Académique Documents
Professionnel Documents
Culture Documents
I. INTRODUCCION .......................................................................................... 5
CAPITULO I ...................................................................................................... 6
A) OBJETIVOS .............................................................................................. 6
1. JUSTIFICACION ................................................................................... 7
2. IMPORTANCIA ..................................................................................... 7
CAPITULO II ..................................................................................................... 8
Por haberme permitido llegar hasta este punto y haberme dado salud para lograr mis
objetivos, además de su infinita bondad y amor.
Aquí el autor inicia su dedicatoria nombrando a Dios. Recuerda todos esos momentos
de estrés que viviste en la realización de tu tesis y toda la paciencia que le pediste a
Dios para continuar y no morir en el intento. Viste como el autor en un pequeño
párrafo pudo expresar mucho sin necesidad de extenderse.
I. INTRODUCCION
central lo que permite explicar cómo a partir de una muestra se puede inferir algo acerca
de una población, lo cual nos lleva a definir y elaborar una distribución de muestreo de
medias muéstrales que nos permite explicar el teorema del límite central y utilizar este
teorema para encontrar las probabilidades de obtener las distintas medias maestrales de
una población.
esta información.
En este caso es necesario hacer una estimación puntual que es un valor que se usa para
estimar un valor poblacional. Pero una estimación puntual es un solo valor y se requiere
A) OBJETIVOS
1. OBJETIVO GENERAL
2. OBJETIVO ESPECIFICO
1. JUSTIFICACION
alternativa, respectivamente.
2. IMPORTANCIA
estudio que se realice ya que esto nos ayuda a verificar si nuestra hipótesis
Tenemos que empezar por definir que es una hipótesis y que es prueba de hipótesis.
después se hacen las pruebas para verificar la aseveración o para determinar que no es
verdadera.
razonable.
paso:
prueba aporta una clase de prueba más allá de una duda razonable. Analizaremos cada
paso en detalle.
II. TIPOS DE PRUEBAS DE HIPÓTESIS
comienza.
desea llevar al efecto. Hayman (1974) cita: además que aclaran acerca de
cuáles son las variables, que han de analizarse y las relaciones que existen
que permitirán llegar a los datos necesarios que permitirán llegar a los datos y
Hipótesis estadísticas:
formular solamente cuando los datos del estudio que se van a recolectar y
casos atendidos).
estadística:
Ha: X < 200 (“el promedio mensual de casos... es menor que 200”)
rechazar o anular.
Generalmente, "nula" se refiere a la opinión general de algo, mientras que la
de un fenómeno.
están probando hipótesis, lo que constituye una práctica mala y puede tener
efectos adversos.
nula formulada en un experimento y/o investigación. Esta surge como resultado de una
investigador quiere demostrar o afirmar tras su estudio. Esta se expresa con la expresión
alternativa.
III. PROCEDIMIENTO SISTEMÁTICO PARA UNA PRUEBA DE
HIPÓTESIS DE UNA MUESTRA
cero no hay diferencia. Por lo general hay un "no" en la hipótesis nula que indica que
La hipótesis nula es una afirmación que no se rechaza a menos que los datos maestrales
nula siempre contiene un signo de igualdad con respecto al valor especificado del
parámetro.
una afirmación que se acepta si los datos maestrales proporcionan evidencia suficiente
este término es más adecuado ya que se corre el riesgo de rechazar la hipótesis nula,
cuando en realidad es verdadera. Este nivel está bajo el control de la persona que realiza
la prueba.
Si suponemos que la hipótesis planteada es verdadera, entonces, el nivel de
aceptación.
otro lado, estos valores no son tan improbables de presentarse si la hipótesis nula es
Tipos de errores
debía ser aceptada. La probabilidad de cometer un error tipo I se denomina con la letra
alfa α
Un error tipo II, se denota con la letra griega β se presenta si la hipótesis nula es
En cualquiera de los dos casos se comete un error al tomar una decisión equivocada.
En la siguiente tabla se muestran las decisiones que pueden tomar el investigador y las
consecuencias posibles.
Para que cualquier ensayo de hipótesis sea bueno, debe diseñarse de forma que
minimice los errores de decisión. En la práctica un tipo de error puede tener más
importancia que el otro, y así se tiene a conseguir poner una limitación al error de
depende de la diferencia entre los valores supuesto y real del parámetro de la población.
Como es más fácil encontrar diferencias grandes, si la diferencia entre la estadística de
El estudio y las conclusiones que obtengamos para una población cualquiera, se habrán
que estemos dispuestos a asumir estos errores, dependerá, por ejemplo, el tamaño de la
muestra requerida. Las contrastaciones se apoyan en que los datos de partida siguen una
distribución normal
Existe una relación inversa entre la magnitud de los errores α y β: conforme a aumenta,
se rechaza la hipótesis nula., existen muchos estadísticos de prueba para nuestro caso
muestras que se toman, si las muestras son de la prueba son iguales a 30 o mas se utiliza
igualdad
Ejemplo
H0 : µ = 200
H1 : µ ≠ 200
H0 : µ ≥ 200 H0 : µ ≤ 200
En la prueba para una media poblacional con muestra pequeña y desviación estándar
ubicación de todos los valores que son tan grandes o tan pequeños, que la probabilidad
remota
Distribución muestral del valor estadístico z, con prueba de una cola a la derecha
Tenga presente que en una prueba de hipótesis solo se puede tomar una de dos
decisiones: aceptar o rechazar la hipótesis nula. Debe subrayarse que siempre existe la
tipo I). También existe la posibilidad de que la hipótesis nula se acepte cuando debería
parámetro. Se realiza una prueba de hipótesis cuando se desea probar una afirmación
etc.).
conoce como hipótesis nula. Una hipótesis nula es siempre una de status quo o de no
diferencia.
también zonas de rechazo de la hipótesis nula, estos casos son los siguientes:
En toda prueba de hipótesis se pueden cometer 2 tipos de errores:
Prueba medias de una muestra
Se utiliza una prueba de una muestra para probar una afirmación con respecto a una
el tamaño de la muestra sea menor de 30, ya que para muestras más grandes los
en lugar de la distribución t.
4.2 Prueba de hipótesis de dos medias.
Un test de hipótesis para dos muestras es similar en muchos aspectos al test para una
muestra.
Se especifica una hipótesis nula, en la mayoría de los casos se propone que las
(uni o bilateral).
son diferentes.
independientes.
MUESTRAS APAREADAS
del primer grupo, hay una observación relacionada en el segundo grupo. Este diseño
término porque se pueden aplicar, con sólo tomar diferencias, todos los
métodos diferentes.
Las pruebas de proporciones son adecuadas cuando los datos que se están analizando
de población. Las pruebas se basan en la premisa de que una proporción muestral (es
compara con la variabilidad prescrita mediante una distribución de muestreo que tiene
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
Cuando el objetivo del muestreo es evaluar la validez de una afirmación con respecto a
grande o pequeño.
ambas pruebas se basan en la distribución normal estándar para valores críticos. Quizá
la única diferencia real entre las ambas radica en la forma corno se obtiene la desviación
Como ocurrió con la prueba de medias de una muestra, las pruebas de proporciones
Si se consideran las proporciones como medias y se aplica la prueba t utilizada para comparar medias
poblacionales los resultados no son fiables ya que la estimación del error típico que realiza el programa no
coincide con la del estadístico de prueba. Para resolver el problema con el programa SPSS se deberá cruzar la
variable analizada con la que define los grupos (obtener la tabla de contingencia) y realizar el contraste de
independencia Chi-cuadrado.
La secuencia es:
Analizar
Estadísticos Descriptivos
Tablas de contingencia
En el cuadro de diálogo se indica la variable que se quiere contrastar (filas), la variable que define los dos
grupos (columnas) y se selecciona la opción Chi-cuadrado en Estadísticos.
EJEMPLO
La hipótesis nula del contraste es ; siendo la proporción poblacional de hombres con vehículo
y la proporción poblacional de mujeres con vehículo.
Con la secuencia Analizar > Estadísticos Descriptivos > Tablas de contingencia se accede al cuadro de
diálogo donde se indica que la variable a contrastar es Vehículo y que la variable de agrupación es el Género, y
se selecciona la opción Chi-cuadrado en Estadísticos. Al aceptar se obtiene el siguiente cuadro de resultados.
Esta prueba puede utilizarse incluso con datos medibles en una escala nominal. La
muestra.
Para realizar este contraste se disponen los datos en una tabla de frecuencias. Para cada
A continuación, y suponiendo que la hipótesis nula es cierta, se calculan para cada valor
Este estadístico tiene una distribución Chi-cuadrado con k-1 grados de libertad si n es
suficientemente grande, es decir, si todas las frecuencias esperadas son mayores que 5.
estadístico tomará un valor igual a 0; por el contrario, si existe una gran discrepancias
rechazará la hipótesis nula. Así pues, la región crítica estará situada en el extremo
en Contrastar variables.
dos alternativas. Por defecto está activada Todas la categorías iguales que recoge la
opción Valoresrequiere especificar uno a uno los valores esperados de las frecuencias
El recuadro Rango esperado presenta dos opciones: por defecto está activada Obtener
de los datos que realiza el análisis para todas las categorías o valores de la variable; la
otra alternativa, Usar rango especificado, realiza el análisis sólo para un deteminado
rango de valores cuyos límites Inferior y Superior se deben especificar en los recuadros
de texto correspondientes.
calcular los Estadísticos Descriptivos y/o los Cuartiles, así como seleccionar la forma
aquí es decidir si una correlación observada entre dos caracteres estadísticos, medidos
Rechazo de
V. ANÁLISIS DE VARIANZA
bilaterales por parejas que son un mal método para determinar si un conjunto de
Usamos ANOVA de un factor cuando queremos saber si las medias de una variable son
diferentes entre los niveles o grupos de otra variable. Por ejemplo, si comparamos el
número de hijos entre los grupos o niveles de clase social: los que son clase baja, clase
Condiciones:
factor)
Se pide que las variables sigan la distribución normal, aunque como siempre esto es
También que las varianzas (es decir, las desviaciones típicas al cuadrado) de cada
ANOVA de un factor compara las medias de la variable dependiente entre los grupos o
Por ejemplo, comparamos las medias de la variable “Número de hijos” según los grupos
hay relación entre las variables. En cambio, y siguiendo con el ejemplo, si las medias
del número de hijos son diferentes entre los niveles de la clase social es que las
grupos.
El cálculo del estadístico F es algo complejo de entender, pero lo que hace es dividir la
variación entre los grupos por la variación dentro de los grupos. Si las medias entre los
grupos varían mucho y la media dentro de un grupo varía poco, es decir, los grupos son
heterogéneos entre ellos y similares internamente, el valor de F será más alto, y por
En conclusión, cuanto más difieren las medias de la variable dependiente entre los
análisis de ANOVA de un factor, aquel con F más alto indicará que hay más diferencias
al azar. Siguiendo un nivel de confianza del 95%, el más utilizado en ciencias sociales,
cuando la significación de F sea menor de 0,05 es que las dos variables están
relacionadas.
Significación: si es menor de 0,05 es que las dos variables están relacionadas y por
significa que las medias de la variable dependiente difieren o varían mucho entre los
Quiero averiguar si el número de hijos varían según el nivel educativo. Para ello
comparo las medias de números de hijos entre los diversos niveles educativos: sin
"Número de hijos" (How many children do you have): es una variable cuantitativa
explicar
Las categorías o grupos de la clase social son: clase baja, clase trabajadora, clase
El resultado es el siguiente:
En la tercera columna se observan las medias para cada grupo de clase social. Si nos
fijamos en las medias del número de hijos en cada grupo de clase social, podemos
observar que a medida que aumenta la clase social desciende la media del número de
hijos. Las personas de clase baja (lower class) tienen de media 2,18 hijos, las de clase
trabajadora (working class) 1,88 hijos, las de clase media-baja (lower middle class)
1,78, las de clase media alta 1,70 hijos y las de clase alta (upper class) tienen de media
1,69 hijos.
0,05 es que las diferencias de media de hijos entre los grupos de la clase social son
Es un diseño de anova que permite estudiar simultáneamente los efectos de dos fuentes
de variación.
arterial, se podría plantear que, quizás, la evolución de la misma fuera diferente para los
muestra no fuera el mismo, podría ocurrir que una parte del efecto atribuido a los
individuos de acuerdo a dos factores (o vías) para estudiar simultáneamente sus efectos.
En este ejemplo se harían cinco grupos de tratamiento para los hombres y otros cinco
para las mujeres, en total diez grupos; en general, si el primer factor tiene a niveles y el
El primer subíndice indica el nivel del primer factor, el segundo el nivel del segundo
factor y el tercero la observación dentro de la muestra. Los factores pueden ser ambos
de efectos fijos (se habla entonces de modelo I), de efectos aleatorios (modelo II) o uno
modelo II
modelo mixto
donde m es la media global, ai o Ai el efecto del nivel i del 1º factor, bj o Bj el efecto del
nivel j del 2º factor y e ijk las desviaciones aleatorias alrededor de las medias, que
A los términos ( ab )ij, (AB)ij, (aB)ij, se les denomina interacción entre ambos factores y
Para entender mejor este concepto de interacción veamos un ejemplo sencillo sobre un
anova de dos factores, cada uno con dos niveles: supóngase un estudio para analizar el
efecto de un somnífero teniendo en cuenta el sexo de los sujetos. Se eligen al azar dos
les suministra un placebo y a los otros grupos el somnífero. Se mide el efecto por el
(hombre y mujer para el sexo y somnífero y placebo para el fármaco). Los dos tipos de
A B
En la figura A se observa que las mujeres tardan más en dormirse, tanto en el grupo
tratado como en el grupo placebo (hay un efecto del sexo) y que los tratados con
placebo tardan más en dormirse que los tratados con somnífero en ambos sexos (hay un
Sin embargo en la figura B es difícil cuantificar el efecto del somnífero pues es distinto
distinto en ambos grupos de tratamiento. En este caso, se dice que existe interacción.
Podría, incluso, darse el caso de que se invirtieran los efectos de un factor para los
distintos niveles del otro, es decir, que las mujeres se durmieran antes con el somnífero
cuando se dan juntos, su efecto no es la suma de los efectos que tienen cuando están por
dos factores, no tiene sentido estimar los efectos de los factores por separado. A la
interacción positiva, es decir, cuando el efecto de los factores actuando juntos es mayor
de la figura B, se diría que el ser mujer inhibe el efecto del somnífero, o que el ser
El modelo de diseño de experimentos con dos factores se puede generalizar a tres o más
Factor T J 2 J-1
scT = IRK j=1 j
Factor T R 2 R-1
scT = IJK r=1 r
Inter. I J 2 (I - 1)(J - 1)
sc = RK i=1 j=1 ij
Inter. I R 2 (I - 1)(R - 1)
sc = JK i=1 r=1 ir
Inter. J R 2 (J - 1)(R - 1)
sc = IK j=1 r=1 jr
Residual I J R IJR(K - 1)
scR = i=1 j=1 r=1 t=
K 2
1 eijrk
Global I J R IJRK - 1
scG = i=1 j=1 r=1 t=
Ke 2
1 ijrk
VI. CONCLUSIONES
decir, que pertenece a una clase determinada, por ejemplo a las del tipo normal,
Se plantea una hipótesis nula, donde se asume un valor para el parámetro; y una
http://probafacil.com/prueba-de-hipotesis-estadistica/
https://asesoriatesis1960.blogspot.com/2018/01/que-son-las-hipotesis-
estadisticas.html
https://explorable.com/es/hipotesis-nula
https://www.clubensayos.com/Ciencia/Procedimiento-Sistematico-Para-Una-
Prueba-De-Hipotesis/529121.html
https://www.monografias.com/trabajos91/prueba-hipotesis-medias-excel-y-
winstats/prueba-hipotesis-medias-excel-y-winstats.shtml
https://es.scribd.com/doc/59262046/Prueba-de-Hipotesis-de-Dos-Proporciones
http://www.dm.uba.ar/materias/estadistica_Q/2010/2/C011Tests%20para%20dos
%20muestras.pdf
https://www.monografias.com/trabajos91/prueba-hipotesis-proporciones-z-y-ji-
cuadrado-empleando-excel-y-winstats/prueba-hipotesis-proporciones-z-y-ji-
cuadrado-empleando-excel-y-winstats.shtml
http://www.ub.edu/aplica_infor/spss/cap4-5.htm
http://www.ub.edu/aplica_infor/spss/cap5-2.htm
https://ljk.imag.fr/membres/Bernard.Ycart/emel/cours/ts/node16.html
http://networkianos.com/anova-de-un-factor-que-es-como-analizar/
http://www.hrc.es/bioest/Anova_10.html
http://dm.udc.es/asignaturas/estadistica2/sec5_6.html