Pruebas de hipótesis, muestras pequeñas

Características de la distribución t de Student
Véalo aquí
 
La distribución t tiene las siguientes propiedades:
es continua, tiene forma de campana y es simétrica respecto al cero como la distribución z.
existe una familia de distribuciones t que comparten una media de cero pero con desviaciones estándar diferentes.
la distribución t está más dispersa y es más plana en el centro que la distribución z, pero se acerca a ella cuando el tamaño de la muestra crece.

Prueba para la media poblacional: muesra pequeña, desviación estándar poblacional desconocida
Vealo aquí

El estadístico de prueba para el caso de una muestra está dado por:

Ejemplo:
La tasa actual para producir fusibles de 5 amp en Neary Electric Co. es 250 por hora. Se compró e instaló una máquina nueva que, según el proveedor, aumentará la tasa de producción. Una muestra de 10 horas seleccionadas al azar el mes pasado indica que la producción media por hora en la nueva máquina es 256, con desviación estándar muestral de 6 por hora. Con .05 de nivel de significancia, ¿puede Neary concluir que la nueva máquina es más rápida?
Paso 1:

Paso 2: H0 se rechaza si t >1.833, gl = 9
Paso 3:

Paso 4: H0 se rechaza. La nueva máquina es más rápida.
Gráfica que muestra la región de rechazo, el valor crítico y el estadístico de prueba calculado


NOTA
Véalo aquí

Para una prueba de dos colas con la distribución t, se rechaza la hipótesis nula cuando el valor del estadístico de prueba es mayor que

o si es menor que -

Para una prueba de cola izquierda con la distribución t, se rechaza la hipótesis nula cuando el valor del estadístico de prueba es menor que

 

Comparación de dos medias poblacionales
Véalo aquí

Para realizar esta prueba se requieren tres suposiciones:
las poblaciones deben tener una distribución normal o normal aproximada
las poblaciones deben ser independientes
las variancias de las poblaciones deben ser iguales

Variancia muestral combinada y estadístico de prueba
Véalo aquí

Variancia muestral combinada:


Estadístico de prueba:
Un estudio EPA reciente compara la economía de combustible en carretera de los automóviles nacionales e importados. Una muestra de 15 autos nacionales reveló una media de 33.7 mpg con desviación estándar de 2.4 mpg. Una muestra de 12 autos importados indicó una media de 35.7 mpg con desviación estándar de 3.9. Para .05 de nivel de significancia, ¿puede EPA concluir que el consumo de las mpg para los autos importados es mayor? (Asocie el subíndice 1 con los autos nacionales.)
Paso 1:

Paso 2: H0 se rechaza si t<-1.708, gl=25
Paso 3: t=1.64 (verifique)
Paso 4: H0 no se rechaza. La evidencia muestral es insuficiente para asegurar que el consumo de mpg es más alto en los autos importados.


Pruebas de hipótesis con observaciones por pares
Véalo aquí

Las muestras independientes que no están relacionadas.
Las muestras dependientes están pareadas o relacionadas de alguna manera.
Por ejemplo, si se desea comprar un auto se busca el mismo modelo en dos (o más) distribuidores diferentes y se comparan los precios.
Use la siguiente prueba cuando las muestras son dependientes:
donde es el promedio de las diferencias
es la desviación estándar de las diferencias
n es el número de pares (diferencias)
Ejemplo:
Una empresa independiente de pruebas estadísticas compara el costo diario de renta de un auto compacto en Hertz y en Avis. Se obtiene una muestra aleatoria de ocho ciudades con la siguiente información. Para .05 de nivel de significancia, ¿puede la empresa de pruebas concluir que existe una diferencia en los costos de renta?
Paso 1:

Paso 2: H0 se rechaza si t<-2.365 o t>2.365
Paso 3:

Paso 4: H0 no se rechaza. No existe diferencia en los costos.

Variables Cuantitativas Discretas
Véalo aquí

Variables discretas: sólo pueden adquirir ciertos valores y casi siempre hay “brechas” entre esos valores.
EJEMPLO: el número de habitaciones en un hotel (1,2,3,....).

Variables Cuantitativas Continuas
Véalo aquí

Variables continuas: pueden tomar cualquier valor dentro de un intervalo específico.
EJEMPLO: el tiempo que toma volar de Buenos Aires a Bogotá.

Niveles de medición
Véalo aquí

 
Nivel nominal: los datos sólo se puede clasificar en categorías, no se pueden ordenar.
EJEMPLOS: color de los ojos, sexo, afiliación religiosa.
 
Mutuamente excluyente: un individuo, objeto o artículo, al ser incluido en una categoría, debe excluirse de las demás.
EJEMPLO: color de los ojos.

Exhaustivo: cada persona, objeto o hecho debe clasificarse al menos en una categoría.
EJEMPLO: afiliación religiosa.
 
Nivel ordinal: involucra datos que se pueden ordenar, pero no es posible determinar las diferencias entre los valores de los datos o no tienen significado.
EJEMPLO: en una prueba de sabor de 4 refrescos de cola, el C se clasificó como número 1, el B como número 2, el A como 3 y el D como número 4.
 
Nivel de intervalo: similar al nivel ordinal, con la propiedad adicional de que se pueden determinar cantidades significativas de las diferencias entre los valores. No existe un punto cero natural.
EJEMPLO: temperatura en la escala de grados Fahrenheit.
 
Nivel de razón: el nivel de intervalo con un punto cero inicial inherente. Las diferencias y razones son significativas para este nivel de medición.
EJEMPLOS: dinero, altura de los jugadores de basquetbol de la NBA.

<< atras

Tabla de contenidos

adelante >>