Mostrando entradas con la etiqueta contraste bilateral. Mostrar todas las entradas
Mostrando entradas con la etiqueta contraste bilateral. Mostrar todas las entradas

miércoles, 8 de abril de 2015

La duración en el tiempo ( medida en horas ) de un determinado tipo de dispositivos ...

ENUNCIADO:
La duración en el tiempo ( medida en horas ) de un determinado tipo de dispositivos se distribuye de acuerdo al modelo normal, con una desviación estándar $\sigma$ desconocida. Se ha seleccionado una muestra de tamaño $n=16$ y se ha observado que la duración media en la misma es $\bar{x}=735$ horas, con desviación estándar de $12$ horas. Hallar el intervalo de confianza para la vida media de la población, $\mu$, al $95\,\%$ de confianza. ¿ Se puede aceptar afirmar que la media de la población es de $742$ horas, con un nivel de significación $\alpha=0'05$ ?.

SOLUCIÓN:
A pesar de tratar aquí con una muestra pequeña ( $n=16$ ), se nos informa que la variable de la característica en estudio es normal en la población, por lo que según el Teorema Central del Límite, el estadístico ( estimador ) de la media $\mu$ de la duración de dichos dispositivos sigue una distribución $N\left(\mu,\sigma(\bar{x}\right)$, donde la desviación estándar del estimador en el muestro es $\sigma(\bar{x})=\dfrac{\sigma}{\sqrt{n}}$.

Ahora bien, al desconocer la desviación estándar de la población $\sigma$, vamos a aproximar dicho parámetro -- otra vez, por ser normal la variable de la característica en estudio en la población -- por la cuasidesviación estándar de la muestra, $\hat{s}$. Como conocemos el valor de la desviación estándar de la muestra ( $s=12$ ), y mediante la relación $$\dfrac{\hat{s}}{s}=\sqrt{\dfrac{n}{n-1}}$$
Así,
$$\dfrac{\hat{s}}{12}=\sqrt{\dfrac{16}{16-1}}$$
con lo cual
$$\hat{s}=12\,\sqrt{\dfrac{16}{16-1}} \approx 12'39$$
con ello, se puede decir que el estadístico estimador $\bar{x}$ de $\mu$ sigue -- con suficiente aproximación -- la distribución $N(\mu, \dfrac{\hat{s}}{\sqrt{n}})$

Mediante la transformación para tipificar la variable aleatoria de dicho estadístico
$$Z=\dfrac{\bar{x}-\mu}{\dfrac{\hat{s}}{\sqrt{n}}} \; \text{( que es}\, N(0,1) \text{)}$$ podemos construir el intervalo de confianza al $99\,\%$, que es $(z_{-\alpha/2}\,,\,z_{\alpha/2})$, donde $z_{\alpha/2}$ es la abscisa del punto crítico, que encontramos en las tablas de la función de distribución $F(z)$.
Deshaciendo ahora la transformación $$Z=\dfrac{\bar{x}-\mu}{\dfrac{\hat{s}}{\sqrt{n}}}$$ vemos que el intervalo de confianza de $\mu$ es $I^{*}=(\bar{x}-E\,,\,\bar{x}+E)$, siendo $E$ el error en la estimación, que es igual a $z_{\alpha/2}\cdot \sigma(\bar{x})$, esto es, $E=z_{\alpha/2}\cdot \dfrac{\sigma}{\sqrt{n}}$.


Procedemos a calcular los valores concretos del intervalo de confianza. Como $\alpha=1-0'99=0'01$, al consultar las tablas de la función distribución de $Z$ encontramos $P\lbrace \le z_{0'05/2}\rbrace = 1- 0'05/2 = 0'975$, con lo cual $z_{0'01/2} \approx 1'96$. Así, pues, la expresión del error, $E$, es $1'96 \cdot \dfrac{12'39}{\sqrt{16}} \approx 6'07$ horas. Por consiguiente, $I^{*}=(735-6'07\,,\,735+6'07)$, esto es, $I^{*}=(729\,,\,741)$, donde se han aproximado los extremos al dígito de las unidades.

Finalmente, vamos a dar respuesta a la pregunta de si puede aceptarse o no el enunciado: "la media es $742$ horas" a nivel de significación ( riesgo ) del $5\,\%$, es decir con un nivel de confianza del $95\,\%$. Para ello, entendemos el intervalo de confianza de la media, $\mu$, como el intervalo de aceptación del test bilateral que se plantea al confrontar la hipótesis nula ( fundamental ) $H_0$: $\mu=\mu_0$, que corresponde a dicho enunciado; siendo la hipótesis alternativa, $H_1$, la que viene dada por $\mu \neq \mu_0 $. Como el valor postulado para la media, $\mu_0 = 742$ horas, no pertenece al intervalo de aceptación de la hipótesis nula ( intervalo de confianza $I^{*}$ ) -- esto es, $742 \notin (729\,,\,741)$ --, debemos rechazar la hipótesis nula y, aceptando por tanto la alternativa, concluir que dicha afirmación no es aceptable, de acuerdo con el test realizado. $\square$


- - -

Referencias:
  [1] Compta, A., et. al., Matemàtiques II, Barcanova, Barcelona, 1993
  [2] Guàrdia, J.; Viader, M., Estadística, Castellnou, Barcelona, 1999
  [3] García Pérez, A., Estadística Básica con R, UNED, Madrid, 2010
  [4] Allepús, J., et. al., Exercicis d'inferència estadística, Cossetània, Valls, 2002
  [5] Gonick, L.; Smith, W, La Estadística en Cómic, Zendrera Zariquiey, Barcelona, 1999

miércoles, 12 de febrero de 2014

Contraste de hipótesis bilateral para una población aproximadamente normal ( muestras grandes ), siendo la desviación típica desconocida. Reflexiones sobre la necesidad del cálculo del p-valor.

Enunciado:
El porcentaje de un determinado metal que debe contener una cierta aleación es de $5'5\,\%$. Se toma una muestra de $200$ piezas de dicha aleación y se obtiene una media de $\bar{x}=5'2 \, \%$, con una desviación típica de $s=3'0\,\%$.
    a) ¿Se puede afirmar, desde el punto de vista de la inferencia estadística, que la proporción del metal en cuestión que forma parte de la aleación es la correcta, a nivel de significación $\alpha=0'05$?
    b) (Apartado de ampliación). Reflexionar sobre la necesidad del cálculo del nivel de significación observado, esto es, del llamado p-valor y calcularlo

Resolución:
  a)
Tratándose de muestras grandes, $n=200 \gt 30$, podemos aceptar razonablemente que la variable aleatoria de la población proporción del componente $A$ tiene una distribución aproximadamente normal $N(\mu\,,\,\sigma)$, con media $\mu$ desconocida y desviación típica $\sigma$.

De acuerdo con lo que se nos pide, Planteamos el siguiente contraste bilateral: la hipótesis estándar (la aleación tiene la proporción correcta en el metal componente), es decir, la hipótesis nula $H_0:\,\mu = \mu_0$ (donde $\mu_0=5'5$), frente a la hipótesis alternativa $H_1:\,\mu \neq \mu_0$

Por las características antes mencionadas, el estadístico del contraste sigue una distribución $\dfrac{\bar{x}-\mu_0}{S/\sqrt{n}} \approx N(0,1)$, donde $\bar{x}$ es el estadístico de la media muestral, $n$, el tamaño muestral y $S$ la cuasideviación típica de la muestra (que, por ser un estimador centrado, se puede utilizar para estimar bien la desviación típica, $\sigma$, de la población), y, siendo la desviación típica de la muestra $s$ (que es un dato del problema), sabemos que está relacionada con la cuasidesviación de la misma de la forma $S=\sqrt{\dfrac{n}{n-1}}\,\,s$, luego el valor de la cuasidesviación típica $S$ de la muestra es $S=\sqrt{\dfrac{100}{100-1}}\,\cdot 3 = 3'0151$ (aproximando a cuatro cifras decimales).

Teniendo en cuenta que el test es bilateral, aceptaremos $H_0$ si el valor observado del estadístico en la muestra dada cae en el intervalo de aceptación $C^{*}$ de la variable tipificada del estadístico, $Z$, $C_{Z}^{*}=\left[-z_{\alpha / 2}\,,\,z_{\alpha / 2}\right]$; es decir si $\dfrac{|\overline{x}-\mu_0|}{S/\sqrt{n}} \le z_{\alpha / 2}$, siendo el valor crítico $z_{\alpha/2}$ (que consultamos en las tablas de la función de distribución $F(z)$ de $Z \sim N(0,1)$) igual a $z_{0'05/2}=z_{0'025}=1'96$. Calculando el valor del estadístico en la muestra, vemos que $\bigg(\dfrac{|\overline{x}-\mu_0|}{S/\sqrt{n}}\bigg)_{\text{observada}}=\dfrac{|5'2-5'5|}{3'0151}=0'0995 \lt 1'96$, luego decidimos aceptar $H_0$ con un nivel de significación $\alpha=0'05$.

  b) [ Ampliación ]
Se nos pide, ahora, calcular, el nivel de significación observado (el p-valor) en contraposición al nivel de significación prefijado $\alpha$. El p-valor es el mínimo nivel de significación necesario para rechazar la hipótesis fundamental $H_0$. Recordemos que el error de tipo I representa la probabilidad de rechazar la hipótesis nula, siendo ésta cierta. El nivel de significación $\alpha$ (que no el p-valor) viene dado en el enunciado (o lo decidimos de manera razonable), es decir, viene fijado de antemano: en este caso se nos dice que es igual a $\alpha=0'05$. Démonos cuenta, no obstante, de que este nivel de significación prefijado, $\alpha=0'05$, no deja de conllevar cierta arbitrariedad, pues podríamos haber escogido un valor mayor o menor y, por tanto, la decisión de aceptar la hipótesis podría no haberse dado; por ello, y, por lo menos, para reforzar la decisión tomada, siempre es conveniente calcular, además, lo que denominamos p-valor, que es el nivel de significación observado, esto es, el valor del error de tipo I observado, que es el menor nivel de significación que tendríamos que fijar de antemano para rechazar la hipótesis nula con el valor del estadístico observado en la muestra.

En el caso singular en que el nivel de significación tuviese el máximo valor posible, $\alpha=1$ ( máximo error de tipo I), entonces los puntos críticos vendrían dados por $z_{\alpha / 2}=z_{1/2}=z_{0'5}=0$, luego el intervalo de aceptación de $H_0$ expresado en la variable tipificada $Z$ ( variable del estadístico del contraste ) se reduciría a un único valor, que en términos de la variable tipificada, sería el $0$; en otras palabras, el intervalo de aceptación de la hipótesis nula, $H_0$, correspondería a un único valor, esto es, a $C_{Z}^{*}=\{0\}$ y, por tanto, al no coincidir - con casi total probabilidad - el valor de $Z_{observado}$ con dicho valor en la realización del muestreo, cabría rechazar siempre la hipótesis nula - pero, cuidado, con un nivel de confianza en la decisión de $1-\alpha=1-1=0$, es decir del $0\,\%$ -, salvo en el extraño caso - raro, por altamente improbable - que éste fuese igual a cero, es decir, en el caso de que la media muestral observada, $\overline{x}$, coincidiese exactamente con el valor $\mu_0$. Así, pues, cuanto mayor es el nivel de significación del contraste fijado de antemano, $\alpha$, con mayor facilidad decidiremos rechazar la hipótesis nula, $H_0$, pues el intervalo de aceptación, $C^{*}$, tiende a tener amplitud cero, a contraerse en un punto, sin dar pie a que el valor observado del estadístico en la muestra caiga en él; sin embargo, a mayor nivel de significación corresponde menor nivel confianza en el resultado de la inferencia (menor confianza en la decisión tomada de rechazar $H_0$). En el símil sobre un jurado en cuanto a la decisión que debe tomar de un declarar culpable o inocente a un imputado, siendo la hipótesis nula "el imputado es inocente", ésto aseguraría la decisión de declararle culpable en cualquier caso; algo que da, ciertamente, mucho miedo.

Por el contrario, si el nivel de significación $\alpha$, fuese, también en caso extremo, igual a $\alpha=0$, caeríamos en una posición absolutamente conservadora: fe ciega en la hipótesis nula, $H_0$, anulando de plano el error de tipo I, es decir, conviniendo que es imposible rechazar la hipótesis nula, supuesta ésta cierta, pase lo que pase y, por tanto, por contra, haciendo máximo el error de tipo II; entonces los puntos críticos estarían en $-\infty$ y $+\infty$ (en un contraste bilateral), luego el intervalo de aceptación de la hipótesis nula sería toda la recta real, luego sería imposible rechazar la hipótesis nula a un nivel de confianza de $1-\alpha=1-0=1$, esto es, del $100\%$. En el caso del símil de aplicación a la toma de decisión de un jurado de declarar culpable o inocente a un imputado, esto correspondería a declarar inocente al imputado, al margen de que éste pueda ser o no culpable, lo cual, evidentemente, sería inquietante.

Es evidente, pues, que plantear un contraste de hipótesis en estos términos, tanto en un extremo como en otro, no tendría ningún sentido. Sin embargo, plantear dichos casos singulares y reflexionar sobre ellos nos puede ayudar a entender los conceptos y a poner las ideas en claro; de ahí que se hayan comentado, en este apartado de ampliación, aspectos referentes a: a) el error de tipo I (probabilidad de rechazar la hipótesis nula, siendo ésta cierta), y, por tanto, en relación directa con ésto, se ha tratado del nivel de significación prefijado, $\alpha$, así como del nivel de significación observado o p-valor, y del significado del coeficiente de confianza que cabe depositar en la decisión a tomar; y, b) el error de tipo II (probabilidad de aceptar la hipótesis alternativa siendo ésta falsa) y su relación con el error de tipo-I.

Luego, por lo que acabamos de decir, el nivel de significación prefijado $\alpha$, vendría a ser, pues, una aproximación al error de tipo I, es decir, al p-valor, que es, de hecho, en el que deberíamos fijarnos para decidir aceptar o rechazar la hipótesis nula (respectivamente aceptar la hipótesis alternativa). Veamos cómo: Un p-valor demasiado pequeño, (en particular, inferior a $\alpha$) o simplemente muy pequeño, pongamos inferior a $0'01$, nos llevaría a tener que rechazar la hipótesis nula $H_0$ (que se supone cierta), por no ser suficiente dicha probabilidad para poder acreditarla. Es decir, en realidad, para tomar la decisión de aceptar o rechazar la hipótesis nula, debemos guiarnos por el p-valor, más que por el nivel de significación que, eventualmente, se pueda fijar. En muchos problemas, como por ejemplo, en éste, el nivel de significación - como cota del p-valor - viene dado, por lo que - en principio - podríamos obviar su cálculo. Ésto, sin embargo, no es recomendable, pues el valor de significación fijado de antemano podría no ser, digamos, el acertado.


Así pues, entendemos el p-valor o nivel de significación observado (por contraposición al nivel de riesgo o nivel de significación prefijado $\alpha$) de una prueba de verificación/contraste de la hipótesis por inferencia estadística como el error de tipo I observado, y, por tanto, ha de venir dado por la probabilidad de obtener un valor igual o más extremo que el observado en la muestra, en el supuesto de que la hiótesis nula $H_0$ (que queremos verificar/contrastar frente a la hipótesis alternativa $H_1$) sea cierta/verdadera. Así, para poder rechazar la hipótesis nula $H_0$, en buena lógica deberemos encontrar que $\text{p-valor}\le \alpha$, teniendo que reafirmarla si encontramos que $\text{p-valor}\gt \alpha$.

Calcularemos pues el p-valor utilizando la distribución de probabilidad en el muestreo del estadístico de prueba asumiendo que la hipótesis fundamental es cierta. Al cálcular el p-valor nos podemos encontrar, según el caso, que el contraste se tenga que realizar por la cola superior, por la cola inferior, o bien de manera bilateral.

Llamando genéricamente $\hat{\theta}$ al estimador (estadístico) del test/contraste (y conocida su función de distribución de probabilidad, $F(\hat{\theta})$) —recordemos que en nuestro problema en concreto nuestro estimador sigue una distribución normal tipificada $Z$— y $\hat{\theta}_{\text{prueba}}$ al valor de dicho estadístico en la prueba (calculado) y que por supuesto depende del valor observado en la muestra:
  (i) Unilateral por la izquierda: $$\text{p-valor}=P\{\hat{\theta} \le \hat{\theta}_{\text{prueba}}|H_o\,\text{es cierta}\}=F(\hat{\theta})$$
  (ii) Unilateral por la derecha: $$\text{p-valor}=P\{\hat{\theta} \ge \theta_{\text{prueba}}|H_o\,\text{es cierta}\}=1-P\{\hat{\theta} \le \hat{\theta}_{\text{prueba}}|H_o\,\text{es cierta}\}=F(\hat{\theta}_{\text{prueba}})=1-F(\hat{\theta}_{\text{prueba}})$$
  (iii) Bilateral, y suponiendo simétrica la función de distribución de probabilidad $f(\hat{\theta})$ de $\hat{\theta}$ alrededor del valor de $\theta$ observado en la muestra y una vez realizada la tipificación de la variable a $Z=N(0,1)$: $$\text{p-valor}=P\{|z|\ge z_{\text{prueba}}\} = 2\,(1-F(z_{\text{prueba}}))$$


Procedamos, pues, a calcular el p-valor para este problema, que, repitámoslo, es la probabilidad de que, asumiendo que la hipótesis fundamental $H_0$ sea cierta, se obtenga un valor del estadístico de contraste más extremo (o igual) que el observado en la muestra. Al tratarse de un contraste unilateral por la derecha, tendremos —estamos en el caso (ii)— que $\text{p-valor}=1-F(z_0)$, donde $F(z)$ es una d. $N(0,1)$. Así que, como ya hemos calculado que $z_0=0'0995$, tenemos que $F(0'0995)=0'5396$, luego $\text{p-valor}=2\cdot(1-0'5396)=0'9208 \gt \alpha=0'05$, por consiguiente y como conclusión final validamos la certeza de la hipótesis fundamental y por tanto, según el test, podemos afirmar que la proporción del metal en cuestión que forma parte de la aleación es la correcta a un nivel de significación $\alpha$ de $0'05$.   $\square$

- - -

Referencias:
  [1] Compta, A., et. al., Matemàtiques II, Barcanova, Barcelona, 1993
  [2] Guàrdia, J.; Viader, M., Estadística, Castellnou, Barcelona, 1999
  [3] García Pérez, A., Estadística Básica con R, UNED, Madrid, 2010
  [4] Allepús, J., et. al., Exercicis d'inferència estadística, Cossetània, Valls, 2002
  [5] Gonick, L.; Smith, W, La Estadística en Cómic, Zendrera Zariquiey, Barcelona, 1999

martes, 28 de enero de 2014

Contraste de hipótesis bilateral y contrastes unilaterales con estadísticos que tienen una distribución normal o aproximadamente normal

En lo que sigue, supondremos que el estadístico $\hat{\theta}$ - que es una variable aleatoria con la cual planteamos los contrastes de hipótesis y con el que podemos estimar el valor del parámetro $\theta$ de la varibale $X$ en estudio de la población a partir de un muestreo aleatorio simple - tiene una distribución en el muestreo $N(\theta\,,\,\sigma(\hat{\theta}))$, es decir es una distribución normal o aproximadamente normal, y, por tanto, su variable tipificada es $(\hat{\theta} - \theta) / \sigma(\hat{\theta}) \approx N(0,1)$.

En todo contraste, nos proponemos caracterizar los intervalos de aceptación y rechazo de una hipótesis estándar ( que denominamos hipótesis nula ), $H_0$, frente a una hipótesis alternativa, $H_1$, donde supondremos que una y otra se formulan a partir de un valor supuesto $\theta_0$ del parámetro $\theta$ de la variable aleatoria de la población. Ésto se hará suponiendo un coeficiente de confianza de $1-\alpha$ y, por tant, con un coeficiente de singificación $\alpha$.

Una vez hayamos establecido los valores críticos del estadístico que determinan dichos intervalos, decidiremos aceptar la hipótesis nula si el valor observado del estadístico en la muestra seleccionada cae dentro del intervalo de aceptación de dicha hipótesis, y la rechazaremos si cae fuera del mismo.

Según la disposición ( en la recta numérica en la que representamos los valores del estadístico ) de las zonas/intervalos de aceptación y rechazo de la hipótesis nula, describiremos a continuación los tres casos posibles que pueden aparecer, que denominaremos: test bilateral; test unilateral derecho; o bien, test unilateral izquierdo. Para ello, deberemos encontrar los puntos críticos ( puntos de separación de dichas zonas/intervalos ), por tanto describiremos también la condición que se debe cumplir para tomar la decisión de aceptar ( respectivamente, rechazar ) la hipótesis nula de acuerdo con la ubicación del valor observado del estadístico ( medido en la muestra seleccionada ) dentro ( o fuera ) de la zona de aceptación de la hipótesis nula.

Test bilateral a nivel de significación $\alpha$
    Dado un valor supuesto, $\theta_0$, del parámetro $\theta$ de la población ( que es desconocido ), consideremos el siguiente contraste de la hipótesis nula ( fundamental o estándar ) $H_{0}:\,\theta=\theta_0$ frente a la hipótesis alternativa $H_{1}:\,\theta \neq \theta_0$.

El intervalo de aceptación de la hipótesis nula será tal que $\theta_0 - c \le \hat{\theta} \le \theta_0 + c$ con un nivel de confianza $1-\alpha$, donde $c$ es un número real que dependerá del margen de error de la estimación. Como queremos determinar dicho intervalo el objetivo es, precisamente, obtener el valor de $c$ a nivel de significación $\alpha$ ( o en otras palabras, con un nivel de confianza $1-\alpha$ ). Entonces, si se cumple la hipótesis nula a nivel de confianza $1-\alpha$ podremos expresarlo de la siguiente forma:
    $P\{\theta_0 - c \le \hat{\theta} \le \theta_0 + c\}=1-\alpha$
que es lo mismo que
    $P\{\theta_0 - c - \theta_0 \le \hat{\theta} - \theta_0 \le \theta_0 + c - \theta_0\}=1-\alpha$
es decir
    $P\{- c \le \hat{\theta} - \theta_0 \le c \}=1-\alpha$
y, dividiendo por la desviación típica del estadístico en cada miembro de la doble desigualdad del argumento de la probabilidad, podemos también escribir
    $P\{\dfrac{- c}{\sigma({\hat{\theta}})} \le \dfrac{\hat{\theta} - \theta_0}{\sigma({\hat{\theta}})} \le \dfrac{c}{\sigma({\hat{\theta}})}\}=1-\alpha$
y por la tipificación de la variable aleatoria del estadístico $\hat{\theta}$:
    $Z:=\dfrac{\hat{\theta} - \theta_0}{\sigma({\hat{\theta}})} \approx N(0,1)$
podemos expresar la última línea de la forma
    $P\{\dfrac{- c}{\sigma({\hat{\theta}})} \le Z \le \dfrac{c}{\sigma({\hat{\theta}})}\}=1-\alpha$
y operando con la d. normal se obtiene
    $P\{Z \ge \dfrac{c}{\sigma({\hat{\theta}})}\}=\alpha / 2$
denotando por $z_{\alpha /2}$ a la abscisa de la función de densidad de probabilidad $f(z)$ que deja a su derecha el $(\alpha / 2)\cdot 100 \, \% $ de probabilidad ( valor que encontramos en las tablas de $Z \sim N(0,1)$, podemos escribir
    $P\{ Z \ge z_{\alpha / 2} \}=\alpha / 2$
y por tanto, al ser
    $z_{\alpha / 2} = \dfrac{c}{\sigma({\hat{\theta}})}$
obtenemos el valor de $c$
    $c=z_{\alpha / 2} \cdot \sigma({\hat{\theta}})$
Con lo cual, los valores críticos ( extremos del intervalo de aceptación de $H_0$ ) son
    $\theta_0-z_{\alpha / 2} \cdot \sigma({\hat{\theta}})$
y
    $\theta_0+z_{\alpha / 2} \cdot \sigma({\hat{\theta}})$
respectivamente.

Es decir, el intervalo de aceptación de $H_0$, que denotamos por $C^{*}$, es
    $C^{*}=[\;\theta_0-z_{\alpha / 2} \cdot \sigma({\hat{\theta}})\,,\,\theta_0+z_{\alpha / 2} \cdot \sigma({\hat{\theta}})\;]$

Por tanto, si el valor observado del estimador de $\theta$, $\hat{\theta}$, en la muestra seleccionada pertenece a $C^{*}$, decidiremos aceptar $H_0$ a un nivel de significación $\alpha$. En otras palabras, aceptaremos $H_0$ si $\dfrac{|\hat{\theta}_{\text{observado}}-\theta_0|}{\sigma(\hat{\theta})} \le z_{\alpha / 2}$; en caso contrario, rechazaremos $H_0$, aceptando la hipótesis alternativa $H_1$.

Test unilateral a la izquierda a nivel de significación $\alpha$
Sea el siguiente contraste de hipótesis:
$H_0:\,\theta \le \theta_0$ ( hipótesis nula ) frente a $H_1:\,\theta \succ \theta_0$ ( hipótesis alternativa ).
Aceptamos $H_0$ a nivel de significación $\alpha$ - esto es, a nivel de confianza $1-\alpha$ - si $P\{\hat{\theta} \le \theta_0-c\}=1-\alpha$, es decir, si $P\{\dfrac{\theta-\theta_0}{\sigma(\hat{\theta})} \le -\dfrac{c}{\sigma(\hat{\theta})} \}=1-\alpha \Leftrightarrow P\{\dfrac{\theta-\theta_0}{\sigma(\hat{\theta})} \ge -\dfrac{c}{\sigma(\hat{\theta})} \}=\alpha$ siendo $-\dfrac{c}{\sigma(\hat{\theta})}$ el punto crítico $z_{\alpha}$ ( que es la abscisa de $f(z)$ que deja a su derecha el $\alpha \cdot 100 \, \%$ de la distribución ) y que obtenemos de las tablas $Z \sim N(0,1)$.

Por tanto, el intervalo de aceptación de $H_0$ es $C^{*}=(-\infty \,,\, \theta_0-(-z_{\alpha} \cdot \sigma(\hat{\theta})\,]$, es decir, $C^{*}=(-\infty \,,\, \theta_0+z_{\alpha} \cdot \sigma(\hat{\theta}\,]$. Luego, si $\hat{\theta}_{\text{observado}} \in C^{*}$, entonces aceptaremos $H_0$; o lo que es lo mismo, aceptamos $H_0$ si el valor del estadístico en su variable tipificada es tal que $\dfrac{\hat{\theta}_{\text{observado}}-\theta_0}{\sigma(\hat{\theta})} \le z_{\alpha}$; en caso contrario, rechazaremos $H_0$, aceptando la hipótesis alternativa $H_1$.


Test unilateral a la derecha a nivel de significación $\alpha$
Sea el siguiente contraste de hipótesis:
$H_0:\,\theta \ge \theta_0$ ( hipótesis nula ) frente a $H_1:\,\theta \prec \theta_0$ ( hipótesis alternativa ).
Aceptamos $H_0$ a nivel de significación $\alpha$ - esto es, a nivel de confianza $1-\alpha$ - si $P\{\hat{\theta} \ge \theta_0+c\}=1-\alpha$, es decir, si $P\{\dfrac{\theta-\theta_0}{\sigma(\hat{\theta})} \ge \dfrac{c}{\sigma(\hat{\theta})} \}=1-\alpha$, siendo $\dfrac{c}{\sigma(\hat{\theta})}$ el punto crítico $z_{1-\alpha}$ ( que es la abscisa de $f(z)$ que deja a su derecha el $\alpha \cdot 100 \, \%$ de la distribución ) y que obtenemos de las tablas $Z \sim N(0,1)$.

Por tanto, el intervalo de aceptación de $H_0$ es $C^{*}=[\,\theta_0+z_{\alpha} \cdot \sigma(\hat{\theta})\,,\,\infty\,)$. Luego, si $\hat{\theta}_{\text{observado}} \in C^{*}$, entonces aceptaremos $H_0$; en otras palabras, aceptamos $H_0$ si el valor del estadístico en su variable tipificada es tal que $\dfrac{\hat{\theta}_{\text{observado}}-\theta_0}{\sigma(\hat{\theta})} \ge z_{1-\alpha}$; en caso contrario, rechazaremos $H_0$, aceptando la hipótesis alternativa $H_1$.

$\square$


- - -

Referencias:
  [1] Compta, A., et. al., Matemàtiques II, Barcanova, Barcelona, 1993
  [2] Guàrdia, J.; Viader, M., Estadística, Castellnou, Barcelona, 1999
  [3] García Pérez, A., Estadística Básica con R, UNED, Madrid, 2010
  [4] Allepús, J., et. al., Exercicis d'inferència estadística, Cossetània, Valls, 2002
  [5] Gonick, L.; Smith, W, La Estadística en Cómic, Zendrera Zariquiey, Barcelona, 1999