Tema 9
Tema 9
Tema 9
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
ASIGNATURA: ESTADÍSTICA II (Grado ADE,MIM,FBS)<br />
TEMA 5: CONTRASTES DE HIPÓTESIS PARAMÉTRICAS<br />
5.1. Contrastes paramétricos para una población<br />
5.1.1. Contrastes para la media de una distribución Normal<br />
5.1.2. Contrastes para la media. Caso general<br />
5.1.3. Contrastes para la varianza de una distribución Normal<br />
5.2. Contrastes para dos poblaciones: muestras independientes<br />
5.2.1. Contrastes para la diferencia de medias en variables Normales<br />
5.2.2. Contraste de igualdad de varianzas en variables Normales<br />
5.2.3. Contrastes para la diferencia de medias. Caso general<br />
5.3. Contrastes para la diferencia de medias: muestras pareadas<br />
5.4. Contrastes para proporciones<br />
5.4.1. Contrastes para una proporción<br />
5.4.2. Contrastes para la diferencia de proporciones<br />
1
OBJETIVOS: Al finalizar este tema, el alumno será capaz de:<br />
• realizar contrastes sobre la media y la varianza de una distribución normal<br />
• comparar dos poblaciones normales en términos de la diferencia de medias y la<br />
igualdad de varianzas<br />
• identificar los problemas con muestras independientes y con muestras pareadas<br />
• realizar contrastes para una y dos proporciones<br />
• elegir en cada situación el estadístico de contraste más adecuado y justificar su<br />
elección<br />
• definir la región crítica apropiada para cada tipo de problema<br />
• interpretar críticamente los resultados de un contraste, señalar sus consecuencias<br />
y tomar las decisiones oportunas en base a dichos resultados.<br />
2
5.1. CONTRASTES PARAMÉTRICOS PARA UNA POBLACIÓN<br />
5.1.1. CONTRASTES PARA LA MEDIA DE UNA DISTRIBUCIÓN NORMAL<br />
Ejemplo 1: 1 Sea X la variable “rentabilidad de cierto tipo de fondos de<br />
inversión”. Se considera que la media de esta variable es 15.<br />
Un economista afirma que dicha rentabilidad media ha variado, por lo<br />
que lleva a cabo un estudio sobre una muestra de 9 fondos cuya media<br />
muestral resulta ser de 15,308 y cuya varianza muestral corregida<br />
(cuasivarianza) es 0,193.<br />
Con estos datos, ¿cómo contrastar la afirmación del economista al 5%<br />
Sea (X 1 ,...,X n ) m.a.s. de X→N(µ,σ)<br />
1 Ejemplo tomado de la asignatura Estadística II de la Universidad Carlos III de Madrid<br />
(http://www.est.uc3m.es/esp/nueva_docencia/getafe/economia/estadistica_ii/documentacion_transp_archivos/tema2_2P_esp.pdf)<br />
3
5.1.1.1. Con varianza σ 2 conocida<br />
• H 0 :µ=µ 0 ⇒Estadístico de contraste: PivoteI.b. Z*=<br />
Hipótesis alternativa:<br />
X<br />
0<br />
σ/<br />
− µ<br />
n<br />
H<br />
⎯⎯ 0 →N(0,1)<br />
• H 1 :µ>µ 0<br />
1-α<br />
N(0,1)<br />
α<br />
Rechazo H 0 cuando:<br />
X − µ<br />
0<br />
σ/<br />
n<br />
≥z α ⇒ p-valor=p(Z*≥z obs )<br />
z α<br />
• H 1 :µ
5.1.1.2. Con varianza σ 2 desconocida<br />
• H 0 :µ=µ 0 ⇒Estadístico de contraste: PivoteI.c. t*=<br />
Hipótesis alternativa:<br />
X − µ<br />
S<br />
c<br />
0<br />
/ n<br />
⎯ H ⎯→<br />
0<br />
t n-1<br />
• H 1 :µ>µ 0<br />
1-α<br />
t n-1<br />
α<br />
Rechazo H 0 cuando:<br />
X − µ<br />
S<br />
c<br />
0<br />
/ n<br />
≥t α ⇒ p-valor=p(t*≥t obs )<br />
t α<br />
• H 1 :µ
Relación entre contrastes bilaterales e intervalos de confianza:<br />
H 0 :µ=µ 0<br />
H 1 :µ≠µ 0<br />
Región crítica: C={<br />
X − µ<br />
S<br />
c<br />
/<br />
0<br />
n<br />
≥t α/2 } = {<br />
X − µ<br />
S<br />
c<br />
/<br />
0<br />
n<br />
≤-t α/2 ,<br />
X − µ<br />
S<br />
c<br />
0<br />
/ n<br />
≥t α/2 } con p H0 (C)=α<br />
Región de aceptación: A= {-t α/2 ≤<br />
={<br />
X − t<br />
S c<br />
n<br />
α /2 ≤ µ 0 ≤ X +<br />
t<br />
α /2<br />
S c<br />
n<br />
X − µ<br />
S<br />
}={ µ 0 ∈<br />
c<br />
0<br />
/ n<br />
α /2<br />
S c<br />
n<br />
S c<br />
n<br />
≤t α/2 } = { − t ≤ X − µ ≤t<br />
}=<br />
S c<br />
n<br />
α /2<br />
X ± t } , con p H0 (A)=1-α<br />
Si µ 0 ∈ Intervalo de Confianza para µ con nivel de confianza 1-α<br />
“Acepto” H 0 :µ=µ 0 con nivel de significación α<br />
0<br />
α /2<br />
Contrastar H 0 :θ=θ 0 frente a H 1 :θ≠θ 0 con un nivel de significación α<br />
EQUIVALE A:<br />
Construir un intervalo de confianza para θ, con nivel de confianza 1-α,<br />
y rechazar H 0 si θ 0 no está en dicho intervalo.<br />
6
Ejemplo 1: (continuación)<br />
Formular la hipótesis nula y la hipótesis alternativa:<br />
Definir el estadístico de contraste:<br />
Definir la región crítica para el nivel de significación dado:<br />
Calcular el valor del estadístico de contraste para la muestra dada:<br />
Tomar la decisión:<br />
Calcular el p-valor:<br />
Obtener el intervalo de confianza para µ al 95% y comentar resultados<br />
7
5.1.2. CONTRASTES PARA LA MEDIA. CASO GENERAL<br />
Sea (X 1 ,...,X n ) m.a.s. de X con E(X)=µ y Var(X)=σ 2<br />
H 0 :µ=µ 0 H 0 :µ=µ 0 H 0 :µ=µ 0<br />
H 1 :µ>µ 0 H 1 :µ
5.1.3. CONTRASTES PARA LA VARIANZA DE UNA DISTRIBUCIÓN NORMAL<br />
n<br />
H 0 :σ 2 = σ0<br />
2 2<br />
⇒Estadístico de contraste: PivoteI.d. 2 S ⎯⎯→<br />
σ<br />
H0<br />
χ<br />
2 n- 1<br />
0<br />
Hipótesis alternativa:<br />
• H 1 :σ 2 > σ 0<br />
2<br />
1-α<br />
• H 1 :σ 2 < σ 0<br />
2<br />
α<br />
Rechazar H 0 cuando:<br />
n S<br />
σ<br />
2<br />
0<br />
2<br />
≥χ<br />
n<br />
2 -1,1-α<br />
α<br />
1-α<br />
Rechazar H 0 cuando:<br />
n S<br />
σ<br />
2<br />
0<br />
2<br />
≤χ<br />
n<br />
2 -1,<br />
α<br />
• H 1 :σ 2 ≠σ<br />
0<br />
2<br />
Rechazar H 0 cuando:<br />
2<br />
χ<br />
n S<br />
σ<br />
2<br />
0<br />
n S<br />
≤χ 2 ó 2<br />
n −1α<br />
≥ 2 , /2 2 n −1,1<br />
−α/2<br />
σ0<br />
9
5.2. CONTRASTES PARA DOS POBLACIONES INDEPENDIENTES<br />
5.2.1. CONTRASTE DE DIFERENCIA DE MEDIAS EN VARIABLES NORMALES<br />
Ejemplo 2: El departamento de control de calidad de una empresa<br />
sospecha que la calidad media de los productos fabricados en el turno<br />
de noche es inferior a la de los productos fabricados en el turno de día.<br />
Para contrastar esta sospecha, se eligen al azar 8 productos fabricados<br />
en cada turno y se obtienen los siguientes índices de calidad<br />
Turno de día 92 85 89 89 93 90 91 95<br />
Turno de noche 82 86 96 89 87 86 83 92<br />
X 1 ,...,X n1 m.a.s. de una N(µ 1 ,σ 1 )<br />
X 1,...,X n2 m.a.s. de una N(µ 2 ,σ 2 )<br />
independientes<br />
10
5.2.1.1. Varianzas conocidas H 0 :µ 1 -µ 2 =δ 0<br />
H 1 :µ 1 -µ 2 >δ 0<br />
Estadístico de contraste: Pivote II.a. Bajo H 0 ⇒ Z * =<br />
N(0,1)<br />
( X1<br />
− X2<br />
) − δ0<br />
2 2<br />
σ1<br />
σ2<br />
n<br />
1<br />
+<br />
n<br />
2<br />
→N(0,1)<br />
1-α α<br />
Rechazar H 0 si Z * ≥z α .<br />
0 z α<br />
¿ Y si queremos contrastar alternativas distintas: de otro lado o bilateral<br />
⇒ H 0 :µ 1 -µ 2 =δ 0<br />
H 1 :µ 1 -µ 2
5.2.1.2. Varianzas desconocidas iguales H 0 :µ 1 -µ 2 =δ 0<br />
H 1 :µ 1 -µ 2 >δ 0<br />
Estadístico de contraste: Pivote II.b. Bajo H 0 ⇒ t * 0<br />
= →t<br />
n + n −2<br />
t n1+n2-2<br />
1-α α<br />
n1S<br />
n<br />
Rechazo H 0 cuando: t *<br />
( X<br />
2<br />
X 1<br />
1<br />
1<br />
− X<br />
+ n2S<br />
+ n −2<br />
2<br />
≥ tα<br />
2<br />
2<br />
X 2<br />
) −δ<br />
1<br />
n<br />
1<br />
1<br />
+ n<br />
2<br />
1<br />
2<br />
0 t α<br />
⇒ H 0 :µ 1 -µ 2 =δ 0<br />
H 1 :µ 1 -µ 2
5.2.2. CONTRASTE DE VARIANZAS EN VARIABLES NORMALES<br />
Ejemplo 3: 2<br />
Un inversor quiere comparar los riesgos asociados a dos<br />
mercados diferentes (A y B), teniendo en cuenta que dicho riesgo se mide<br />
por la variabilidad en las fluctuaciones diarias de precios. Para ello se<br />
obtienen datos de 21 cambios de precios diarios para el mercado A y de 16<br />
para el mercado B, obteniéndose los siguientes resultados:<br />
Mercado A Mercado B<br />
X A = 0,3 X B =0,4<br />
S cA = 0,25 S cB =0,45<br />
X 1 ,...,X n1 m.a.s. de una N(µ 1 ,σ 1 )<br />
X 1,...,X n2 m.a.s. de una N(µ 2 ,σ 2 )<br />
independientes<br />
2 Ejemplo tomado de http://www.est.uc3m.es/esp/nueva_docencia/getafe/economia/estadistica_ii/documentacion_transp_archivos/tema2_2P_esp.pdf)<br />
13
2<br />
Contraste bilateral: H 0 : σ 1 = σ<br />
2 2<br />
2<br />
H 1 : σ1<br />
≠σ<br />
2 2<br />
C1<br />
Estadístico de contraste: PivoteII.d. Bajo H 0 ⇒ → F n 1,n 1<br />
S<br />
S<br />
2<br />
2<br />
C2<br />
1<br />
−<br />
2<br />
−<br />
α/2<br />
1-α<br />
α/2<br />
C1<br />
Rechazo H 0 cuando: {<br />
S 2<br />
C2<br />
S<br />
2<br />
F α/2<br />
F 1-α/2<br />
2<br />
SC1<br />
≤ F α/2 ,<br />
S 2<br />
C2<br />
≥ F 1-α/2 }<br />
2 2<br />
Otra opción: obtener el Intervalo de Confianza 1-α para σ 1 / σ 2 y rechazar H 0 si 1∉I.C.<br />
Contrastes unilaterales:<br />
2<br />
• H 1 : σ 1 > σ 2 ⇒ Rechazar H 2<br />
0 cuando<br />
2<br />
2<br />
• H 1 : σ 1 < σ 2 ⇒ Rechazar H 2<br />
0 cuando<br />
2<br />
S<br />
S<br />
S<br />
S<br />
2<br />
C1<br />
C2<br />
2<br />
C1<br />
C2<br />
> F 1-α<br />
< F α<br />
14
Ejemplo3: (continuación)<br />
X = fluctuaciones diarias de precios en el mercado A→N(µ A ,σ A )<br />
Y = fluctuaciones diarias de precios en el mercado B→N(µ B ,σ B )<br />
• Formular la hipótesis nula y la hipótesis alternativa:<br />
• Definir el estadístico de contraste y calcular su valor para la muestra dada:<br />
• Definir la región crítica<br />
• Calcular el p-valor:<br />
• Tomar la decisión:<br />
• Obtener el intervalo de confianza para<br />
2<br />
σ<br />
2<br />
1 / σ 2 y comentar resultados<br />
15
Ejemplo 2: (continuación)<br />
X = índice de calidad de productos fabricados de día →N(µ x ,σ x )<br />
Y = índice de calidad de productos fabricados de noche →N(µ y ,σ y )<br />
X,Y independientes<br />
Contraste para comparar las medias:<br />
H 0 :µ Y ≥µ X<br />
H 1 :µ Y
5.2.3. CONTRASTES PARA DIFERENCIA DE MEDIAS. CASO GENERAL<br />
Ejemplo 4: Novales (1997, p. 395)<br />
Para contrastar la igualdad salarial entre hombres y mujeres de igual<br />
ocupación se toma una muestra de 60 mujeres, que arroja un salario<br />
medio de 1,04 mil €/mes con una cuasi-varianza de 0,256, y una<br />
muestra de 120 hombres, con un salario medio de 1,25 mil €/mes y<br />
cuasi-varianza 0,105. ¿Existe evidencia de que el salario (medio) de<br />
los hombres es superior al de las mujeres α=0.05<br />
X 1 = salario hombres; X 2 = salario mujeres; E(X i )=µ i ; Var(X i )=σ i 2 ;<br />
H 0 :µ 1 =µ 2<br />
H 1 :µ 1 >µ 2<br />
17
Teorema central del límite:<br />
( X<br />
−<br />
1 X 2)<br />
( µ 1 µ 2)<br />
2<br />
σ1<br />
2<br />
σ2<br />
n<br />
1<br />
−<br />
+<br />
n<br />
2<br />
−<br />
A ~ N(0,1)<br />
¡ Varianzas desconocidas ! ⇒ sustituirlas por estimadores consistentes:<br />
Estadístico de contraste: Bajo H 0 ⇒ Z * =<br />
( X<br />
1<br />
2<br />
1<br />
1<br />
− X<br />
2<br />
ˆ σ ˆ σ +<br />
n n<br />
2<br />
2<br />
2<br />
)<br />
A ~ N(0,1)<br />
H 0 : µ 1 =µ 2<br />
H 1 : µ 1 >µ 2<br />
H 0 : µ 1 =µ 2<br />
H 1 : µ 1
Ejemplo 4: (continuación)<br />
• Definir el estadístico de contraste<br />
• Definir la región crítica<br />
• Obtener el valor crítico para el nivel de significación dado<br />
• Obtener el valor del estadístico de contraste para la muestra dada<br />
• Tomar la decisión:<br />
• Calcular el p-valor:<br />
19
5.3. CONTRASTE DE DIFERENCIA DE MEDIAS. DATOS PAREADOS<br />
Ejemplo 5: (Casas, 1997, pp. 262-264)<br />
Se tienen los siguientes datos del consumo de gasolina por 1000 km<br />
de una muestra aleatoria de 9 coches utilizando dos carburantes X e<br />
Y (coches conducidos por los mismos conductores, en las mismas<br />
carreteras, las mismas distancias, etc).<br />
X 132 139 126 114 122 132 142 119 126<br />
Y 124 141 118 116 114 132 145 123 121<br />
D=X-Y 8 -2 8 -2 8 0 -3 -4 5<br />
Suponiendo normalidad, contrasta al 1% si el consumo medio con<br />
ambos carburantes es igual.<br />
20
⎛<br />
⎜<br />
⎜<br />
⎜<br />
⎝<br />
X ...<br />
Y<br />
⎞<br />
1<br />
⎟<br />
⎟<br />
⎟<br />
1 ⎠<br />
⎛ ⎞<br />
⎛ ⎞<br />
⎜ X<br />
n<br />
⎜ m.a.s. de una Normal bidimensional<br />
⎜ Y ⎟ ⎟⎟ ⎜<br />
⎜<br />
⎟ ⎟⎟<br />
⎝ n ⎠<br />
⎝ ⎠<br />
⇒Diferencia: D=X-Y →N(µ D ,σ D ), con µ D =µ x -µ y , σ D =<br />
Y X →N 2<br />
⎛⎛<br />
µ ⎞⎛<br />
2<br />
x σ x<br />
⎜<br />
⎜<br />
⎟<br />
⎜<br />
⎝⎝<br />
µ y ⎠⎝σ<br />
xy<br />
+<br />
−<br />
2 2<br />
σ X σ Y 2<br />
σ xy ⎞⎞<br />
⎟<br />
⎟<br />
σ 2<br />
y<br />
⎠⎠<br />
⇒Tengo una m.a.s: D 1 ,...,D n de una v.a. unidimensional: D→N(µ D ,σ D )<br />
Contraste bilateral: 3 H 0 :µ x -µ Y =δ 0 H 0 : µ D =δ 0<br />
H 1 :µ X -µ Y ≠δ 0 H 1 : µ D ≠δ 0<br />
σ<br />
XY<br />
⇒Estadístico de contraste : Pivote I.c. bajo H 0 ⇒<br />
S<br />
D<br />
C D<br />
−δ 0<br />
/ n<br />
→t n-1<br />
⇒Rechazo H 0 si:<br />
D−δ 0<br />
S / n<br />
C D<br />
≥ t α/2<br />
Otra opción: obtener el Intervalo de Confianza 1-α para µ D y rechazar H 0 si δ 0 ∉I.C.<br />
Importante: las muestras pareadas reducen el efecto de otros factores<br />
3 Para alternativas H 1 unilaterales se procede como en los casos anteriores<br />
21
Ejemplo 5: (continuación)<br />
Contraste bilateral: H 0 :µ D =0<br />
H 1 :µ D ≠0<br />
1 n<br />
D = ∑D<br />
n<br />
i=<br />
1<br />
i<br />
1<br />
n −1<br />
=2; S D = ∑(D<br />
−<br />
n<br />
i=<br />
1<br />
i<br />
D)<br />
2<br />
=5.17<br />
PIVOTE (I.c):<br />
D<br />
S<br />
SC<br />
D<br />
−µ<br />
D →t n-1 ⇒ I.C. para µ D al (1-α)% ⇒ µ D ∈D±t α/2 n<br />
C D<br />
/<br />
n<br />
‣ (1-α)=0.99 ⇒ 0.995=p(t 8 ≤ t α/2 ) ⇒ t α/2 =3.355<br />
5,17<br />
I.C.: [2 ±3.355x ]=[-3.78, 7.78] ⇒ Como µD =0∈ I.C.⇒ “Acepto” H 0 al 1%<br />
9<br />
‣ (1-α)=0.95 ⇒ 0.975=p(t 8 ≤ t α/2 ) ⇒ t α/2 =2.306<br />
5,17<br />
I.C.: [2 ±2.306x ]=[-1.97, 5.97] ⇒ Como µD =0∈ I.C.⇒ “Acepto” H 0 al 5%<br />
9<br />
22
5.4. CONTRASTES PARA PROPORCIONES<br />
5.4.1. CONTRASTES PARA UNA PROPORCIÓN<br />
Ejemplo 6: Un fabricante de automóviles trabaja con un proveedor que<br />
afirma que no más del 5% de sus piezas son defectuosas. El fabricante<br />
decide contrastar esta afirmación seleccionando de su inventario 20 piezas y<br />
probándolas. ¿Deberá sospechar el fabricante de la afirmación del proveedor<br />
si se descubren 2 piezas defectuosas en la muestra<br />
Ejemplo 7: Peña (2001, p.393) La proporción de gente que votó a cierto<br />
partido en las elecciones pasadas fue el 25%. Se toma hoy una muestra de<br />
500 electores y se obtiene que el 22% votaría a dicho partido. ¿Hay<br />
evidencia de un cambio en la intención de voto<br />
Sea X 1 ,...,X n m.a.s de una Bernoulli b(p), X i =<br />
⎩<br />
⎨ ⎧<br />
0<br />
si ocurre A (éxito)<br />
→<br />
si ocurre A (fracaso) → 1−<br />
p<br />
ΣX i =nº de éxitos en la muestra; pˆ = _ X= proporción de éxitos en la muestra<br />
1<br />
p<br />
23
Muestras “pequeñas” ⇒ Estadístico de contraste: ΣX i H 0<br />
B(n,p 0 )<br />
H 0 :p=p 0<br />
H 1 :pp 0<br />
H 0 :p=p 0<br />
H 1 :p≠p 0<br />
p-valor=p(ΣX i ≤(Σx i ) obs ) p-valor=p(ΣX i ≥ Σx i ) obs ) p-valor=2min{p(ΣX i ≥(Σx i ) obs ),p(ΣX i ≤(Σx i ) obs )}<br />
Ejemplo 6: (continuación)<br />
• Formular la hipótesis nula y la hipótesis alternativa:<br />
• Definir el estadístico de contraste y su distribución:<br />
• Definir la región crítica:<br />
• Obtener el valor del estadístico para la muestra dada y calcular el p-valor:<br />
• Tomar la decisión:<br />
24
ˆ<br />
p (1−<br />
)<br />
n p<br />
Muestras “grandes”⇒Teorema Central del Límite: p−<br />
p<br />
~ N(0,1<br />
)<br />
ˆ<br />
p (1−<br />
p<br />
⇒ Estadístico de contraste: Bajo H 0 ⇒ Z*= p − p0<br />
(0,1 )<br />
• H 0 :p=p 0<br />
H 1 :pp 0<br />
1-α<br />
N(0,1)<br />
α<br />
Rechazo H 0 si<br />
p<br />
0<br />
pˆ<br />
− p<br />
(1 − p<br />
0<br />
0<br />
) / n<br />
≥z α ⇒ p-valor=p(Z*≥z obs )<br />
z α<br />
25
• H 0 :p=p 0<br />
H 1 :p≠p 0<br />
α/2 N(0,1)<br />
1-α α/2<br />
Rechazo H 0 si: | |≥ z α/2<br />
⇒ p-valor=p(|Z*|≥|z obs |)=2p(Z*≥|z obs |)<br />
-z α/2 0 z α/2<br />
¡ OJO ! ¡ diferencia importante respecto al intervalo de confianza !<br />
Para construir el Intervalo de Confianza para p, el pivote es:<br />
pˆ<br />
− p<br />
pˆ(1<br />
−<br />
n<br />
pˆ)<br />
~ N(0,1)<br />
A<br />
sustituimos p por su estimador<br />
En problemas de proporciones, los contrastes bilaterales no se<br />
resuelven a través del I.C. sino planteando la región crítica de 2 colas<br />
26
Ejemplo 7: (continuación)<br />
Formular la hipótesis nula y la hipótesis alternativa:<br />
Definir el estadístico de contraste:<br />
Definir la región crítica:<br />
Calcular el valor del estadístico de contraste para la muestra dada:<br />
Calcular el p-valor:<br />
Tomar la decisión:<br />
27
5.4.2. CONTRASTES PARA LA DIFERENCIA DE PROPORCIONES<br />
Ejemplo 8: (Newbold, 1998, p. 270)<br />
Se extrajeron dos muestras aleatorias independientes de estudiantes<br />
universitarios de último curso de sexo masculino y femenino. De 120<br />
hombres seleccionados, 107 esperaban disfrutar de un trabajo fijo en<br />
un máximo de 10 años. De 141 mujeres seleccionadas, 73 tenían esa<br />
esperanza. ¿Podemos concluir, con un nivel de significación del 5%,<br />
que las expectativas de empleo son iguales en hombres y en mujeres<br />
con estudios universitarios<br />
X 1 ,...,X n m.a.s. de una v.a. X→b(p X )<br />
Y 1 ,...,Y m m.a.s. de una v.a. Y→b(p Y )<br />
independientes<br />
28
Teorema Central del Límite: ( pˆ<br />
X - pˆ<br />
Y)<br />
-(<br />
pX<br />
- pY)<br />
~ N(01,<br />
), donde pˆ p X(1−<br />
X)<br />
p Y(1<br />
Y)<br />
A<br />
n p +<br />
−<br />
m p<br />
X =X, pˆ Y =Y<br />
Hipótesis nula: H 0 :p X =p Y =p 0<br />
Estadístico de contraste: Bajo H 0 ⇒<br />
p<br />
0<br />
pˆ<br />
(1 − p<br />
n<br />
X<br />
0<br />
− pˆ<br />
Y<br />
) p<br />
+<br />
0<br />
(1 −<br />
m<br />
p<br />
0<br />
)<br />
=<br />
p<br />
0<br />
pˆ<br />
X − pˆ<br />
Y<br />
⎛ 1<br />
(1 − p0)<br />
⎜<br />
⎝ n<br />
+<br />
1 ⎞<br />
⎟<br />
m ⎠<br />
~ N(01,<br />
A<br />
)<br />
Estimar p 0 con la media ponderada:<br />
pˆ<br />
0<br />
=<br />
n pˆ<br />
X<br />
n<br />
+<br />
+<br />
m pˆ<br />
m<br />
Y<br />
Hipótesis alternativa:<br />
H 1 :p X >p Y H 1 :p X
Ejemplo 8: (continuación)<br />
Formular la hipótesis nula y la hipótesis alternativa:<br />
Definir el estadístico de contraste:<br />
Definir la región crítica para el nivel de significación dado:<br />
Calcular el valor del estadístico de contraste para la muestra dada:<br />
Tomar la decisión:<br />
Calcular el p-valor:<br />
Obtener el intervalo de confianza para µ al 95% y comentar resultados<br />
30
BIBLIOGRAFÍA BÁSICA<br />
Canavos, G.C. (2001) Probabilidad y estadística: aplicaciones y<br />
métodos, Madrid: McGraw-Hill.<br />
Secciones 9.6, 9.7, 9.8<br />
Casas, J.M. (1997) Inferencia estadística (incluye ejercicios resueltos).<br />
Madrid: Centro de Estudios Ramón Areces.<br />
Capítulo 6<br />
BIBLIOGRAFÍA COMPLEMENTARIA:<br />
Newbold (1998) Estadística para los Negocios y la Economía. 4ª ed.<br />
Madrid: Prentice Hall.<br />
Capítulo 9<br />
Novales (1997) Estadística y Econometría. Madrid: McGraw Hill.<br />
Capítulo 10<br />
Peña, D. (2008) Fundamentos de estadística, Madrid: Alianza.<br />
Secciones 10.4, 10.5, 10.6<br />
31