6. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA
6. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA
6. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
426 / <strong>ESTADÍSTICA</strong> APLICADA BÁSICA<br />
En realidad, la media de los 10 catadores fue ¯x = 1,02. El valor P es la probabilidad<br />
de obtener una ¯x al menos tan grande si en realidad µ = 0. Esta probabilidad<br />
es P = 0,000<strong>6.</strong> Raramente obtendríamos una muestra con una pérdida de<br />
dulzura tan grande si la H0 fuera cierta. El valor P tan pequeño proporciona una<br />
fuerte evidencia en contra de H0 y en cambio una fuerte evidencia a favor de la<br />
alternativa H a : µ > 0. ■<br />
µ = 0<br />
¯x = 0,3<br />
Distribución muestral<br />
de ¯x cuando µ = 0<br />
Valor P = 0,1711<br />
Figura <strong>6.</strong>10. El valor P del resultado ¯x = 0,3 en la prueba de cata de<br />
refrescos. El valor P es la probabilidad (cuando H0 es cierta) de que ¯x<br />
tome un valor al menos tan grande como el realmente observado.<br />
Valores P pequeños proporcionan evidencia en contra de H0, ya que nos dicen<br />
que es poco probable que el resultado obtenido ocurra sólo por azar. Valores P<br />
grandes no proporcionan evidencia en contra de H 0.<br />
Las recetas sobre las pruebas de significación no dejan translucir los razonamientos<br />
que hay detrás. En realidad los programas estadísticos, a menudo sólo<br />
proporcionan el valor P. Observa otra vez las ¯x sobre la pérdida de dulzura de<br />
los dos refrescos de la figura <strong>6.</strong>9. Podemos ver que uno de los resultados no es<br />
sorprendente si la verdadera media poblacional es 0. En cambio, el otro resultado<br />
sí lo es. Una prueba de significación dice lo mismo pero de forma más detallada.<br />
“moore”<br />
2002/1/21<br />
page 426