UNIV: MOSTACEDO YUPANQUI ABRAHAN

DISEO INDUSTRIAL

MAT(235)

PARAMETRO DE LA PRUEBA Z
EN EL ANALISIS ESTADISTICO
Las pruebas de proporciones son adecuadas cuando los datos que se
estn analizando constan de cuentas o frecuencias de elementos de
dos o ms clases. El objetivo de estas pruebas es evaluar las
afirmaciones con respecto a una proporcin (o Porcentaje) de
poblacin. Las pruebas se basan en la premisa de que una proporcin
maestral (es decir, x ocurrencias en n observaciones, o x/n) ser igual
a la proporcin verdadera de la poblacin si se toman mrgenes o
tolerancias para la variabilidad maestral. Las pruebas suelen
enfocarse en la diferencia entre un nmero esperado de ocurrencias,
suponiendo que una afirmacin es verdadera, y el nmero observado
realmente. La diferencia se compara con la variabilidad prescrita
mediante una distribucin de muestreo que tiene como base el
supuesto de que

es realmente verdadera.

En muchos aspectos, las pruebas de proporciones se parecen a las

pruebas de medias, excepto que, en el caso de las primeras, los datos
muestrales se consideran como cuentas en lugar de como
mediciones. Por ejemplo, las pruebas para medias y proporciones se
pueden utilizar para evaluar afirmaciones con respecto a:
1) Un parmetro de poblacin nico (prueba de una muestra)
2) La igualdad de parmetros de dos poblaciones (prueba de dos
muestras), y
3) La igualdad de parmetros de ms de dos poblaciones (prueba de k
muestras). Adems, para tamaos grandes de muestras, la
distribucin de muestreo adecuada para pruebas de proporciones
de una y dos muestras es aproximadamente normal, justo como
sucede en el caso de pruebas de medias de una y dos muestras.

Prueba de proporciones de una muestra

Cuando el objetivo del muestreo es evaluar la validez de una
afirmacin con respecto a la proporcin de una poblacin, es
adecuado utilizar una prueba de una muestra. La metodologa de
prueba depende de si el nmero de observaciones de la muestra es
grande o pequeo.
UNIV: MOSTACEDO YUPANQUI ABRAHAN

DISEO INDUSTRIAL

MAT(235)

Como se habr observado anteriormente, las pruebas de grandes

muestras de medias y proporciones son bastante semejantes. De este
modo, los valores estadsticos de prueba miden la desviacin de un
valor estadstico de muestra a partir de un valor propuesto. Y ambas
pruebas se basan en la distribucin normal estndar para valores
crticos.
Quiz la nica diferencia real entre las ambas radica en la forma corno
se obtiene la desviacin estndar de la distribucin de muestreo.
Esta prueba comprende el clculo del valor estadstico de prueba Z

Posteriormente este valor es comparado con el valor de Z, obtenido a

partir de una tabla normal a un nivel de significacin seleccionado.
Como ocurri con la prueba de medias de una muestra, las pruebas
de proporciones pueden ser de una o dos colas.

UNIV: MOSTACEDO YUPANQUI ABRAHAN

DISEO INDUSTRIAL

MAT(235)

La primera alternativa establece una prueba de cola derecha, la

segunda, izquierda y la tercera, una prueba de dos colas.

Ejemplo 1
En un estudio se afirma que 3 de 10 estudiantes universitarios
trabajan. Pruebe esta aseveracin, a un nivel de significacin de
0,025, respecto a la alternativa de que la proporcin real de los
estudiantes universitarios trabajan es mayor de lo que se afirma, si
una muestra aleatoria de 600 estudiantes universitarios revela que
200 de ellos trabajan. La muestra fue tomada de 10000 estudiantes.
Los datos son:

Como en los datos aparece el tamao de la poblacin, se debe

verificar si el tamao de la nuestra es mayor que el 5%. Se remplaza
valores en la siguiente frmula:

UNIV: MOSTACEDO YUPANQUI ABRAHAN

DISEO INDUSTRIAL

MAT(235)

El grfico muestra a continuacin:

Decisin:
UNIV: MOSTACEDO YUPANQUI ABRAHAN

DISEO INDUSTRIAL

MAT(235)

Prueba de proporciones de dos muestras

El objetivo de una prueba de dos muestras es determinar si las dos
muestras independientes fueron tomadas de dos poblaciones, las
cuales presentan la misma proporcin de elementos con determinada
caracterstica. La prueba se concentra en la diferencia relativa
(diferencia dividida entre la desviacin estndar de la distribucin de
muestreo) entre las dos proporciones muestrales. Diferencias
pequeas denotan nicamente la variacin casual producto del
muestreo (se acepta H0), en tanto que grandes diferencias significan
lo contrario (se rechaza H0). El valor estadstico de prueba (diferencia
relativa) es comparado con un valor tabular de la distribucin normal,
a fin de decidir si H0 es aceptada o rechazada. Una vez ms, esta
prueba se asemeja considerablemente a la prueba de medias de dos
muestras.La hiptesis nula en una prueba de dos muestras es

UNIV: MOSTACEDO YUPANQUI ABRAHAN

DISEO INDUSTRIAL

MAT(235)

Ejemplo 2
Se ponen a prueba la enseanza de la Estadstica Para determinar si
los estudiantes difieren en trminos de estar a favor de la nueva
enseanza se toma una muestra de 20 estudiantes de dos paralelos.
De paralelo A 18 estn a favor, en tanto que del paralelo B estn a
favor 14. Es posible concluir con un nivel de significacin de 0,05 que
los estudiantes que estn a favor de la nueva enseanza de la
Estadstica es la misma en los dos paralelos?
Los datos son:

Las hiptesis son:

Calculando la proporcin muestral se obtiene:

UNIV: MOSTACEDO YUPANQUI ABRAHAN

DISEO INDUSTRIAL

MAT(235)

El grfico muestra a continuacin:

Decisin:

UNIV: MOSTACEDO YUPANQUI ABRAHAN

DISEO INDUSTRIAL

MAT(235)

PRUEBA DE HIPTESIS CON LA RAZN F DE

FISHER
A diferencia de otras pruebas de medias que se basan en la diferencia
existente entre dos valores, el anlisis de varianza emplea la razn de
las estimaciones, dividiendo la estimacin intermediante entre la
estimacin interna

Esta razn F fue creada por Ronald Fisher (1890-1962), matemtico

britnico, cuyas teoras estadsticas hicieron mucho ms precisos los
experimentos cientficos. Sus proyectos estadsticos, primero
utilizados en biologa, rpidamente cobraron importancia y fueron
aplicados a la experimentacin agrcola, mdica e industrial. Fisher
tambin contribuy a clarificar las funciones que desempean la
mutacin y la seleccin natural en la gentica, particularmente en la
poblacin humana.
El valor estadstico de prueba resultante se debe comparar con un
valor tabular de F, que indicar el valor mximo del valor estadstico
de prueba que ocurra si H0 fuera verdadera, a un nivel de
significacin seleccionado. Antes de proceder a efectuar este clculo,
se debe considerar las caractersticas de la distribucin F

Caractersticas de la distribucin F
-

Existe una distribucin F diferente para cada combinacin de tamao

de muestra y nmero de muestras. Por tanto, existe una distribucin
F que se aplica cuando se toman cinco muestras de seis
observaciones cada una, al igual que una distribucin F diferente para
cinco muestras de siete observaciones cada una. A propsito de esto,
el nmero distribuciones de muestreo diferentes es tan grande que
sera poco prctico hacer una extensa tabulacin de distribuciones.
Por tanto, como se hizo en el caso de la distribucin t, solamente se
tabulan los valores que ms comnmente se utilizan. En el caso de la
distribucin F, los valores crticos para los niveles 0,05 y 0,01
generalmente se proporcionan para determinadas combinaciones de
tamaos de muestra y nmero de muestras.
UNIV: MOSTACEDO YUPANQUI ABRAHAN

DISEO INDUSTRIAL

MAT(235)

La razn ms pequea es 0. La razn no puede ser negativa, ya que

ambos trminos de la razn F estn elevados al cuadrado.
Por otra parte, grandes diferencias entre los valores medios de la
muestra, acompaadas de pequeas variancias muestrales pueden
dar como resultado valores extremadamente grandes de la razn F.
-

La forma de cada distribucin de muestreo terico F depende del

nmero de grados de libertad que estn asociados a ella. Tanto el
numerador como el denominador tienen grados de libertad
relacionados.

Determinacin de los grados de libertad

Los grados de libertad para el numerador y el denominador de la
razn F se basan en los clculos necesarios para derivar cada
estimacin de la variancia de la poblacin. La estimacin
intermediante de variancia (numerador) comprende la divisin de la
suma de las diferencias elevadas al cuadrado entre el nmero de
medias (muestras) menos uno, o bien, k - 1. As, k - 1 es el nmero
de grados de libertad para el numerador.
En forma semejante, el calcular cada variancia muestral, la suma de
las diferencias elevadas al cuadrado entre el valor medio de la
muestra y cada valor de la misma se divide entre el nmero de
observaciones de la muestra menos uno, o bien, n - 1. Por tanto, el
promedio de las variancias muestrales se determina dividiendo la
suma de las variancias de la muestra entre el nmero de muestras, o
k. Los grados de libertad para el denominador son entonces, k(n -l).

Uso de la tabla de F del anlisis de variancia (ANOVA)

En la tabla 5 se ilustra la estructura de una tabla de F para un nivel de
significacin de 0,01 o 1% y 0,05 o 5%.

UNIV: MOSTACEDO YUPANQUI ABRAHAN

1
0

DISEO INDUSTRIAL

MAT(235)

Clculo de la razn F a partir de datos muestrales.

Para calcular F se debe seguir el siguiente procedimiento

1) Calcular la estimacin interna (Denominador)

2) Calcular la estimacin intermediante (Numerador)

UNIV: MOSTACEDO YUPANQUI ABRAHAN

1
1

DISEO INDUSTRIAL

MAT(235)

Ejemplo
Los pesos en kg por 1,7 m de estatura se ilustran en la siguiente tabla. La
finalidad es determinar si existen diferencias reales entre las cuatro
muestras. Emplear un nivel de significacin de 0,05

Solucin:
Las hiptesis Nula y Alternativa son:

Calculando las medias aritmticas se obtiene:

UNIV: MOSTACEDO YUPANQUI ABRAHAN

1
2

DISEO INDUSTRIAL

MAT(235)

Se llena la siguiente tabla para calcular las varianzas muestrales:

Remplazando los datos en la frmula de la varianza se obtienen las

varianzas de las 4 muestras.

UNIV: MOSTACEDO YUPANQUI ABRAHAN

1
3

DISEO INDUSTRIAL

MAT(235)

Calculando la estimacin interna de varianza se obtiene:

Para calcular la estimacin intermediante de varianza primero se

calcular la varianza de las medias aritmticas

Se llena la siguiente tabla:

UNIV: MOSTACEDO YUPANQUI ABRAHAN

1
4

DISEO INDUSTRIAL

MAT(235)

Se remplaza los datos de la tabla para calcular varianza de las medias

aritmticas

Calculando la estimacin intermediante de varianza se obtiene:

La grfica se muestra en la siguiente figura:

UNIV: MOSTACEDO YUPANQUI ABRAHAN

1
5

DISEO INDUSTRIAL

MAT(235)

Decisin:

UNIV: MOSTACEDO YUPANQUI ABRAHAN

1
6

DISEO INDUSTRIAL

MAT(235)

PRUEBA T DE STUDENT
Historia
El estadstico t fue introducido por William Sealy Gosset en 1908, un
qumico que trabajaba para la cervecera Guinness de Dubln. Student
era su seudnimo de escritor. Gosset haba sido contratado gracias a
la poltica de Claude Guiness de reclutar a los mejores graduados de
Oxford y Cambridge, y con el objetivo de aplicar los nuevos avances
en bioqumica y estadstica al proceso industrial de Guiness. Gosset
desarroll el test t como una forma sencilla de monitorizar la calidad
de la famosa cerveza stout. Public su test en la revista inglesa
Biometrika en el ao 1908, pero fue forzado a utilizar un seudnimo
por su empleador, para mantener en secreto los procesos industriales
que se estaban utilizando en la produccin. Aunque de hecho, la
identidad de Gosset era conocida por varios de sus compaeros
estadsticos

Para datos relacionados (muestras dependientes)

La prueba estadstica t de Student para muestras dependientes es
una extensin de la utilizada para muestras independientes. De esta
manera, los requisitos que deben satisfacerse son los mismos,
excepto la independencia de las muestras; es decir, en esta prueba
estadstica se exige dependencia entre ambas, en las que hay dos
momentos uno antes y otro despus. Con ello se da a entender que
en el primer perodo, las observaciones servirn de control o testigo,
para conocer los cambios que se susciten despus de aplicar una
variable experimental.
Con la prueba t se comparan las medias y las desviaciones estndar
de grupo de datos y se determina si entre esos parmetros las
diferencias son estadsticamente significativas o si slo son
diferencias aleatorias.

Consideraciones para su uso.

El nivel de medicin, en su uso debe ser de intervalo o

posterior.

El diseo debe ser relacionado.

Se deben cumplir las premisas paramtricas.

UNIV: MOSTACEDO YUPANQUI ABRAHAN

1
7

DISEO INDUSTRIAL

MAT(235)

En cuanto a la homogeneidad de varianzas, es un requisito que

tambin debe satisfacerse y una manera prctica es demostrarlo
mediante la aplicacin de la prueba ji cuadrada de Bartlett. Este
procedimiento se define por medio de la siguiente frmula:
Donde:
t = valor estadstico del procedimiento.
= Valor promedio o media aritmtica de las
diferencias entre los momentos antes y despus.
sd = desviacin estndar de las diferencias entre
los momentos antes y despus.
N = tamao de la muestra.
La media aritmtica de las diferencias se obtiene de la manera
siguiente:

La desviacin estndar de las diferencias se logra como sigue:

Pasos:
1. Ordenar los datos en funcin de los momentos antes y despus,
y obtener las diferencias entre ambos.
2. Calcular la media aritmtica de las diferencias ( ).
3. Calcular la desviacin estndar de las diferencias (sd).
4. Calcular el valor de t por medio de la ecuacin.
5. Calcular los grados de libertad (gl) gl = N - 1.
6. Comparar el valor de t calculado con respecto a grados de
libertad en la tabla respectiva, a fin de obtener la probabilidad.
7. Decidir si se acepta o rechaza la hiptesis.

UNIV: MOSTACEDO YUPANQUI ABRAHAN

1
8

DISEO INDUSTRIAL

MAT(235)

Ejemplo 1
Objetivo. Comparar los niveles de ansiedad de jvenes no asertivos
antes y despus de participar en un entrenamiento de habilidades
sociales.
Especificaciones. 10 jvenes no asertivos que asisten a la Clnica
Universitaria de Salud Integral (CUSI) del campus Iztacala. Se evalu
el nmero de comportamientos ansiosos que reportaban los jvenes
antes y despus del entrenamiento.
Eleccin y justificacin de la prueba estadstica T de Student para grupos
relacionados.
1. Las mediciones son cuantitativas con variables continuas y una
escala de intervalo.
2. Nmero de observaciones N=10.
3. Una VD numrica: puntajes de 10 jvenes no asertivos que
asisten a la CUSI.
4. Una VI con 2 niveles: Antes y despus del entrenamiento.
5. Dos muestras relacionadas: los mismos sujetos evaluados en
dos momentos diferentes.
Planteamiento de la hiptesis.

Hiptesis alterna (H1). El nivel de ansiedad de jvenes no

asertivos disminuye despus de participar en un entrenamiento
en habilidades sociales, existiendo diferencias significativas
entre antes y despus. H1: X1 < X2.

Hiptesis nula (Ho). Los cambios observados antes y despus

del entrenamiento en habilidades sociales se deben al azar, y
no hay diferencias entre ambos perodos. Ho: X1 X2.

Nivel de significacin.
Para todo valor de probabilidad igual o menor que 0.05, se acepta H1
y se rechaza Ho.
a = 0.05

UNIV: MOSTACEDO YUPANQUI ABRAHAN

1
9

DISEO INDUSTRIAL

MAT(235)

Zona de rechazo.
Para todo valor de probabilidad mayor que 0.05, se acepta Ho y se
rechaza H1.
1. Si la to tt se rechaza Ho.
2. Si la p(to) a se rechaza Ho.
Puntaje obtenido de 10 jvenes no asertivos que asisten a la CUSI.

Clculo de la prueba estadstica.

a=
0.05 gl
= 9 to
= 5.79
tt =
2.262
El valor calculado o obtenido de t (5.79) se compara con los valores
crticos de la distribucin t (tabla), y se observa que a una
probabilidad de 0.05 le corresponde 2.262 de t. Por tanto, el clculo
tiene un probabilidad menor que 0.05.
Decisin.
UNIV: MOSTACEDO YUPANQUI ABRAHAN

2
0

DISEO INDUSTRIAL

MAT(235)

Como to es de 5.79, con 9 grados de libertad, tiene un valor de

probabilidad menor que 0.05, entonces se acepta H1 y se rechaza Ho.
to > tt se rechaza Ho. Hay una reduccin en los niveles de ansiedad
en 10 jvenes no asertivos que asisten a la CUSI despus de un
entrenamiento. P(0.05) < a = 0.05 se rechaza Ho.
Interpretacin.
El nivel de ansiedad de jvenes no asertivos disminuye despus de
participar en un entrenamiento en habilidades sociales, existiendo
diferencias significativas entre antes y despus.

UNIV: MOSTACEDO YUPANQUI ABRAHAN

2
1