vive un promedio de 37.6 meses con una desviacin estndar de 2.8. Pruebe la hiptesis a un nivel de significacin de 0.05. Suponga que las distribuciones de las vidas para las dietas regular y restringida son aproximadamente normales con varianzas iguales.

Ejercicios
Ejercicio 7.6 En un estudio se compararon los niveles de cido ascrbico en plasma de mujeres embarazadas entre fumadoras y no fumadoras. Para el estudio se seleccionaron 32 mujeres en los ltimos 3 meses de embarazo, libres de cualquier padecimiento importante y con edades entre 15 y 32 aos. De las muestras de sangre, se determinaron los siguientes valores de cido ascrbico, en gramos por mililitro, en el plasma de cada sujeto: Existen suficientes evidencias, a un nivel de significacin de 0.05, para concluir que hay una diferencia entre los niveles de cido ascrbico en la sangre de las mujeres fumadoras y no fumadoras?. Suponga que los dos conjuntos de datos se toman de poblaciones normales con varianzas diferentes.
Valores de cido ascrbico en plasma No Fumadoras 0.97 1.16 0.72 0.86 1.00 0.85 0.81 0.58 0.62 0.57 1.32 0.64 1.24 0.98 0.99 1.09 0.90 0.92 0.74 0.78 0.88 1.24 0.94 1.18 Fumadoras 0.48 0.71 0.98 0.68 1.18 1.36 0.78 1.64

Ejercicios
Ejercicio 7.7 Se llev a cabo un estudio para determinar si la resistencia de una herida por incisin quirrgica era afectada por la temperatura del cuchillo. Se utilizaron 8 perros en el experimento. Se realiz una incisin caliente y una fra en cada perro y enseguida se midi la resistencia. Los datos resultantes son:
Perro Resistencia incisin caliente 5120 10000 10000 10000 10000 7900 510 1020 Resistencia incisin fra

1 2 3 4 5 6 7 8

8200 8600 9200 6200 10000 5200 885 460

Escriba una hiptesis apropiada para determinar si hay una diferencia significativa entre las incisiones calientes y fras y prubela con un nivel de significacin de 0.05.

Ejercicios
Ejercicio 7.8 Una compaa productora de combustible asegura que una quinta parte de los hogares de cierta ciudad se calientan con petrleo. Se tiene alguna razn para dudar de esta afirmacin, a un nivel de significacin de 0.01 si, en una muestra aleatoria de 1000 hogares en esta ciudad, se encuentra que 236 se calientan con petrleo?. Suponer distribucin normal. Ejercicio 7.9 En un estudio para estimar la proporcin de residentes de una ciudad y sus suburbios que est de acuerdo con la construccin de una planta de energa nuclear, se encontr que 63 de 100 residentes urbanos favorecen la construccin mientras que 59 de 125 residentes suburbanos se oponen. Existe alguna diferencia significativa entre las proporciones de residentes urbanos y suburbanos que favorecen la construccin de la planta nuclear? Ejercicio 7.10 Se sabe que el contenido en nicotina de una marca de cigarros tiene distribucin aproximadamente normal y se supone que su varianza es de 1.3 miligramos. Pruebe esta hiptesis, a un nivel de significacin de 0.05, si una muestra aleatoria de 8 de estos cigarros tiene una desviacin estndar de s = 1.8.