Académique Documents
Professionnel Documents
Culture Documents
INTRODUCCION
Los estudiantes que ingresan a las carreras del área de la salud de la Universidad Diego
Portales, en general vienen de la enseñanza media con una formación matemática muy
heterogénea. Tienen en su formación Universitaria, asignaturas como Bioestadística y
Metodología de investigación, que requieren un razonamiento lógico y matemático.
El objetivo de este texto, es ayudar a los estudiantes de pregrado a comprender los
métodos estadísticos, a analizar y presentar información de utilidad en la investigación del
área de la salud, a comprender publicaciones científicas.
En cada concepto que ha sido tratado, se ha buscado más la ejemplificación que la
demostración matemática y para su mejor comprensión, se ha incluido ejemplos
desarrollados completamente. También se incluye en los principales capítulos, ejercicios
propuestos, con su respectivo resultado.
Introducción ---------------------------------------------------1
Índice ---------------------------------------------------2
Capítulo I: Estadística descriptiva ---------------------------------------------------3
Medida de Tendencia Central ---------------------------------------------------3
Medida de Dispersión ---------------------------------------------------7
Ejercicios resueltos ---------------------------------------------------16
Capítulo II: Probabilidades ---------------------------------------------------17
Axiomática y Teoremas ---------------------------------------------------17
Prob. Condicional ---------------------------------------------------20
Teorema de Bayes ---------------------------------------------------23
Aplicaciones ---------------------------------------------------26
Modelo Binomial ---------------------------------------------------36
Distribución Normal ---------------------------------------------------39
Capítulo III: Inferencia Estadística ---------------------------------------------------43
Estimación de Parámetros Poblacionales ---------------------------------------------------45
Estimación de parámetros por intervalos ---------------------------------------------------46
de confianza
Estimación de un promedio poblacional ---------------------------------------------------47
Estimación de la varianza poblacional ---------------------------------------------------48
Estimación de la proporción poblacional ---------------------------------------------------51
Pruebas de hipótesis: Conceptualización ---------------------------------------------------53
Pruebas de hipótesis para la media ---------------------------------------------------56
Pruebas de hipótesis para la proporción ---------------------------------------------------61
Pruebas de hipótesis para la varianza ---------------------------------------------------63
Pruebas de hipótesis para 2 medias en ---------------------------------------------------67
muestras independientes
Pruebas de hipótesis para 2 proporciones ---------------------------------------------------71
Pruebas de hipótesis para 2 muestras ---------------------------------------------------74
relacionadas
Ejemplos resueltos de pruebas de ---------------------------------------------------76
hipótesis
Análisis de Varianza ---------------------------------------------------80
Prueba de hipótesis de Asociación ---------------------------------------------------84
Análisis de Regresión Lineal Simple ---------------------------------------------------87
Anexo: Tablas ---------------------------------------------------95
ESTADISTICA DESCRIPTIVA
Uno de los objetivos más importantes de la estadística es describir usando
estadígrafos adecuados y gráficos estadísticos, los resultados obtenidos del análisis de los
datos obtenidos en una muestra.
N
xi
i 1
N
x x 2 ··· x n x
x 1
n n
El valor promedio del peso de nacimiento de recién nacidos es: x y representa el peso
que tendrían los recién nacidos si hubiesen pesado lo mismo.
Y
y i ni
n
2. La Mediana
2.1 Mediana de la población.
n 1
Posición de la mediana = cuando n es impar
2
n
Cuando n es par, la mediana es el promedio de los valores que ocupan la posición y
2
n
la posición +1
2
Me=3050 grs
ni 1
M oda (x) Linf Ci
(ni 1 ni 1 )
4.Percentiles.
Consiste en encontrar un valor de la variable que supera a un
porcentajedado de los datos, el cálculo de la mediana en el que corresponde al percentil
50
nk
100 N i 1
Pk (x) Linf Ci
ni
2
(x )
i
2
2 i 2 i
s = s
n 1 n 1
Su valor es siempre mayor o igual a cero. ( Nunca negativa ya que sus valores son
cuadrados)
Si todos los valores de la muestra son iguales, la varianza es cero
Si a todos los valores de la muestra se les suma una misma cantidad, el valor de la
varianza se mantiene igual.
Si todos los valores de la muestra son amplificados por una misma cantidad, la
varianza resulta amplificada por el cuadrado del factor de amplificación.
3. La desviación estándar.
Se obtiene al extraer la raíz cuadrada de la
varianza, por tal razón se mide en la misma unidad de la variable.
Desviación estándar de la muestra. Sea x1, x2, …, xn una muestra de n
observaciones de una variable X. La desviación estándar de la muestra se define
por:
s s2 con varianza s2
4. Coeficiente de variación(C.V)
El coeficiente de variación es un indicador de la variabilidad de una
distribución, mientras más pequeño es su valor más homogénea es la distribución,
además como es adimensional permite comparar la variabilidad en un conjunto de datos
con la de otro, incluso si tienen distinta unidad de medición.
x s s
CV
x
Talla 1.12 mts 0.05 mts 4,5%
Peso 35 kgs 2.1 kgs 6%
Observamos que en la muestra de los niños, en el peso hay mayor heterogeneidad que en
la talla.
c. Calcular con los datos sin tabular y con los datos tabulados: media aritmética,
mediana, percentil 25, percentil 75. Interpretar cada valor obtenido.
Media
72,09
aritmética
Mediana 71
Percentil 25 61
Percentil 75 84
Datos tabulados
Media Aritmética
Y
y i ni
= (47*7+61*7+75*11+89*6+103*4 )/35 = 72,2 segundos
n
Mediana.
n 50
100 N i 1
Me ( x) Linf Ci
ni
Me ( x) 68 14
17.5 14 72.45
11
P25( x) 54 14
8,75 7 57.5
7
Percentil 75
P75( x) 82 14
26,25 - 25 84.9
6
Media
72,2
aritmética
Mediana 72.5
Percentil 25 57.5
Percentil 75 84.9
Observación:
Se observa que los indicadores estadísticos no varían significativamente
según se calculen sin tabular o tabulados, la pequeña variación se debe a que al agrupar
los datos, los cálculos se realizan usando la marca de clase para representar a todas las
observaciones que hay en el intervalo. Respecto a la interpretación de los datos, la media
aritmética indica que si todos los niños hubiesen empleado el mismo tiempo en resolver el
problema del laberinto, tendrían un valor de 72,2 segundos. La mediana indica que 72,5
segundos es el valor que supera al 50% de los datos de la muestra, en tanto que es
superado por el 50% restante de datos de la muestra. El percentil 25 corresponde a 57.5
segundos, que es el valor tal que supera al 25% de los datos de la muestra, en tanto que
se superado por el 75% restante de datos de la muestra. El percentil 75 corresponde a
84,9 que es el valor tal que supera al 75% de los datos de la muestra, en tanto que es
superado por el 25% restante de datos de la muestra.
Observación:
El histograma indica que la distribución de los datos es homogénea a
través de los intervalos, tendiendo a ser máxima en el intervalo 3, comprendido entre 68 y
82. Se observa que los intervalos 1 y 2 tiene una frecuencia igual para los datos
contenidos en dichos intervalos. El histograma sugiere además que los datos tienen una
distribución que tiene una leve asimetría.
Coeficiente 24,1%
variabilidad. C.V
Recorrido 23
intercuartílico : IQ
Observación:
En el gráfico se observan los siguientes parámetros: Las líneas horizontales
fuera de la caja indican el máximo y el mínimo (línea superior e inferior respectivamente).
El límite inferior de la caja indica el valor del percentil 25, de61; el límite superior de la
caja indica el valor del percentil 75, de 84. La línea al interior de la caja indica el valor de
la mediana que es 71.
Axiomas de Probabilidades.
1) Ax.1. El primer axioma señala que el valor de la probabilidad de cualquier
suceso se encuentra en el intervalo [0, 1].
0≤P(A) ≤1
2) Ax.2. El segundo axioma señala que la probabilidad del espacio muestral
completo es 1.
P(Ω)=1
3) Ax.3. El tercer axioma señala que si se tiene dos sucesos definidos en el
mismo espacio muestral y son mutuamente excluyentes, la probabilidad de
que ocurra al menos uno de los dos, es igual a la suma de las probabilidades
de cada uno de ellos.
P(AUB)=P(A)+P(B) si A∩B=Ø donde Ø es el conjunto vacío
El conjunto de todos los resultados posibles se llama espacio muestral (Ω).
Se llama suceso a un subconjunto de dichos resultados.
A
A’
Unión
Intersección
4. P(AUB)’ = P(A’ ∩ B’ )
Ejemplo.
P( A B)
P( A | B)
P( B)
Lo anterior se puede resumir diciendo que mientras mayor es la intersección de A
con B, mayor es la probabilidad de que ocurra el suceso A cuando ya ocurrió B.
Independencia de Sucesos.
P( A | B) P( A)
P( B | A) P( B)
A1 A2 A3 A4
B ( A B) ( A B) ( A B) ( A B)
1 2 3 4
P( B) P( B A1 ) P( B A2 ) P( B A3 ) P( B A4 )
P( B) P( B ) P( A1 ) P( B ) P( A2 ) P( B ) P(A 3 ) P( B ) P( A4 )
A1 A2 A3 A4
k
P(B)= P( B A ) P( A )
i 1 i
i
Teorema de Bayes.
P( B A )
i 1 i
P ( Ai )
Ejemplo.
En un curso de la Universidad el 60% de los alumnos son mujeres. Se les
realiza un examen para determinar la prevalencia de alergia alimentaria. El resultado dio
que de las mujeres el 30% presenta alergia alimentaria, mientras que en los varones lo
presenta un40%.
1. Si se elige al azar un alumno del curso. ¿Cuál es la probabilidad de que tenga alergia
alimentaria?.
Aquí se aplica el teorema de probabilidad total
Es decir que en promedio hay un 34% de alumnos que presenta alergia alimentaria.
En este caso se aplica el teorema de Bayes, ya que tenemos una información adicional
(que presenta alergia alimentaria ) que reduce el espacio muestral solo al 34% que
presenta la característica ,luego:
Es decir que el saber que la persona elegida presenta alergia alimentaria, existe una
probabilidad de 47% de que sea hombre, lo cuál señala a la vez que en este nuevo
espacio muestral, la probabilidad de que sea mujer es 53%.
Una vez conocido el resultado del test, usando el teorema de Bayes, podemos calcular
la probabilidad de que el paciente esté realmente enfermo o realmente sano, lo que
recibe el nombre de Valores Predictivos del Test
Falsos +
+
Sano
Especificidad, -
Verdaderos -
CUADRO RESÚMEN
ESTADO REAL
+(Enfermo) -(Sano)
E S
a+c b+d
P(-/S) · P(S)
P(S/-) donde: P(-) 1 P()
P(-)
0,8 +
7
0.3
Padece O.P
0,2 -
0,7 0,05
+
No padece O.P
0,95 -
Resultados:
P ( Enf Expuesto)
RR
P ( Enf No Expuesto)
Un valor de RR=2se interpreta como que la probabilidad de enfermedad para las personas
expuestas es dos veces mayor que para las personas no expuestas. Cuando RR es mayor
que 1,0 se dice que la exposición es un factor de riesgo, pero si su valor es menor que
1.0, se dice que la exposición es un factor de protección.
Un valor del R.R de 1.0 significaría la enfermedad es independiente de la exposición.
Expuestos No
expuestos
Enfermo 30 (a) 10(b)
no 80 (c ) 100(d)
enfermo
Total 110(n1) 110(n2)
Solución:
0.273
P ( Enf ) 30 / 110 0.273 y P (Enf No exp) 10 / 110 0.091 RR 3
Exp 0.091
Esto significa que la probabilidad de enfermar de las vías respiratorias para las
personas expuestas a los factores de riesgo propios de una fundición en altas
temperaturas ,es 3 veces mayor que la de las personas no expuestas a dichos factores.
Intervalo de Confianza para estimar RR.
Ln(3) = 1,0986
P(Enf Expuesto)
P(NoEnf Expuesto)
OR
P(Enf NoExpuesto)
P(NoEnf NoExpuesto)
El “ Odds” de los expuestos esta dado por el cuociente entre la probabilidad de que
enferme y la probabilidad de que no enferme, en el espacio muestral de los expuestos.
P(Enf Expuesto)
P(NoEnf Expuesto)
P(Enf NoExpuesto)
P(NoEnf NoExpuesto)
El valor del O.R o la razón de disparidad (odds ratio,) es el cuociente entre ambos
“ Odds”.
El O.R no es tan fácil de comprender como el R.R , pero tiene gran aplicabilidad al
ajustar un modelo de regresión logístico a los datos en un análisis multivariado.
Al igual que en el RR, una valor de O.R=1 significa que el nivel de riesgo es igual en el
grupo expuesto como en el grupo no expuesto. Cuando la prevalencia de enfermedad es
muy pequeña, El valor del R.R y del O.R son equivalentes.
Un ejemplo práctico para comprender el concepto de O.R es el siguiente:
El Odds de ganar con una moneda es 1 ya que la probabilidad de ganar y de perder son
iguales a 0,5. El Odds de ganar apostando a una cara de un dado es 0,2, ya que tiene una
chance de ganar y 5 de perder. Por lo tanto el valor del O.R que es el cuociente entre los
Odds de ambos juegos es 5. Es decir tiene 5 veces más chance de ganar con una
moneda que con un dado.
Enfermos No
enfermos
Expuestos 15 ( a) 10(b)
no 30 (c) 80(d)
expuestos
Total 45 90
En el ejemplo tenemos:
Ln(O.R)=ln4= 1,3863
Si se considera un nivel de confianza del 95% para la construcción del intervalo, tenemos
que Z= 1,96
n
P ( X x) p x q n x
x
n
Representa el número de combinaciones para obtener “ x éxitos “ en los n ensayos
x
p x = p p p…..pRepresenta la probabilidad de “ éxito “ multiplicada x veces
25
P( x 0) (0,05) 0 (0,95) 25 0,2774
0
b) ¿Cuál es la probabilidad de que cuatro alumnos tengan déficit atencional?
EJERCICIOS RESUELTOS.
n
P ( X x) p x q n x
x
a) P( x 2) 1 P( x 2) 1 0,6422 0,3578
25
P( x 0) (0,05) 0 (0,95) 25 0,2774
0
25
b) P ( x 4) (0,05) 5 (0,95) 20 0,00595
5
30
a) P ( x 1) (0,1)1 (0,9) 29 30 0,1 0,0471 0,141
1
b) E ( x) 400 * 0,1 40
30
c) P ( x 0) (0,1) 0 (0,9) 30 0,042
0
Distribución Normal
Sea X una variable aleatoria continua, se dice que sigue una distribución
normal de parámetros y 2 si su función de densidad es:
X μ
2
1
1 ( )
e
2
σ Sí -< X<
2π
f(x)=
- - - + -
0.68
0.95
0.99
Características:
1) Depende de dos parámetros: (media) y 2 (varianza).
2) Es simétrica en torno a
P(X<-K) = P(X>K)
3) La curva se extiende en forma infinita en ambas direcciones, asintóticamente.
Es muy difícil evaluar en una distribución normal, valores que se alejen más de tres
desviaciones estándar desde la media (en ambas direcciones).
Como se trata de una función continua la probabilidad en un punto vale cero. P(X=1)=0. Y
para calcular la probabilidad en un intervalo se debería integrar. Si se quiere calcular
P(X<a) se debería integrar entre - y a.
a
P(X a) f(x)dx
a
1 2
1 Sí -< Z<
2Z
2π
e
f(Z)=
P(X<230)
X μ 230 260
P(X 230) P( )
σ 15
P(X 230) P(Z 2) P(X 230) 0,0228
b)
P(X<290)
c) P(-1.5<Z<1.5) = P(X1<X<X2)
X1 μ X 260
Z1 1.5 1 X1 237,5 mg/dl
σ 15
X μ X 260
Z2 2 1.5 2 X 2 282,5 mg/dl
σ 15
0,9
d)
0,05 0,05
Z1 Z2
X1 μ X 260
Z1 1 1.645 X1 235,325 mg/dl
σ 15
X2 μ X 260
Z 2 2 1.645 X 2 284,67 mg/dl
σ 15
Luego, sus límites son: 235,325 mg/dl y 284,67 mg/dl
Definiciones básicas
1) Población:
La población está constituida por todas las unidades de análisis, respecto a
las cuales se inferirán las conclusiones
2) Parámetro:
Es un valor constante que describe una característica de la población.
Ejemplos:
Promedio de edad de los fallecidos de cáncer pulmonar en Chile.
P = Proporción de mujeres en Chile que fallecen de cáncer de mama.
N
xi
1 Media poblacional
i
N
5) Estimación:
Es el valor que asume el estimador una vez que se conocen los valores de la
muestra.
Se puede probar a través del Teorema del límite central que la media muestral x ,
para un tamaño de muestra suficientemente grande, tiene distribución aproximadamente
N 2
(xi )
N
xi i 1
2
a) 𝜇𝑥̅ = = b) V( x ) N
N n n
x ~ N( μ, )
2
n
Sin importar que distribución de probabilidad tiene la variable X(ver teorema del límite
central).
A) Estimación Puntual
Ejemplo:
Supongamos que se desea estimar el tiempo promedio que espera un
paciente de un consultorio para ser atendido por un profesional de la salud. Se
selecciona al azar una muestra de n = 200 pacientes y construimos un intervalo de
confianza para la media , con un nivel de confianza dado. El intervalo se puede
(1 - )% ".
P(θ d θ θ d) 1
θ Parámetro θ Estimador
d = Error de estimación 1 - = Nivel de confianza
P( x z · σ μx z
σ ) 1
(1 α/2) n (1 α/2) n
L inf x Z
n
L sup x Z
n
S S
P( x t · μ x t · ) 1
(1 α/2) n (1 α/2) n
L inf x t s
n
L sup x t s
n
Solución:
S S
P x t · μ x t · 1
n n
6,67 6,67
P 65,52 2,064 · 65,52 2,064 · 0.95
25 25
P(62,77 < µ < 68,27) = 0.95
2
2
z1-
n 2
d
x x 2
Si x ~ N ( , 2) Z = ~ (N (0,1) Z2 = ~x
(1)
( Ji – Cuadrado con un grado de libertad )
Para una muestra aleatoria de tamaño n se tiene:
2
n 2 n xi μ
(1) Z ~ x 2 ( Ji-Cuadrado con n grados de libertad)
i1 i i1 σ
(n)
quedando el intervalo para estimar 2 con un nivel de confianza del (1- ) · 100%
como:
n n
(x - x )2 (x - x )2
i i
P σ2 1 α
b a
Ejemplo (2).
Suponga que se desea estimar con un 95% de confianza, el valor de la varianza
para la variable peso en una muestra de muestra de 50 personas.
Solución:
n n
(x - x )2 (x - x )2
i 1 i i
P σ2 i 1 1 α
b a
i1
b = x2(0,975) = 71,4 a = x2(0,025) = 32,3
1 si posee el atributo
xi=
0 si no posee el atributo
n
xi
La proporción muestral con el atributo es: p i1
n
Luego con un nivel de confianza de ( 1 - ) · 100% tenemos el intervalo.
P p z · pq
P p z ·
pq 1
(1 α/2) n (1 α/2) n
Ejemplo (3).
Solución:
1 si es Hipertensa
xi= 0 si no es Hipertensa
INTRODUCCIÓN
El objetivo de realizar una prueba o test de hipótesis es respaldar la toma de una
decisión, respecto a rechazar o no una hipótesis llamada Hipótesis nula (H0), en
contraste con una segunda hipótesis llamada Hipótesis alternativa (H1), propuesta por el
investigador.
El problema se plantea en términos de una disyuntiva entre ambas hipótesis (se tiene que
decidir por una de las dos).
La hipótesis de nulidad (H0) plantea que el valor o los valores históricos del o los
parámetros del estudio no han cambiado y que las diferencias observadas se deben a
error de muestreo.
H0: = 0 (valor histórico).
La hipótesis de alternativa (H1) postula un valor diferente para el parámetro que el que
sostiene (H0) y es la hipótesis propuesta por el investigador.
α P
Rechazar H 0
H 0 es verdadera
Error Tipo II (): Es la probabilidad de aceptar la hipótesis de nulidad, dado que es falsa.
incertidumbre
H0 H1
2) Nivel de significación :
= P (Rechazar H0 / H0 es verdadera)
3) Estadística de Prueba.
DECISION DE REALIDAD DE LA
LAPRUEBA HIPOTESIS NULA
VERDADERA FALSA
H0: = 0
H1 : i) <0 ii) >0 iii) 0
En este caso la estadística es:
X μ0
Z
cal
σ
n
Dado como nivel de significación, se determina el valor crítico de Z
En el caso i) H1 :<0 se rechazará H0 si Zcal< Z()
(Por ejemplo si =0,025 =>Z()= -1,96)
Se Rechaza H0 H0
H1
Z
Z() 0
Otra forma de ver esto es en unidades de la variable:
σ
K μ 0 Z(1 - ) Se rechaza H0 si : X K .
n
1-
K1 K2
A los casos i) y ii) se les llama test de hipótesis unilateral. Al caso iii) se le llama test de
hipótesis bilateral.
Caso 2: Cuando la varianza poblacional 2 es desconocida:
En este caso, la estadística en que se basa la dócima es:
X μ
t ~ t(n 1)
S
n
X μ0
Bajo H0 verdadera queda como t cal . Siendo el criterio de rechazo igual al
S
n
planteado anteriormente, es decir:
H0 : = 0
H1 : i) <0
ii) >0
iii) 0
Dado como nivel de significación, se determina el valor crítico de t.
Se Rechaza H0 H0
H1
Z
tcrítico 0
Otra forma de ver esto es en unidades de la variable:
S
O bien si : X μ 0 t n 1 (1 α) .
n
α α
Se rechaza H0 si: t cal t n 1 ó t cal t n 1 1
2 2
α S α S
O bien si: X μ 0 t n 1 1 ó X μ 0 t n 1 1
2 n 2 n
K1 K2
El concepto de p-value:
Es muy importante pues en su valor se basa la decisión del investigador, de rechazar lo
que sostiene la hipótesis nula Ho. Es la probabilidad asociada al valor muestral X o bien
al Zcal(o tcal), y se define como: “El nivel de significación mínimo a partir del cual se
comienza a rechazar H0”.
pvalue Rechazo H0 siempre que
p-value<
Zcrit Zcalc
p-value
Si p-value>
=> no rechazo H0 .
ZcalZcrit
Hipótesis
H 0 : 2500
H 1 : 2500
Nivel de significación
0.05
Ubicación de la Región de Rechazo
Dado que es igual a 0.05 y t 0.975 (63) 2.0 , rechazamos H 0 si t cal 2.0
o si de lo contrario tcal 2.0
x o 2480 2500
t 1.0
cal S 160
n 64
Conclusión
Como tcal pertenece a la región de no rechazo, no hay evidencias para suponer que
el promedio de sodio es distinto a 2500 miligramos por frasco, a un nivel de significación
0.05 . Por lo tanto, la Dirección de Control de Medicamentos no debería rechazar lo
afirmado por el fabricante.
Z() 0
0 Z(1-)
Z(/2) 0 Z(1-/2)
Ejemplo.
En una comuna del país históricamente un 60% delos adultos mayores esta con
problemas de enfermedades crónicas no controladas. Se inicia una campaña del servicio
de salud de la municipalidad para reducir este porcentaje. Después de un tiempose
escoge al azar una muestra de 200 adultos mayores, de ellos ,105 declaran enfermedades
crónicas no controladas. Con un nivel de significación del 5% ¿Se logró el objetivo que se
planteó el servicio de salud en su campaña?
Solución:
H0: P = 0,6
H1: P< 0,6
=0,05 => Z=-1,645( nivel crítico para rechazar Ho)
p̂ p 0
Z cal
p0q0 105
p̂ 0,525 0,525 0,6
n 200 Z cal 2,16
0,6 * 0,4
200
Conclusión: 2,16 < -1,645 . Se Rechaza H0 con un nivel de significación de un 5%,
entonces la campaña de del servicio de salud ha logrado su objetivo.
(X
i 1
i μ) 2
χ2 ~ χ 2 (n)
σ2
nσ 2 n
Bajo H0 verdadera se tiene: χ 2
cal 2
σ0
Caso 2: Media Poblacional () desconocida:
Se usa el estimador X y se pierde un grado de libertad en la distribución Chi – cuadrado.
n
(X
i 1
i X) 2
χ2 ~ χ 2 (n - 1)
σ2
(n - 1)σ 2 n -1
Bajo H0 verdadera se tiene: χ
2
cal 2
σ0
0
2()
1
No olvidar que la tabla chi-cuadrado no es simétrica, y sólo tiene lado derecho. Por lo que se debe trabajar
con /2 y /2 aparte.
0 2(1-)
0 2(/2) 2(1-/2)
Ejemplo 15:
Solución:
σ1
2
σ2
2
Entonces: (X 1 X 2 ) ~ N μ 1 μ 2 ;
n n
1 2
(X 1 X 2 ) (μ 1 μ 2 )
=> Z
2 2
σ1 σ
2
n1 n2
Para docimar:
H0: 1=2 v/s H1:i) 1<2 ii) 1>2 iii) 12
Z(/2) Z(1-
/2)
α α
Se rechaza H0 si: Z cal Z ó Z cal Z1
2 2
Caso 2: 12 y 22 desconocidas:
Aquí se tiene dos opciones, una es que sean iguales las varianzas (12=22) y otra es que
sean distintas (1222).
Esta disyuntiva se resuelve haciendo una dócima para comparar varianzas:
H0: 12=22 v/s H1: 1222
σ̂ 2 mayor
Basado en la estadística: Fcal 2 ~ f(numerado r, denominado r) . La distribución f es
σ̂ menor
conocida como Fisher y también se encuentra tabulada2 en función de tres parámetros.
Uno es la probabilidad (tabulada desde 0,5 a 0,995), y los otros dos son números enteros
que llamaremos numerador y denominador. Los cuales corresponden a los grados de
libertad (n-1) de cada una de las dos muestras.
Dado se determina el valor crítico: f (1-/2) y se rechaza H0 (de esta segunda dócima) si
Fcal>fcrítico(1-/2)
/2
f(numerador,
0 fcrítico denominador)
2
Al igual que N(0,1), t-student y Chi cuadrado.
1
2
SC la cual se reemplaza en la estadística y queda:
n1 n 2 2
(X 1 X 2 ) (μ 1 μ 2 )
t cal
1 1
SC
n1 n 2
Ejemplo.
Se desea comparar el promedio de la grasa corporal entre hombres activos y
hombres sedentarios, en población menor de 50 años.. Con este objetivo se toma
una muestra al azar de 10 hombres activos y 10 hombres sedentarios de la misma
población de menores de 50 años con los siguientes resultados.
Hipótesis
H 0 : A S
H1 : A S
S H2 (n H 1) S M2 (n M 1) 1.664 2 9 1.92 2 9
S c2 3.228
nH nM 2 18
( x s xc ) ( s c ) (8.37 11.79) 0
t cal 4.26
Sc 1
ns
1
nc
1.797 1
10
10
1
Conclusión.
Como tcal( -4,26) pertenece a la región de rechazo, hay evidencias suficientes
Para suponer que el promedio de la grasa corporal entre hombres activos y hombres
sedentarios es significativamente distinto, a un nivel de significación del 1%.
Como siempre el proceso se inicia con H0 verdadera, luego se tienen dos estimadores p̂1
p̂1 n 1 p̂ 2 n 2
p0 q 0 1 p0
n
Luego la estadística bajo H0 quedó como:
(p̂1 p̂ 2 ) (p1 p 2 ) (p̂1 p̂ 2 ) (p1 p 2 )
Z cal
p0q 0 p0q 0 1 1
p 0 q 0
n1 n2 1
n n 2
Hipótesis
H 0 : PH PM
H 1 : PH PM
Nivel de Significación 0.05
Prof. W. Aranda Página 73
Ubicación de la Región de Rechazo
Dado que es igual al 0.05 y z0.95=1.645, rechazamos H 0 si z cal 1.645
Estadístico de Prueba
( PM PH ) ( PM PH ) (0.6 0.1) 0
z cal 4,06
po qo ( n1 1
nH
) 0.35 65( 30
1
1
30
)
M
n M PM n H PH 30 0.6 30 0.1
Po 0.35
nM nH 60
d n
(d
i
d i 1
i d) 2
i 1
Sd
2
n
n 1
dD
σd 2 Z ~ N(0,1)
σd
d ~ N D,
n
Lo que implica n
Cuando no se conoce la varianza poblacional de la variable auxiliar d2, se usa Sd2 (la
varianza muestral).
dD
t ~ t(n 1)
S d 2
Sd
d ~ t D,
n Lo que lleva a n
H0: D=0 (La hipótesis nula plantea que las medias de ambas muestras son iguales 1=2)
H1: i) D<0(Caso i de hipótesis alternativa, plantéa que 1>2)
ii) D>0 (Caso ii de hipótesis alternativa, plantea que 1<2)
iii) D0 (Caso iii de hipótesis alternativa, plantea que 12)
Los casos i) y ii) se conocen como dócimas unilaterales, y el caso iii) es bilateral.
Dado como nivel de significación, se concluye de la manera habitual. Para Unilateral se
utiliza , y para bilateral se utiliza /2.
-2,93 -
1,72
Conclusión:
Con un nivel de significación de 5%, se rechaza H0. Es decir, al consumir el nuevo
fármaco, las personas hipertensas disminuyen significativamente su presión arterial
sistólica..
EJERCICIOS RESUELTOS
1. En una muestra de 100 personas adultas se determinó un promedio para el nivel de
colesterol HDL de 50 mg/dL. Se hizo un tratamiento durante tres meses en base a un
nuevo medicamento, con el fin de aumentar este nivel promedio, luego se midió el nivel
de colesterol en las mismas personas, obteniéndose un valor promedio de 60 mg/dL
con una desviación estándar de 3,4 mg/dL. Usando un nivel de significación 0,01 se
puede concluir que el tratamiento fue eficaz?
Solución:
= 50 mg = 100 personas x = 60 mg/dL S = 16,6 mg/dL
Hipótesis : Ho : = 50 mg/dL
H1 :> 50 mg/dL
Estadística de contraste.
Conclusión.
Se Rechaza Ho. Con un nivel de significación de 1%, se puede afirmar que el
tratamiento fue eficaz.(tcal>2,365) => p-value< 0,01 )
Hipótesis
H 0 : PM PH
H 1 : PM PH
Nivel de Significación 0.05
Ubicación de la Región de Rechazo
Conclusión.
Hipótesis
H 0 : PA PB
H 1 : PA PB
Región de Rechazo de Ho
Estadística de contraste
( p A p B ) ( PA PB ) (0.08 0.05) 0
z cal 0,89
po qo ( n1 nB1
) 0.066 0.934( 120
1
100
1
)
A
Conclusión.
No existe evidencias para rechazar Ho, puesto que z cal 1.645
n A p A nB p B 0.08 0.05
Po 0.065 No es necesario ponderar ya que los tamaños
n A nB 2
de muestra son iguales.
( p A p B ) ( PA PB ) (0.08 0.05) 0
z cal 1,92
po qo ( n1 nB1
) 0.065 0.935( 500
1
500
1
)
A
La conclusión sería:
En resumen se puede decir que en la medida que los tamaños de muestra son
mayores, se requiere una menor diferencia entre las tasas para ser consideradas
significativas.
T1 T2 TK
Supuestos:
1) ij ~N(0,e2)
2) COV(i,j)=0 " los errores son independientes".
...................
K ....
3) T
i 1
i 0
4) 12=22=....=K2.
Se tienen K "tratamientos"
(y
i 1
i yT )2 n i
σ̂ 2b k= Número de muestras
K 1
Donde y i= media de la muestra i, i=1,2,...,K.
y T =media total.
y 1 n 1 y 2 n 2 ....... y K n K
yT .
n
S
i 1
i
2
(n i 1)
σ̂
2
nK
w
2
σ̂ b
Luego se construye la estadística: Fcal 2
σ̂ w
Grados de libertad para la distribución f: gl=(K-1 ; n-K)
Dado como nivel de significación se determina el valor crítico f(1-) y se rechaza H0 si
Fcal>f(1-).
fcrit
Si se acepta H0, el problema está terminado (Las medias son iguales). En cambio si se
rechaza H0, comienza una segunda etapa de comparaciones múltiples para descubrir
entre que muestras se produjo la diferencia.
Existen varios test de comparaciones múltiples:Test de Scheffé, Test de Bonferroni ,etc .
Todos los software estadísticos tienen incorporado estos tests.
Ejemplo.
Se desea comparar la frecuencia cardíaca entre 3 tipos de personas adultas. Este
rendimiento es medido en número de latidos del corazón por minuto. En el experimento se
asignan completamente al azar 24personas adultas a tres grupos distintos, de acuerdo a
un plan de actividad física: Resultando en el grupo A, 9personas adultas que deben
realizar ejercicio intenso durante dos meses, en el grupo B, 8 personas adultas que
realizan un ejercicio moderado ( caminatas) durante dos meses y en el grupo C,7
personas adultas que tendrán un comportamiento sedentario durante los dos meses que
dura el experimento.. Al cabo de dos meses se mide la frecuencia cardíaca en los tres
grupos de personas y se pide determinar si se registra diferencias estadísticamente
significativas usando un nivel de significación de un 2.5%.
Los resultados son los siguientes:
Solución:
De los datos entregados se tiene que:
n1=9 n2=8 n3=7
y1 57.11 y 2 60.88 y 3 67
fcrit=3.4668
3
Rechazaremos H0 si Fcal>3,4368 (es decir que la intervarianza tiene que superar en 3,44
veces la intravarianza).
La media total es:
57.11* 9 60.875 * 8 67 * 7
yT 61.25
24
La intervarianza estimada es:
(57.11 61.25) 2 * 9 (60.875 61.25) 2 * 8 (67 61.25) 2 * 7
193.368
2
σ̂ b
2
S i
2
(n i 1)
(2.93) 2 * 8 (3.56) 2 * 7 (2,94) 2 * 6
σ̂ w i 1
9.989
2
nK 21
193.368
Luego, FCal 19.35 >3,4368
9.989
Se rechaza H0, el rendimiento cardíaco difiere entre al menos un par de grupos.
Como se llega a la conclusión de rechazo de la hipótesis nula, se pasa a una segunda
etapa de aplicación de un test de comparaciones múltiples, haciendo todas las
comparaciones posibles: A con B, A con C y B con C, lo cual es sencillo de realizar
usando un software estadístico.
Variable A
CATEGORÍAS A1 A2 AK TOTAL
B1 n11n12 . . . n1k n1.
VARIABLE B2 n21 n22 . . . n2k n2.
B . . .
. . .
. . .
Bh nh1 nh2. . . nhk nh.
TOTAL n.1 n.2 . . . n.k n
h k (n ij n * pi. * p.j ) 2
1) c2
i l j1 n * pi. * p .j
n n .j
p i. i. p.j
n n
2
n *n
O i. .j
h k ij n
2) c
2
Grados de Libertad = (h-1)*(k-1)
i l j1 n i. * n.j
n
c2
2
= (20-10.89) 2 /10.89 + (8-17.11) 2 / 17.11 +(15-24,11) /24.11+
i l j1 e ij
2
+(47-37.89) /37.89 = 18.1
=0,025
0 X 2 = 5,02
O.R= 7,83
Ln O.R = 2,058
Luego el intervalo para estimar OR, se obtiene con el antilogaritmo de los límites
encontrados para estimar lnOR.
yi ŷ β̂ 1 x β̂ 0
ye
Xi
i 1 i 1
n
f (y i β̂ 1 x β̂ 0 ) 2
i 1
f n
2 (y i β̂ 1 x β̂ 0 ) * (1) 0
β̂ 0 i 1
(y
i 1
i β̂ 1 x β̂ 0 ) 0
n n n
y i β̂1 x i β̂ 0 0
i 1 i 1 i 1
n n
y i β̂1 x i nβ̂ 0
i 1 i 1
1a ecuación.
f n
2 (y i β̂1 x β̂ 0 )( x) 0
β1 i 1
n n n
x i y i β̂1 x i β̂ 0 x i 0
2
i 1 i 1 i 1
n n n
x y
i 1
i i β̂ 1 x i β̂ 0 x i
i 1
2
i 1
2a ecuación.
Luego resolviendo el sistema de ecuaciones se obtiene el valor de 1 y 0.
n
n n x
y i β̂1 x i nβ̂ 0
i
(1) /* i 1
x
i 1 i 1 n
n n n
(2) x i y i β̂1 x i β̂ 0 x i
i 1 i 1
2
i 1
x y i i nxy
β̂ 1 i 1
n
β̂ 0 y β̂ 1 x
x
i 1
i
2
n( x ) 2
Interpretación:
dŷ
y β̂1 x β̂ 0 ε β̂1
dx
" β̂ 1 representa el cambio promedio que experimenta la variable dependiente y, por cada
unidad de cambio que experimenta la variable independiente x".
" β̂ 0 es el valor basal de la variable dependiente y" (el valor basal se obtiene para y,
cuando x=0).
SEGUNDA ETAPA:
Una vez obtenido el modelo con los datos de la muestra, la segunda etapa es
determinar qué tan bueno es el modelo para predecir valores para la variable dependiente
y dado un valor específico de la variable independiente x.
Existen tres pruebas de hipótesis para lograr este objetivo:
1) ANDEVA.3 ( Análisis de varianza)
1
y 2 No será tratado en este texto.
(y i y) 2 (y i ŷ) 2 (ŷ i y) 2
i 1 i 1 i 1
SCR
( ŷ i y) 2
r2 i 1
n
, 0 r2 1
SCT
(y
i 1
i y) 2
SCE
(y
i 1
i ŷ i ) 2
σ̂ e S 2yx
2
n2 n2
SCT
(y
i 1
i y) 2
S 2y
n 1 n 1
(x y ) n x y
i i n n
r i 1
, SC x ( x i x ) 2 (n 1)S 2x , SC y ( y i y) 2 (n 1)S 2y
SC x SC y i 1 i 1
H0: "El modelo ajustado no es bueno para explicar los cambios de y observando x, es
decir, no existe correlación entre x e y".
H1: 0
H1: Las variables están correlacionadas linealmente, según el modelo ajustado a los
datos"
es un parámetro (rho), es el coeficiente de correlación de la población, y r es el
coeficiente de correlación de la muestra aleatoria que se escoja.
Estadística para la decisión
r ρ H0
t cal ~ t(n 2)
1 r 2
n2
Dado como nivel de significación se rechaza H0 si:
tcal<t(/2), o , tcal>t(1-/2).
1-
t(/2) t(1-/2)
X i
2
2.222,25 , Y i
2
971,17
Modelo Lineal: y β 1 x β 0
a)
β̂1
X Y n XY 1.441,2 12 * (13,041) * (8,275) 0,8065
i i
X n(X)
i
2 2
2.222,25 12 * (13,041) 2
Ŷ 0,8065X 2,243
Coeficiente de Correlación Lineal r=0,888
b) Dócima para r:
H0: =0
H1: 0 95%
r ρ (H0 ) 0,888 0
t cal 6,1 -2,22 2,22
1 r 2 1 (0,888) 2
n2 10
=0,05 ,g.l = 10 =>tcritico=2,22
Conclusión:Se observa que tcal>tcrítico por lo tanto se rechaza H0, es decir, con un
nivel de significación del 5% se puede afirmar que el porcentaje de ganancia de
VO2max está correlacionado linealmente con el número de minutos de ejercicio
aeróbico que realice diariamente la persona, según el modelo ajustado a los datos de
la muestra.
Edad en años
Monto en miles de $
EDAD 38 45 76 65 55 43 60 28 43 58 53 49 29 72
MONTO 40 41 90 70 55 40 54 35 39 54 50 44 32 89
a) Ajuste un modelo lineal que permita predecir el monto que debe pagar un
afiliado a Isapre en función de su edad
Resultado:
a) Y= 1,19*Edad – 8,36
b) R2 = 0,8723
x
Z=
z .00 .01 .02 .03 .04 .05 .06 .07 .08 .09
-3.5 0.0002 0.0002 0.0002 0.0002 0.0002 0.0002 0.0002 0.0002 0.0002 0.0002
-3.4 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0002
-3.3 0.0005 0.0005 0.0005 0.0004 0.0004 0.0004 0.0004 0.0004 0.0004 0.0003
-3.2 0.0007 0.0007 0.0006 0.0006 0.0006 0.0006 0.0006 0.0005 0.0005 0.0005
-3.1 0.0010 0.0009 0.0009 0.0009 0.0008 0.0008 0.0008 0.0008 0.0007 0.0007
-3.0 0.0013 0.0013 0.0013 0.0012 0.0011 0.0011 0.0011 0.0011 0.0010 0.0010
-2.9 0.0019 0.0018 0.0018 0.0017 0.0016 0.0016 0.0015 0.0015 0.0014 0.0014
-2.8 0.0026 0.0025 0.0024 0.0023 0.0023 0.0022 0.0021 0.0021 0.0020 0.0019
-2.7 0.0035 0.0034 0.0033 0.0032 0.0031 0.0030 0.0029 0.0028 0.0027 0.0026
-2.6 0.0047 0.0045 0.0044 0.0043 0.0041 0.0040 0.0039 0.0038 0.0037 0.0036
-2.5 0.0062 0.0060 0.0059 0.0057 0.0055 0.0054 0.0052 0.0051 0.0049 0.0048
-2.4 0.0082 0.0080 0.0078 0.0075 0.0073 0.0071 0.0069 0.0068 0.0066 0.0064
-2.3 0.0107 0.0104 0.0102 0.0099 0.0096 0.0094 0.0091 0.0089 0.0087 0.0084
-2.2 0.0139 0.0136 0.0132 0.0129 0.0125 0.0122 0.0119 0.0116 0.0113 0.0110
-2.1 0.0179 0.0174 0.0170 0.0166 0.0162 0.0158 0.0154 0.0150 0.0146 0.0143
-2.0 0.0228 0.0222 0.0217 0.0212 0.0207 0.0202 0.0197 0.0192 0.0188 0.0183
-1.9 0.0287 0.0281 0.0274 0.0268 0.0262 0.0256 0.0250 0.0244 0.0239 0.0233
-1.8 0.0359 0.0351 0.0344 0.0336 0.0329 0.0322 0.0314 0.0307 0.0301 0.0294
-1.7 0.0446 0.0436 0.0427 0.0418 0.0409 0.0401 0.0392 0.0384 0.0375 0.0367
-1.6 0.0548 0.0537 0.0526 0.0516 0.0505 0.0495 0.0485 0.0475 0.0465 0.0455
-1.5 0.0668 0.0655 0.0643 0.0630 0.0618 0.0606 0.0594 0.0582 0.0571 0.0559
-1.4 0.0808 0.0793 0.0778 0.0764 0.0749 0.0735 0.0721 0.0708 0.0694 0.0681
-1.3 0.0968 0.0951 0.0934 0.0918 0.0901 0.0885 0.0869 0.0853 0.0838 0.0823
-1.2 0.1151 0.1131 0.1112 0.1093 0.1075 0.1056 0.1038 0.1020 0.1003 0.0985
-1.1 0.1357 0.1335 0.1314 0.1292 0.1271 0.1251 0.1230 0.1210 0.1190 0.1170
-1.0 0.1587 0.1562 0.1539 0.1515 0.1492 0.1469 0.1446 0.1423 0.1401 0.1379
-0.9 0.1841 0.1814 0.1788 0.1762 0.1736 0.1711 0.1685 0.1660 0.1635 0.1611
-0.8 0.2119 0.2090 0.2061 0.2033 0.2005 0.1977 0.1949 0.1922 0.1894 0.1867
-0.7 0.2420 0.2389 0.2358 0.2327 0.2297 0.2266 0.2236 0.2206 0.2177 0.2148
-0.6 0.2743 0.2709 0.2676 0.2643 0.2611 0.2578 0.2546 0.2514 0.2483 0.2451
-0.5 0.3085 0.3050 0.3015 0.2981 0.2946 0.2912 0.2877 0.2843 0.2810 0.2776
-0.4 0.3446 0.3409 0.3372 0.3336 0.3300 0.3264 0.3228 0.3192 0.3156 0.3121
-0.3 0.3821 0.3783 0.3745 0.3707 0.3669 0.3632 0.3594 0.3557 0.3520 0.3483
-0.2 0.4207 0.4168 0.4129 0.4090 0.4052 0.4013 0.3974 0.3936 0.3897 0.3859
-0.1 0.4602 0.4562 0.4522 0.4483 0.4443 0.4404 0.4364 0.4325 0.4286 0.4247
-0.0 0.5000 0.4960 0.4920 0.4880 0.4840 0.4801 0.4761 0.4721 0.4681 0.4641
1.0 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.8790 0.8810 0.8830
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.8980 0.8997 0.9015
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177
1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9279 0.9292 0.9306 0.9319
1.5 0.9332 0.9345 0.9357 0.9370 0.9382 0.9394 0.9406 0.9418 0.9429 0.9441
1.6 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9545
1.7 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9608 0.9616 0.9625 0.9633
1.8 0.9641 0.9649 0.9656 0.9664 0.9671 0.9678 0.9686 0.9693 0.9699 0.9706
1.9 0.9713 0.9719 0.9726 0.9732 0.9738 0.9744 0.9750 0.9756 0.9761 0.9767
2.0 0.9772 0.9778 0.9783 0.9788 0.9793 0.9798 0.9803 0.9808 0.9812 0.9817
2.1 0.9821 0.9826 0.9830 0.9834 0.9838 0.9842 0.9846 0.9850 0.9854 0.9857
2.2 0.9861 0.9864 0.9868 0.9871 0.9875 0.9878 0.9881 0.9884 0.9887 0.9890
2.3 0.9893 0.9896 0.9898 0.9901 0.9904 0.9906 0.9909 0.9911 0.9913 0.9916
2.4 0.9918 0.9920 0.9922 0.9925 0.9927 0.9929 0.9931 0.9932 0.9934 0.9936
2.5 0.9938 0.9940 0.9941 0.9943 0.9945 0.9946 0.9948 0.9949 0.9951 0.9952
2.6 0.9953 0.9955 0.9956 0.9957 0.9959 0.9960 0.9961 0.9962 0.9963 0.9964
2.7 0.9965 0.9966 0.9967 0.9968 0.9969 0.9970 0.9971 0.9972 0.9973 0.9974
2.8 0.9974 0.9975 0.9976 0.9977 0.9977 0.9978 0.9979 0.9979 0.9980 0.9981
2.9 0.9981 0.9982 0.9982 0.9983 0.9984 0.9984 0.9985 0.9985 0.9986 0.9986
3.0 0.9987 0.9987 0.9987 0.9988 0.9988 0.9989 0.9989 0.9989 0.9990 0.9990
3.1 0.9990 0.9991 0.9991 0.9991 0.9992 0.9992 0.9992 0.9992 0.9993 0.9993
3.2 0.9993 0.9993 0.9994 0.9994 0.9994 0.9994 0.9994 0.9995 0.9995 0.9995
3.3 0.9995 0.9995 0.9995 0.9996 0.9996 0.9996 0.9996 0.9996 0.9996 0.9997
3.4 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9998
3.5 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998
G.L0.80.90.950.9750.990.9950.999
1 1.376 3.078 6.314 12.706 31.820 63.656 318.294
2 1.061 1.886 2.920 4.303 6.965 9.925 22.327
3 0.978 1.638 2.353 3.182 4.541 5.841 10.214
4 0.941 1.533 2.132 2.776 3.747 4.604 7.173
5 0.920 1.476 2.015 2.571 3.365 4.032 5.893
6 0.906 1.440 1.943 2.447 3.143 3.707 5.208
7 0.896 1.415 1.895 2.365 2.998 3.499 4.785
8 0.889 1.397 1.860 2.306 2.896 3.355 4.501
9 0.883 1.383 1.833 2.262 2.821 3.250 4.297
10 0.879 1.372 1.812 2.228 2.764 3.169 4.144
11 0.876 1.363 1.796 2.201 2.718 3.106 4.025
12 0.873 1.356 1.782 2.179 2.681 3.055 3.930
13 0.870 1.350 1.771 2.160 2.650 3.012 3.852
14 0.868 1.345 1.761 2.145 2.624 2.977 3.787
15 0.866 1.341 1.753 2.131 2.602 2.947 3.733
16 0.865 1.337 1.746 2.120 2.583 2.921 3.686
17 0.863 1.333 1.740 2.110 2.567 2.898 3.646
18 0.862 1.330 1.734 2.101 2.552 2.878 3.610
19 0.861 1.328 1.729 2.093 2.539 2.861 3.579
20 0.860 1.325 1.725 2.086 2.528 2.845 3.552
21 0.859 1.323 1.721 2.080 2.518 2.831 3.527
22 0.858 1.321 1.717 2.074 2.508 2.819 3.505
23 0.858 1.319 1.714 2.069 2.500 2.807 3.485
24 0.857 1.318 1.711 2.064 2.492 2.797 3.467
25 0.856 1.316 1.708 2.060 2.485 2.787 3.450
26 0.856 1.315 1.706 2.056 2.479 2.779 3.435
27 0.855 1.314 1.703 2.052 2.473 2.771 3.421
28 0.855 1.313 1.701 2.048 2.467 2.763 3.408
29 0.854 1.311 1.699 2.045 2.462 2.756 3.396
30 0.854 1.310 1.697 2.042 2.457 2.750 3.385
35 0.852 1.306 1.690 2.030 2.438 2.724 3.340
40 0.851 1.303 1.684 2.021 2.423 2.704 3.307
45 0.850 1.301 1.679 2.014 2.412 2.690 3.281
50 0.849 1.299 1.676 2.009 2.403 2.678 3.261
60 0.848 1.296 1.671 2.000 2.390 2.660 3.232
70 0.847 1.294 1.667 1.994 2.381 2.648 3.211
80 0.846 1.292 1.664 1.990 2.374 2.639 3.195
90 0.846 1.291 1.662 1.987 2.368 2.632 3.183
100 0.845 1.290 1.660 1.984 2.364 2.626 3.174
200 0.843 1.286 1.652 1.972 2.345 2.601 3.131
500 0.842 1.283 1.648 1.965 2.334 2.586 3.107
1000 0.842 1.282 1.646 1.962 2.330 2.581 3.098
G.L 0.0050.010.0250.050.10.90.950.9750.990.995
1 0.00 0.00 0.00 0.00 0.02 2.71 3.84 5.02 6.64 7.90
2 0.01 0.02 0.05 0.10 0.21 4.60 5.99 7.38 9.22 10.59
3 0.07 0.11 0.22 0.35 0.58 6.25 7.82 9.36 11.32 12.82
4 0.21 0.30 0.48 0.71 1.06 7.78 9.49 11.15 13.28 14.82
5 0.41 0.55 0.83 1.15 1.61 9.24 11.07 12.84 15.09 16.76
6 0.67 0.87 1.24 1.63 2.20 10.65 12.60 14.46 16.81 18.55
7 0.99 1.24 1.69 2.17 2.83 12.02 14.07 16.02 18.47 20.27
8 1.34 1.64 2.18 2.73 3.49 13.36 15.51 17.55 20.08 21.94
9 1.73 2.09 2.70 3.32 4.17 14.69 16.93 19.03 21.65 23.56
10 2.15 2.55 3.24 3.94 4.86 15.99 18.31 20.50 23.19 25.15
11 2.60 3.05 3.81 4.57 5.58 17.28 19.68 21.93 24.75 26.71
12 3.06 3.57 4.40 5.22 6.30 18.55 21.03 23.35 26.25 28.25
13 3.56 4.10 5.01 5.89 7.04 19.81 22.37 24.75 27.72 29.88
14 4.07 4.65 5.62 6.57 7.79 21.07 23.69 26.13 29.17 31.38
15 4.59 5.23 6.26 7.26 8.55 22.31 25.00 27.50 30.61 32.86
16 5.14 5.81 6.90 7.96 9.31 23.55 26.30 28.86 32.03 34.32
17 5.69 6.40 7.56 8.67 10.08 24.77 27.59 30.20 33.43 35.77
18 6.25 7.00 8.23 9.39 10.86 25.99 28.88 31.54 34.83 37.21
19 6.82 7.63 8.90 10.11 11.65 27.21 30.15 32.87 36.22 38.63
20 7.42 8.25 9.59 10.85 12.44 28.42 31.42 34.18 37.59 40.05
21 8.02 8.89 10.28 11.59 13.24 29.62 32.68 35.49 38.96 41.45
22 8.62 9.53 10.98 12.34 14.04 30.82 33.93 36.79 40.31 42.84
23 9.25 10.19 11.69 13.09 14.85 32.01 35.18 38.09 41.66 44.23
24 9.87 10.85 12.40 13.84 15.66 33.20 36.42 39.38 43.00 45.60
25 10.50 11.51 13.11 14.61 16.47 34.38 37.66 40.66 44.34 46.97
26 11.13 12.19 13.84 15.38 17.29 35.57 38.89 41.94 45.66 48.33
27 11.79 12.87 14.57 16.15 18.11 36.74 40.12 43.21 46.99 49.69
28 12.44 13.55 15.30 16.92 18.94 37.92 41.34 44.47 48.30 51.04
29 13.09 14.24 16.04 17.70 19.77 39.09 42.56 45.74 49.61 52.38
30 13.77 14.94 16.78 18.49 20.60 40.26 43.78 46.99 50.91 53.71
35 17.16 18.49 20.56 22.46 24.79 46.06 49.81 53.22 57.36 60.31
40 20.67 22.14 24.42 26.51 29.06 51.80 55.75 59.34 63.71 66.80
45 24.28 25.88 28.36 30.61 33.36 57.50 61.65 65.41 69.98 73.20
50 27.96 29.68 32.35 34.76 37.69 63.16 67.50 71.42 76.17 79.52
60 35.50 37.46 40.47 43.19 46.46 74.39 79.08 83.30 88.40 91.98
70 43.25 45.42 48.75 51.74 55.33 85.52 90.53 95.03 100.44 104.24
80 51.14 53.52 57.15 60.39 64.28 96.57 101.88 106.63 112.34 116.35
90 59.17 61.74 65.64 69.13 73.29 107.56 113.14 118.14 124.13 128.32
100 67.30 70.05 74.22 77.93 82.36 118.49 124.34 129.56 135.82 140.19
Denom Num® 1 2 3 4 5 6 7 8 9 10 12 15 20 30 60 120
¯
0.90 39.1 49.5 53.6 55.8 57.2 58.2 58.9 59.4 59.9 60.2 60.7 61.2 61.7 62.3 62.8 63.1 63.3
0.95 161 200 216 225 230 234 237 239 241 242 244 246 248 250 252 253 254
0.975 1 648 800 864 900 922 937 948 957 963 969 977 585 993 1000 1010 1010 1020
0.99 4050 5000 5400 5620 5760 5860 5930 5980 6020 6060 6110 6160 6210 6260 6310 6340 6370
0.90 8.53 9.00 9.16 9.24 9.29 9.33 9.35 9.37 9.38 9.39 9.41 9.42 9.44 9.46 9.47 9.18 9.49
0.95 18.5 19.0 19.2 19.2 19.3 19.3 19.4 19.4 19.4 19.4 19.4 19.4 19.5 19.5 19.5 19.5 19.5
0.975 2 38.5 39.0 39.2 39.2 39.3 39.3 39.4 39.4 39.4 39.4 39.4 39.4 39.4 39.5 39.5 39.5 39.5
0.99 98.5 99.0 99.2 99.2 99.3 99.3 99.4 99.4 99.4 99.4 99.4 99.4 99.4 99.5 99.5 99.5 99.5
0.90 5.54 5.46 5.39 5.34 5.31 5.28 5.27 5.25 5.24 5.23 5.22 5.20 5.18 5.17 5.15 5.14 5.13
0.95 10.1 9.55 9.28 9.12 9.01 8.94 8.89 8.85 8.81 8.79 8.74 8.70 8.66 8.62 8.57 8.55 8.53
0.975 3 17.4 16.0 15.4 15.1 14.9 14.7 14.6 14.5 14.5 14.4 14.3 14.3 14.2 14.1 14.0 13.9 13.9
0.99 34.1 30.8 29.5 28.7 28.2 27.9 27.7 27.5 27.3 27.2 27.1 26.9 26.7 26.2 26.3 26.2 26.1
0.90 4.54 4.32 4.19 4.11 4.05 4.01 3.98 3.95 3.93 3.92 3.90 3.87 3.84 3.82 3.79 3.78 3.76
0.95 4 7.71 6.94 6.59 6.39 6.26 6.16 6.09 6.04 6.00 5.96 5.91 5.86 5.80 5.75 5.69 5.66 5.63
0.975 12.2 10.6 9.98 9.60 9.36 9.20 9.07 8.98 8.90 8.84 8.75 8.66 8.56 8.46 8.36 8.31 8.26
0.99 21.2 18.0 16.7 16.0 15.5 15.2 15.0 14.8 14.7 14.5 14.4 14.2 14.0 13.8 13.7 13.6 13.5
0.90 4.06 3.78 3.62 3.52 3.45 3.40 3.37 3.34 3.32 3.30 3.27 3.24 3.21 3.17 3.14 3.12 3.11
0.95 6.61 5.79 5.41 5.19 5.05 4.95 4.88 4.82 4.77 4.74 4.68 4.62 4.56 4.50 4.43 4.40 4.37
0.975 5 10.0 8.43 7.76 7.39 7.15 6.98 6.85 6.76 6.68 6.62 6.52 6.43 6.33 6.23 6.12 6.07 6.02
0.99 16.3 13.3 12.1 11.4 11.0 10.7 10.5 10.3 10.2 10.1 9.89 9.72 9.55 9.38 9.20 9.11 9.02
0.90 3.78 3.46 3.29 3.18 3.11 3.05 3.01 2.98 2.96 2.94 2.90 2.87 2.84 2.80 2.76 2.74 2.72
0.95 5.99 5.14 4.76 4.53 4.39 4.28 4.21 4.15 4.10 4.06 4.00 3.94 3.84 3.81 3.74 3.70 3.67
0.975 6 8.81 7.26 6.60 6.23 5.99 5.82 5.70 5.60 5.52 5.46 5.37 5.27 5.17 5.07 4.96 4.90 4.85
0.99 13.7 10.9 9.78 9.15 8.75 8.47 8.26 8.10 7.98 7.87 7.72 7.56 7.40 7.23 7.06 6.97 6.88
0.90 3.59 3.26 3.07 2.96 2.88 2.83 2.78 2.75 2.72 2.70 2.67 2.63 2.59 2.56 2.51 2.49 2.47
0.95 5.59 4.74 4.35 4.12 3.97 3.87 3.79 3.73 3.68 3.64 3.57 3.51 3.44 3.38 3.30 3.27 3.29
0.975 7 8.07 6.54 5.89 5.52 5.29 5.12 4.99 4.90 4.82 4.76 4.67 4.57 4.47 4.36 4.25 4.20 4.14
0.99 12.2 9.55 8.45 7.85 7.46 7.19 6.99 6.84 6.72 6.62 6.47 6.31 6.16 5.99 5.82 5.74 5.65
0.90 3.36 3.01 2.81 2.69 2.61 2.55 2.51 2.47 2.44 2.42 2.38 2.34 2.30 2.25 2.21 2.18 2.16
0.95 5.12 4.26 3.86 3.63 3.48 3.37 3.29 3.23 3.18 3.14 3.07 3.01 2.94 2.86 2.79 2.75 2.71
0.975 9 7.21 5.71 5.08 4.72 4.48 4.32 4.20 4.10 4.03 3.96 3.87 3.77 3.67 3.56 3.45 3.39 3.33
0.99 10.6 8.02 6.99 6.42 6.06 5.80 5.61 5.47 5.35 5.26 5.11 4.96 4.81 4.65 4.48 4.40 4.31
0.90 3.29 2.92 2.73 2.61 2.52 2.46 2.41 2.38 2.35 2.32 2.28 2.24 2.20 2.15 2.11 2.08 2.06
0.95 4.96 4.10 3.71 3.48 3.33 3.22 3.14 3.07 3.02 2.98 2.91 2.84 2.77 2.70 2.62 2.58 2.54
0.975 10 6.94 5.46 4.83 4.47 4.24 4.07 3.95 3.85 3.78 3.72 3.62 3.52 3.42 3.31 3.20 3.14 3.08
0.99 10.0 7.56 6.55 5.99 5.64 5.39 5.20 5.06 4.94 4.85 4.71 4.56 4.41 4.25 4.08 4.00 3.91
0.90 3.18 2.81 2.61 2.48 2.39 2.33 2.28 2.24 2.21 2.19 2.15 2.10 2.06 2.01 1.96 1.93 1.90
0.95 4.75 3.89 3.49 3.26 3.11 3.00 2.91 2.85 2.80 2.75 2.69 2.62 2.54 2.47 2.38 2.34 2.30
0.975 12 6.55 5.10 4.47 4.12 3.89 3.73 3.61 3.51 3.44 3.37 3.28 3.18 3.07 2.96 2.85 2.79 2.72
0.99 9.33 6.93 5.95 5.41 5.06 4.82 4.64 4.50 4.39 4.30 4.16 4.01 3.86 3.70 3.54 3.45 3.36
0.90 3.07 2.70 2.49 2.36 2.27 2.21 2.16 2.12 2.09 2.06 2.02 1.97 1.92 1.87 1.82 1.79 1.76
0.95 4.54 3.68 3.29 3.06 2.90 2.79 2.71 2.64 2.59 2.54 2.48 2.40 2.33 2.25 2.16 2.11 2.07
0.90 2.97 2.59 2.38 2.25 2.16 2.09 2.04 2.00 1.96 1.94 1.89 1.84 1.79 1.74 1.68 1.64 1.61
0.95 4.35 3.49 3.10 2.87 2.71 2.60 2.51 2.45 2.39 2.35 2.28 2.20 2.12 2.04 1.95 1.90 1.84
0.975 20 5.87 4.46 3.86 3.51 3.29 3.19 3.01 2.91 2.84 2.77 2.68 2.57 2.46 2.35 2.22 2.16 2.09
0.99 8.10 5.85 4.94 4.43 4.10 3.87 3.70 3.56 3.46 3.37 3.23 3.09 2.94 2.78 2.61 2.52 2.42
0.90 2.88 2.49 2.28 2.14 2.05 1.98 1.93 1.88 1.85 1.82 1.77 1.72 1.67 1.61 1.54 1.50 1.46
0.95 4.17 3.32 2.92 2.69 2.53 2.42 2.33 2.27 2.21 2.16 2.09 2.01 1.93 1.84 1.74 1.68 1.62
0.975 30 5.57 4.18 3.59 3.25 3.03 2.87 2.75 2.65 2.57 2.51 2.41 2.31 2.20 2.07 1.94 1.87 1.69
0.99 7.56 5.39 4.51 4.02 3.70 3.47 3.30 3.17 3.07 2.98 2.84 2.70 2.55 2.39 2.21 2.11 2.01
0.90 2.79 2.39 2.18 2.04 1.95 1.87 1.82 1.77 1.74 1.71 1.66 1.60 1.54 1.48 1.40 1.35 1.29
0.95 4.00 3.15 2.76 2.53 2.37 2.25 2.17 2.10 2.04 1.99 1.92 1.84 1.75 1.65 1.53 1.47 1.39
0.975 60 5.29 3.93 3.34 3.01 2.79 2.63 2.51 2.41 2.33 2.27 2.17 2.06 1.94 1.82 1.67 1.58 1.48
0.99 7.08 4.98 4.13 3.65 3.34 3.12 2.95 2.82 2.72 2.63 2.50 2.35 2.20 2.03 1.84 1.73 1.60
0.90 2.75 2.35 2.13 1.99 1.90 1.82 1.77 1.72 1.68 1.65 1.60 1.54 1.48 1.41 1.32 1.26 1.19
0.95 3.92 3.07 2.68 2.45 2.29 2.18 2.09 2.02 1.96 1.91 1.83 1.75 1.66 1.55 1.43 1.35 1.25
0.975 120 5.15 3.80 3.23 2.89 2.67 2.52 2.39 2.30 2.22 2.16 2.05 1.94 1.82 1.69 1.53 1.43 1.31
0.99 6.85 4.79 3.95 3.48 3.17 2.96 2.79 2.66 2.56 2.47 2.34 2.19 2.03 1.86 1.66 1.53 1.38
0.90 2.71 2.30 2.08 1.94 1.85 1.77 1.72 1.67 1.63 1.60 1.55 1.49 1.42 1.34 1.24 1.17 1.00
0.95 3.84 3.00 2.60 2.37 2.21 2.10 2.01 1.94 1.88 1.83 1.75 1.67 1.57 1.46 1.32 1.22 1.00
0.975 5.02 3.69 3.12 2.79 2.57 2.41 2.29 2.19 2.11 2.05 1.94 1.83 1.71 1.57 1.39 1.27 1.00
0.99 6.63 4.61 3.78 3.32 3.02 2.80 2.64 2.51 2.41 2.32 2.18 2.04 1.88 1.70 1.47 1.32 1.00