Asignatura: Diseño y análisis de experimentos

Del estudio de las muestras se puede llegar a

comprender el comportamiento de la población
EXPERIMENTOS CON UN SOLO
FACTOR BAJO UN DISEÑO Inferencia estadística
COMPLETAMENTE ALEATORIZADO:
DOS NIVELES
Estimación Pruebas de
hipótesis
Asignatura: Diseño y análisis de experimentos
Docente: Alcy René Cerón Mosquera

Para realizar inferencia se requiere saber los valores

posibles que puede tomar el estadístico de prueba, de
acuerdo a unos supuestos.
En esto apoyan las distribuciones de probabilidad.

Un estadístico describe una muestra mediante un valor

numérico.

“Este proceso produce menos de 8% de defectuosos”

Hipótesis estadística
Afirmación sobre los valores de los parámetros de una
población, que puede probarse a partir de la información
contenida en una muestra.
“Este proceso produce 8% de defectuosos”
H0: p=0,08 (proporción de defectuosos es 0,08)
HA: p≠0,08 (proporción de defectuosos es diferente de
0,08)
H0: p<0,08 (proporción de defectuosos es menor a 0,08)
HA: p≥0,08 (proporción de defectuosos es mayor o igual a
0,08)
Se parte del supuesto que H0 es verdadera.
La evidencia estadística es la que confirma si H0 es
verdadera o deba rechazarse y aceptar HA.
HA: p<0,08 (proporción de defectuosos es menor a
0,08) Hipótesis unilateral
HA: p≠0,08 (proporción de defectuosos es diferente de
0,08) Hipótesis bilateral

Presentación incompleta,
Material elaborado por: Alcy René Cerón Mosquera.
Contacto: alcyceron@unicauca.edu.co
1
Asignatura: Diseño y análisis de experimentos

Errores tipo I y tipo II

Error tipo I: cuando se rechaza una H0 que es verdadera
Error tipo II: cuando se acepta una H0 que es falsa

α = P {error tipo I}

α se le suele denominar significancia

α determina la región o intervalo de rechazo de H0
Con una α = 0,05 se espera que la decisión
correcta tenga una probabilidad del 95%

Criterios estadísticos de aceptación o 2. Significancia observada frente a significancia

rechazo de hipótesis
1. Comparar estadístico de prueba frente a un valor
crítico.
Estadístico de prueba:
prueba Valor calculado a partir de los
datos de la muestra que permite establecer si se rechaza
o no la hipótesis nula.
La aceptación o rechazo de la hipótesis se da en
regiones de la distribución de probabilidad empleada.
predefinida.
α → significancia predefinida
valor p → significancia observada o calculada
H0 se rechaza si: valor p < α
Se da comparación entre probabilidades
Ej: valor p = 0,001 y α=0,05 ¿se rechaza o no H0?

3. Intervalo de confianza. Hipótesis para dos medias:

comparación de dos tratamientos
Un intervalo de confianza es un intervalo de valores,
derivado de los estadísticos de la muestra, que
posiblemente incluya el valor de un parámetro
desconocido.
Ej: H0: µ=50,1
Intervalo de confianza al 90% = [48,9 , 49,9]
Se rechaza H0 cuando valor del parámetro esta por fuera
del intervalo de confianza.

Presentación incompleta,
Material elaborado por: Alcy René Cerón Mosquera.
Contacto: alcyceron@unicauca.edu.co
2
Asignatura: Diseño y análisis de experimentos

Caso 2: Varianzas σ21 y σ22 no conocidas.

conocidas.
Para resolver este tipo de problemas pueden ocurrir dos
casos generales:
Supuestos:
ܺതଵ ,ܺതଶ , ܵଵଶ , ܵଶଶ de dos muestras aleatorias independientes
Caso 1: Varianzas σ21 y σ22 conocidas.
conocidas. (Emplea como σ21 y σ22 no se conocen.
estadístico de prueba el valor Z)
Las dos poblaciones de donde vienen las muestras son
normales.
Caso 2: Varianzas σ21 y σ22 no conocidas.
conocidas. (Emplea como
estadístico de prueba el valor T)
Las varianzas ܵଵଶ y ܵଶଶ pueden ser iguales o diferentes.

2.1) Varianzas no conocidas iguales (σ21 = σ22) Considerando H0: µ1 = µ2

Estadístico:

Sigue distribución t de Student con ݊ଵ ൅ ݊ଶ െ2 grados

de libertad.
(݊ଵ y ݊ଶ tamaño muestras)

a) Prueba bilateral
Región crítica de rechazo H0 :
H0: µ1 = µ2 HA: µ1 ≠ µ2 con α definida
R.C.={T<-t1-α/2,n1+n2-2 ó T>t1-α/2, n1+n2-2}

Región de aceptación H0 :
R.A.={-t1-α/2,n1+n2-2 ≤ T ≤ t1-α/2, n1+n2-2}

Presentación incompleta,
Material elaborado por: Alcy René Cerón Mosquera.
Contacto: alcyceron@unicauca.edu.co
3
Asignatura: Diseño y análisis de experimentos

b) Prueba unilateral de cola a la derecha

Región crítica de rechazo H0 :
H0: µ1 ≤ µ2 HA: µ1 > µ2 con α definida
R.C.={T>t1-α, n1+n2-2}

Región de aceptación H0 :
R.A.={T ≤ t1-α, n1+n2-2}

c) Prueba unilateral de cola a la izquierda

Región crítica de rechazo H0 :
H0: µ1 ≥ µ2 HA: µ1 < µ2 con α definida
R.C.={T<-t1-α, n1+n2-2}

Región de aceptación H0 :
R.A.={T ≥ -t1-α, n1+n2-2}

2.2) Varianzas no conocidas distintas (σ21 ≠ σ22) a) Prueba bilateral:

bilateral: H0: µ1 = µ2 HA: µ1 ≠ µ2 con α definida
Para poblaciones normales e independientes. Región crítica de rechazo H0 :
Estadístico: R.C.={T<-t1-α/2, r ó T>t1-α/2, r}
Región de aceptación H0 :
R.A.={-t1-α/2, r ≤ T ≤ t1-α/2, r}

b) Prueba unilateral de cola a la derecha:

derecha: H0: µ1 ≤ µ2
Sigue distribución t de Student con r grados de libertad. HA: µ1 > µ2 con α definida
* r debe aproximarse al valor entero más cercano. Región crítica de rechazo H0 : R.C.={T>t1-α, r}
Regiones críticas y decisión similares a caso 2.1 Región de aceptación H0 : R.A.={T ≤ t1-α, r}

Presentación incompleta,
Material elaborado por: Alcy René Cerón Mosquera.
Contacto: alcyceron@unicauca.edu.co
4
Asignatura: Diseño y análisis de experimentos

Prueba de homogeneidad de varianzas

c) Prueba unilateral de cola a la izquierda
Empleada para comprobar si dos varianzas son o no
H0: µ1 ≥ µ2 HA: µ1 < µ2 con α definida iguales.
Región crítica de rechazo H0 : ܵଵଶ , ܵଶଶ de dos muestras aleatorias independientes de dos
R.C.={T<-t1-α, r} poblaciones.
Región de aceptación H0 : Estadístico:
R.A.={T ≥ -t1-α, r}

Sigue distribución F con grados de libertad r1=n1-1 y

r2=n2-1.

Considerando σ21 = σ22 Recordando:

Recordando:
Caso 2: Varianzas σ21 y σ22 no conocidas.
conocidas.
Emplea estadístico T y distribución t de Student.
Supuestos:
ܺതଵ ,ܺതଶ , ܵଵଶ , ܵଶଶ de dos muestras aleatorias independientes
Para prueba bilateral: σ21 y σ22 no se conocen.
H0: σ21 = σ22 HA: σ21 ≠ σ22 Las dos poblaciones de donde vienen las muestras son
Región crítica de rechazo H0 : normales.
R.C.={F<fα/2,r1.r2 ó F>f1-α/2, r1.r2}
Las varianzas ܵଵଶ y ܵଶଶ pueden ser iguales o diferentes.

Cuando no se cumple el supuesto que las dos

poblaciones de donde vienen las muestras son
normales, toca emplear pruebas no paramétricas.

La prueba no paramétrica más empleada para comparar

dos muestras independientes es la prueba U de Mann-
Whitney.

Para verificar normalidad de datos puede emplearse la

prueba de Kolmogorov-Smirnov.

Presentación incompleta,
Material elaborado por: Alcy René Cerón Mosquera.
Contacto: alcyceron@unicauca.edu.co
5