Processing math: 100%

jueves, 30 de enero de 2014

Contraste de hipótesis bilateral sobre la diferencia de medias de dos poblaciones con distribución normal

Enunciado:
Dos laboratorios farmacéuticos fabrican sendos somníferos, A y B. Se puede tratar a los pacientes aquejados de insomnio con uno u otro medicamento. Al objeto de comparar la efectividad de estos medicamentos, se toman una muestra de 80 pacientes de la población tratada con A y otra muestra de 100 pacientes de la población tratada con B. Sabemos ( por otros estudios ) que el número de horas de sueño en los pacientes de insomnio se distribuye de forma aproximadamente normal, y se observa, al final de los dos tratamientos ( con la misma dosificación y la misma duración ), que el número medio de horas de sueño en la muestra de pacientes tratados con A es de 7'84 horas con una desviación típica de 0'90 horas, y que el número medio de horas de sueño en la muestra de pacientes tratados con B es de 6'90 horas con desviación típica de 1'30 horas. ¿ Se pude decir, a nivel de significación del 5\,\%, que hay diferencias significativas en la eficacia de los medicamentos A y B ?.

Resolución:
Si no hay diferencias significativas en los resultados de los dos tratamientos, no las habrá entre las medias poblacionales respectivas y, por tanto, parece razonable plantear el siguiente contraste de hipótesis bilateral: H_0:\,\mu_1-\mu_2 = (\mu_1-\mu_2)_0, siendo (\mu_1-\mu_2)_0=0 ( hipótesis nula o estándar/fundamental ) frente a H_1:\,\mu_1-\mu_2 \neq 0 ( hipótesis alternativa ), donde \mu_1 y \mu_2 son las medias de las respectivas poblaciones ( población de todos los pacientes tratados con el medicamento A y con el medicamento B, respectivamente ), siendo el estadístico del muestreo: \dfrac{(\overline{x_1}-\overline{x_2})-(\mu_1-\mu_2)}{\sqrt{\dfrac{\sigma_{1}^{2}}{n_1}+\dfrac{\sigma_{2}^{2}}{n_2}}} \approx N(0,1)

Como datos, disponemos de: las medias muestrales, las desviaciones típicas de ambas muestras, y los tamaños muestrales: \overline{x_1}=7'84, \overline{x_2}=6'90, \sigma_1=0'90, \sigma_2=1'30, n_1=80, n_2=100.

De acuerdo con lo explicado en un artículo anterior, decidiremos aceptar H_0 a nivel de significación \alpha si el valor observado del estadístico \dfrac{|(\overline{x_1}-\overline{x_2})-0|}{\sqrt{\dfrac{\sigma_{1}^{2}}{n_1}+\dfrac{\sigma_{2}^{2}}{n_2}}} \le z_{\alpha / 2} por ser el intervalo de aceptación de la hipótesis de la hipótesis nula: C^{*}=[ \; (\mu_1-\mu_2)_0-z_{\alpha / 2} \cdot {\sqrt{\dfrac{\sigma_{1}^{2}}{n_1}+\dfrac{\sigma_{2}^{2}}{n_2}}} \;,\; (\mu_1-\mu_2)_0+z_{\alpha / 2}\cdot {\sqrt{\dfrac{\sigma_{1}^{2}}{n_1}+\dfrac{\sigma_{2}^{2}}{n_2}}} \; ]


es decir
C^{*}=[ \; 0-z_{\alpha / 2} \cdot {\sqrt{\dfrac{\sigma_{1}^{2}}{n_1}+\dfrac{\sigma_{2}^{2}}{n_2}}} \;,\; 0+z_{\alpha / 2}\cdot {\sqrt{\dfrac{\sigma_{1}^{2}}{n_1}+\dfrac{\sigma_{2}^{2}}{n_2}}} \; ]

y caer entonces dicho valor observado en C^{*}; en caso contrario, decidiremos rechazar H_0, aceptando por tanto H_1.

De las tablas Z \sim N(0,1) encontramos el valor crítico z_{\alpha /2}=z_{0'05 / 2}=z_{0'025}=1'96 ( abscisa que deja a su derecha el \alpha \cdot 100 \, \% de la la distribución de probabilidad ). Veamos pues si se cumple la condición de aceptación de H_0: \dfrac{|(7'84-6'90)-0|}{\sqrt{\dfrac{0'90^{2}}{80}+\dfrac{1'30^{2}}{100}}}\approx 5'72 \nleqslant z_{0'025}=1'96, luego rechazamos H_0 a nivel de significación \alpha=0'05; esto es: concluimos que hay diferencias significativas en la eficacia de los dos medicamentos, a nivel de significación \alpha=0'05.

\square



[nota del autor]

No hay comentarios:

Publicar un comentario

Gracias por tus comentarios