Académique Documents
Professionnel Documents
Culture Documents
Y μ ε
i i
Además cada ε i tiene una distribución N (0, σ2 ) entonces es claro que aplicando
el operador esperanza y varianza a Yi se tiene:
Y μ i 1,2,...... .., n
i i
Y μ (Y Y Y μ) (Y Y) (Y μ)
i i i
i i i
2
ε 2 (Y μ )2 Y Y Y μ .
Puesto que lo anterior se cumple para todas y cada una de las observaciones Y i ( i
= 1,2,.......n) podemos escribir lo siguiente para considerar todas las n
observaciones:
n 2 n 2
Yi Yi Y Y
i 1 i 1
n
n
n
n
Y 2 Y Y 2 Y 2 2 Y Y Y
i i i
i 1 i 1 i 1 i 1
Reduciendo:
n n
(Y Y ) 2 n(Y ) 2 2(Y ) (Y Y )
i i
i 1 i 1
Finalmente:
n
(Y Y)2 n(Y μ )2
i 1 i
ya que recuérdese que:
n n n n n 1 n n n
(Yi Y) Y Y Y nY Y n ( Y ) Y Y 0
i1 i i i n i 1 i i i
i 1 i 1 i 1 i 1 i 1 i 1
n
i
n
Y 2 Y Y 2 nY - ................................. (1)
i
2
i 1 i 1
Al poner atención a lo anterior se puede notar que la partición del error ε i en dos
componentes nos lleva a una expresión que involucra sumas de cuadrados de las
desviaciones originalmente consideradas. Por esta razón a las 3 componentes de
la ecuación (1) se les llama sumas de cuadrados.
n
Y 2
i
n
Y Y 2
i
nY - 2
i 1 i 1 ....................(2)
2 2 2
y μ
i N (0,1)
σ
Además
2
yi μ
2
σ 1
2
n y μ
i
2
i 1 σ
n
y -μ n y μ
N (0,1)
σ / n σ
y elevando al cuadrado
n(y μ) 2
12
σ2
Y Y
2
i
Finalmente como S 2 i 1
(que es la varianza muestral), por resultados
n - 1
previos se tiene que:
n
Y Y
2
i 1
i
n 1S 2 2
( n 1)
2 2
Por lo tanto se tiene que las distribuciones de las sumas de cuadrados se puede
resumir en lo siguiente:
Y i
2
n
Yi Y 2
ny μ2
i 1
i 1
2 2 2
2 2 2 .................................... (3)
n (n 1) 1
A B C
Ahora se explica como probar hipótesis sobre pero es necesario indicar que la
partición de la variabilidad que se ha hecho solo permite probar hipótesis de dos
colas sobre , es decir del tipo
Ho : μ μo VS Ha : μ μ
o
Para derivar una estadística para probar hipótesis sobre es natural recurrir a la
componente C en (3), puesto que la variable aleatoria C involucra no sólo a Y y a
, sino además a la distancia Y .
n(Y ) 2
Sin embargo la siguiente expresión: no es una estadística, dado que
2
tanto como 2 son parámetros poblacionales desconocidos. Por lo que toca a
el problema está resuelto, ya que debe tomar el valor o para fijar el nivel de
significancia. Con objeto de que la estadística no dependa de 2 se utiliza la
componente B en (3). Dado que B y C son ambas variables aleatorias ji-cuadradas
(Además se suponen independientes) se tiene que:
nY
2
2
nY
2
1 F(1n 1)
n 2
Y Y
2 S
i
i 1
2
(n 1)
Fo 2
F(1n 1)
S
y se puede usar Fo para probar el juego de hipótesis propuesto. La regla de
decisión que nos garantiza una prueba con nivel de significancia es “Rechazar
Ho si Fo F(1n1), ”.
Y Y
2
n i
Y Y i 1
S2
2
Error (n-1)
(n 1)
i
i 1
Y o
2
Total n i
i 1
Ejemplo 1. En un experimento realizado con el propósito de estudiar el efecto de las
radiaciones sobre los linfocitos en la sangre de conejos se aplicó una dosis de 800 roentgen
a cada una de las muestras de sangre de 7 animales. Se registró el número de linfocitos
antes y después de la aplicación. En seguida se reportan los porcentajes de linfocitos
sobrevivientes en cada muestra (Fuente: Science, Vol. 110,pág. 44. Julio 8 de 1949):
2.87, 10.73, 9.46, 7.68, 11.48, 5.28, 9.22
Solución:
a)
Hipótesis por probar: H 0 : 10% vs H a : 10%
1 n 1
y
n i 1
yi (2.87 10.73 ... 9.22) 8.10286
7
n
y y 56.9269 ,
2
i
i 1
n
Total 7 82.121
F61,0.10 3.77595
Como Fo Ftablas , no se rechaza Ho y se concluye que en promedio el porcentaje de
linfocitos sobrevivientes en la sangre de conejos después de aplicarse una radiación de 800
roentgen es igual a 10% a un nivel de significancia de 0.10.
H 0 : 10% vs H a : 10%
(x o ) 7 (8.10 10)
to 1.632
Sx / n 3.080
El criterio es rechazar Ho si t o t (n 1) , dado que α=0.10 y n=6 entonces:
2
t 0.05 (6) 1.943 y se tiene que t o 1.943 , por lo tanto no se rechaza Ho y se concluye lo
mismo que en a).
(t 0 ) 2 (1.632) 2 2.6634 F0
i 1,2,..., a
Yij i ij
j 1,2,..., ni
donde:
Yij, es la respuesta en la j-ésima unidad experimental con el tratamiento i–ésimo.
, es la media general, común a todas las unidades antes de aplicar los
tratamientos.
i, efecto del i-ésimo tratamiento.
ij, error experimental en la j-ésima repetición del i-ésimo tratamiento.
Las suposiciones distribucionales pueden resumirse diciendo que las ij son
independientes, con distribución N (0, 2 )
Que aplicadas a la anterior tabla se tiene:
H o : 1 2 ... a vs H a : i j para i j
Dado que la anterior igualdad se cumple para todas y cada una de todas las
observaciones Yij, se puede tener lo siguiente:
Y ij Y.. Y ij Yi .
a ni a ni a
n Y Y..
2 2 2
i i.
i 1 j 1 i 1 j 1 i 1
Y Yi.
a nj
2
ij
S .C.ERROR i 1 j 1
~ 2 a
2
2
i
n a
i 1
n Y Y..
2
i i.
S .C.TRATAMIENT OS
i 1
~ 2a 1
2
2
Y Y..
a nj
2
ij
S .C.TOTAL i 1 j 1
~ 2 a
2
2
i
n 1
i 1
2 a 2a 2a 1
ni 1 ni a
i 1 i 1
Y Yi.
a a nj
S .C.ERROR
ni a
2
Error ij a
i 1 i 1 j 1
n
i 1
i a
Y Y..
a a nj
n 1
2
Total i ij
i 1 i 1 j 1
F aa 1
ni a
i 1
Cuando la hipótesis nula es cierta, por lo que la regla de decisión es: “Rechazar H 0
si F0 F aa 1 ”
ni a ,
i 1
a
Yi.2 Y2
S .C.TRAT a ..
i 1 ni
ni i 1
nj
a a
Yi.2
S .C.ERROR Yij2
i 1 j 1 i 1 ni
nj
a
Y..2
S .C.TOTAL Y 2
ij a
i 1 j 1
n
i 1
i
Nombrando a
Y..2
a
, por el factor de corrección (F.C.).
n
i 1
i