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

miércoles, 24 de marzo de 2021

Estimación de una proporción

ENUNCIADO. Se ha realizado una encuesta sobre los hábitos de lectura de la población universitaria, tomando una muestra aleatoria simple de $180$ personas, y obteniéndose como resultado que $117$ de dichas personas manifiestan leer, como mínimo, $1$ libro al mes. Hace $5$ años, la proporción de universitarios que declaraban leer, como mínimo $1$ libro al mes, era del $60\,\%$. Se pide:
(a) Realizar un contraste de hipótesis bilateral, a un nivel de significación $\alpha=0{,}05$ (nivel de confianza del $95\,\%$), para decidir si la población de universitarios que declaran leer como mínimo $1$ libro al mes sigue siendo del $60\,\%$ (hipótesis fundamental)
(b) ¿Qué tamaño muestral tendría que tener la muestra para poder rechazar la hipótesis fundamental?

SOLUCIÓN

(a)
1. Realización del test calculando la ubicación del valor observado en la muestra en el intervalo/zona de aceptación o bien en en la zona de rechazo de la misma:

Llamamos $p$ a la proporción en la población que corresponde a leer como mínimo $1$ libro al mes.

Denominamos $\hat{p}$ al estimador de la proporción en la población a partir de la información de la muestra, por lo que $\hat{p}$ es una variable aleatoria, que es función de las variables del muestreo, ya que $\hat{p}:=\dfrac{Y}{n}$, siendo $Y$ el número de veces que se verifica en la población una determinada clase $S$ caracterizada por la propiedad; es decir, $Y$ es el número de elementos de la muestra $(e_1,e_2,\ldots,e_n)$ que son de la clase $S$. Así, considerando las variables aleatorias de Bernouilli independientes del mismo parámetro $p:=P(S)$ $$X_i=\left\{ \begin{matrix} 1 & \text{si el elemento} \, e_i \in S \\ 0 & \text{si el elemento}\, e_i \in S \end{matrix} \right. \,\text{para}\, i=1,\ldots\,n$$ la variable $Y$ es la suma de las mismas $$\displaystyle Y=\dfrac{\displaystyle\sum_{i=1}^{n}\,X_i}{n}$$ por lo que tendremos que $Y$ es una variable aleatoria binomial $B(n,p)$, ya que se supone que la realización del muestro se realiza con reemplazamiento —démonos cuenta de que se puede pues considerar que la variable $\hat{p}:=\dfrac{Y}{n}$ es un caso particular del estimador de la media, $\bar{X}$.

Realizaremos el contraste de hipótesis (la estimación) manejando dicho estimador (estadístico).

Sabemos que el valor observado de la proporción medida en la muestra es $\hat{p}_{\text{observado}}=\dfrac{117}{180}=0{,}65$.
También tenemos que tener en cuenta, claro está, el tamaño de la muestra, que es $n=180$.

Si bien la variable aleatoria $Y$, y por tanto también $\hat{p}$, obedecen a una distribución binomial, podremos facilitar el cálculo aproximando $\hat{p}$ a una distribución normal. En efecto, por el Teorema del Límite Central, sabemos que la variable aleatoria del estadístico (estimador) $\hat{p}$ sigue una distribución aproximada normal de media $p$ y desviación estándar $\sqrt{\dfrac{p\cdot(1-p)}{n}}$, esto es, $\hat{p}$ es $N\left(p\,,\,\sqrt{\dfrac{p\cdot(1-p)}{n}}\right)$.

Para la población actual no conocemos el valor del parámetro $p$, por lo que tendremos que arreglárnos sustituyendo éste por algún valor aproximado del mismo, $p_0$, y que, según el enunciado, tomaremos el valor de éste es del $60\,\%$, que corresponde al que se conocía hace unos años en la población y al que llamaremos pongamos que $p_0$; así que establecemos $p\approx p_{0}=0,60$. Con todo esto ya podemos decir que el estadístico $\hat{p}$ (variable aleatoria asociada al estimador de la proporción de la población) sigue la siguiente distribución de probabilidad en el muestreo: $$\hat{p} \approx N \left( p_0 \,,\, \sqrt{ \dfrac{p_0 \cdot(1-p_0) }{n}} \right)$$
(a) Plateemos el test de hipótesis:
Queremos contrastar la hipótesis fundamental (o hipótesis nula) $H_0$ —nos parece bastante plausible, y por tanto confiamos en que sea cierta— en contraposición a la hipótesis alternativa $H_1$; y ello, con un nivel de significación del test prefijado $\alpha=5\,\%=0,05$ (y pot tanto con un nivel de confianza $1-\alpha=95\,\%=0,95$). Establecemos pues la hipótesis fundamental: $$H_0:\, p\approx p_0=0,60$$ frente a la hipótesis alternativa: $$H_1:\, p\approx p_0 \neq 0{,}60$$

Tratándose de un test (contraste) bilateral —habrá que manejar las dos colas (izquierda y derecha) de la función de densidad de probabilidad de la variable aleatoria del estadístico de contraste—, aceptaremos $H_0$ si $P\{p_0 -E \le \hat{p} \le p_0+E\} = 1-\alpha$, luego el intervalo de aceptación de $H_0$ viene dado por $$\text{IA}=(p_0-E\,,\,p_0+E)$$, siendo la amplitud de error $E=z_{\alpha/2}\cdot \sqrt{\dfrac{p_0 \cdot (1-p_0)}{n}}$

Al tipificar la variable $\hat{p}$, se pasa a la variable $$Z=\dfrac{\hat{p}-p_0}{\sqrt{p_0 \cdot (1-p_0)/n}}$$ que es una normal $N(0,1)$. Obtendremos, ahora, la abscisa crítica $z_{\alpha/2}$ —se determina de la misma forma que en los problemas de intervalos de confianza—, teniendo en cuenta que $P\{Z \le z_{\alpha/2}\} = 1-\alpha/2$; y, como $\alpha/2=0{,}05/2=0{,}025$, consultando las tablas de la función de distribución de probabilidad $N(0,1)$, para $P\{Z \le z_{\alpha/2}\} = 0{,}975$, encontramos $z_{\alpha/2}=1{,96}$

Así, la amplitud de error a la que llegamos es $E=1{,}96 \cdot \sqrt{0{,}6\cdot (1-0{,}6)/180}=0{,}0716$, luego el intervalo de aceptación de $H_0$, $\text{IA}$, debe cumplir que $\left|\hat{p}-p_0\right|=E$, luego $$\text{IA}=(0{,}6-0{,}0716\,,\,0{,}6+0{,}0716)$$ esto es $$\text{IA}=(0{,}5284\,,\,0{,}6716)$$
Y como la proporción medida en la muestra $\hat{p}=0{,}65 \in \text{IA}$, concluimos que debemos confiar en la aceptación de la hipótesis fundamental $H_0$, esto es, aceptamos que la proporción de la población de estudiantes que como mínimo leen un libro al mes se mantiene en un $60\,\%$, según un nivel de significación $\alpha=0,05$ (es decir, a un nivel de confianza del $95\,\%$).


-oOo-

2. Realización del test calculando el $\text{p-valor}$:


Otra manera de llegar a la misma conclusión consiste en calcular el p-valor (o valor-p) utilizando la distribución de probabilidad en el muestreo del estadístico de prueba asumiendo que la hipótesis fundamental es cierta. Subrayemos pues que entendemos el p-valor como el error de tipo I observado (no el establecido de antemano en el test y al que denominamos nivel de significación $\alpha$, que en nuestro caso es del $0.05$); dicho de otra manera, el p-valor es el mínimo nivel de significación necesario para poder rechazar la hipótesis fundamental $H_0$ que se ha aceptado como cierta en un principio (para realizar el cálculo del p-valor). Por tanto, una vez conocido el p-valor procederemos de la manera siguiente para realizar el contraste:
  Si $\text{p-valor}\le \alpha$ entonces deberemos rechazar la hipótesis fundamental $H_0$ (que habíamos supuesta cierta en un principio) y por tanto aceptaremos la hipótesis alternativa $H_1$
  En caso contrario, si $\text{p-valor}\gt \alpha$, no podremos rechazar la hipótesis fundamental $H_0$

Al cálcular el p-valor nos podemos encontrar que, según el caso, el contraste se tenga que realizar por la cola superior, por la cola inferior, o bien de manera bilateral. Este último caso es el que procede para este problema que nos ocupa ahora. Hagamos el cálculo:
  Como al estadístico del contraste corresponde una variable $Z=\dfrac{\hat{p}-p_0}{\sqrt{p_0 \cdot (1-p_0)/n)}}\sim N(0,1)$ (lo cual ya se ha justificado arriba) tenemos que, el valor observado del estadístico para la variable tipificada $Z$ del contraste (o valor de prueba del estadístico) es igual a $z_{\text{prueba}}:=\dfrac{\hat{p}_{\text{prueba}}-p_0}{\sqrt{p_0 \cdot (1-p_0)/n)}}=\dfrac{0,65-0,60}{\sqrt{0,60\cdot (1-0,60)/180)}}=1,3693$ , y al tener en cuenta la bilateralidad con la función de densidad de probabilidad de $Z\sim N(0,1)$ simétrica y centrada en el valor $z=0$, encontramos que $\text{p-valor}:=P\{Z \le - z_{\text{prueba} }\}+P\{Z \ge z_{\text{prueba} }\}=2\,P\{Z \ge z_{\text{prueba}}\}=2\cdot (1-P\{Z \le z_{\text{prueba}}\})=$
  $=2\cdot (1-P\{Z \le 1,3693\})=2\cdot (1-F(1,3693))\overset{\text{tablas de}\,F(z)}{=}2\cdot(1-0,9145)\approx 0,171 \gt \alpha=0,05$ de lo cual concluimos que no podemos rechazar la hipótesis fundamental $H_0$. Como cabía esperar, es la misma conclusión a la que hemos llegado razonando mediante los intervalos de aceptación y rechazo de la hipótesis fundamental.

Observación:
Por el significado del $\text{p-valor}$, démonos cuenta de que si hubiésemos tomado un nivel de significación $\alpha$ mayor que $0,05$ pero, eso sí, menor que $0,171$, la conclusión del test sería la misma: no rechazar la hipótesis fundamental $H_0$. Por el contrario, para valores de $\alpha$ mayores que $0,171$, esto es, para un contraste más «exigente» que eso, sí tendríamos que rechazar la hipótesis fundamental.


* * *


(b)
Si el tamaño muestral $n$ aumenta, entonces el intervalo de aceptación se estrecha (se reduce el error $E$, que es la amplitud de dicho intervalo), por tanto, a partir de un cierto valor de $n$, la proporción medida en la muestra caerá fuera del intervalo de aceptación (se situará en la zona de rechazo de la hipótesis fundamental), con lo cual, no podremos seguir dando apoyo a la hipótesis fundamental, debiendo aceptar la h. alternativa, y por consiguiente hay que concluir, en ese caso, que la proporción en la población no es del $60\,\%$. Veamos cuánto debe ser el valor mínimo de $n$ para que eso ocurra:

Por lo dicho anteriormente, para poder rechazar $H_0$, deberá cumplirse (condición crítica) que $\left|\hat{p}-p_0\right| = E$; por lo que imponiendo esta condición, $$0{,}65-0{,}60=1{,}96 \cdot \sqrt{0{,}6\cdot (1-0{,}6)/n}$$ es decir
$$0{,}05=1{,}96 \cdot \sqrt{0{,}6\cdot (1-0{,}6)/n}$$ elevando al cuadrado y despejando $n$ llegamos a $$n=\dfrac{0{,}6\cdot 0{,}4}{(0{,}05/1{,}96)^2} \approx 368$$

Con lo cual, para tamaños muestrales $n \ge 368$, tendremos que rechazar la hipótesis fundamental (a nivel de significación $\alpha=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

miércoles, 8 de abril de 2015

Basándose en anteriores comicios, un analista sostiene que ...

ENUNCIADO:
Basándose en anteriores comicios, un analista sostiene que si se celebrasen elecciones en este momento tan solo acudiría a votar el $48\,\%$ del censo electoral. Para apoyar o no esa afirmación, se realiza una encuesta preguntando si se tiene o no intención de votar; para ello se elige una muestra aleatoria simple de tamaño $n=1500$ y se observa que $800$ de las personas encuestadas responden afirmativamente. Plantear un contraste de hipótesis, a un nivel de significación del $5\,\%$. ¿ Está en lo cierto el analista, de acuerdo con el resultado del contraste realizado ?.

SOLUCIÓN:
El estadístico ( estimador ), $\hat{P}$, de la proporción $p$ ( electores dispuestos a votar ) de la población tiene una distribución ( Teorema Central del Límite ) que es $N\left(p,\sigma(\hat{P})\right)$, donde $\sigma(\hat{P})=\sqrt{\dfrac{p(1-p)}{n}}$.
Con dicho estadístico procederemos a realizar el contraste de hipótesis bilateral, al $5\,\%$ de nivel de significación:
$$ \left\{\begin{matrix}
H_0: & p=p_0:=0'48 \\
H_1: & p \neq 0'48 \\
\end{matrix}\right.$$
El intervalo de confianza expresado en la variable tipificada, $Z$ ( del estadístico $\hat{P}$ ) es $(z_{-\alpha/2}\,,\,z_{\alpha/2})$, y teniendo en cuenta que $Z=\dfrac{\hat{P}-p}{\sqrt{\dfrac{p(1-p)}{n}}}$, el intervalo de aceptación de $H_0$ con respecto a la variable del estimador $\hat{P}$ es
$$I^{*}=\left(p_0-E\,,\,p_0+E\right)$$
donde el error en la estimación de $p$ ( o semiamplitud del intervalo de confianza de $p$ ) es $E=z_{\alpha/2}\cdot \sigma(\hat{P})$, esto es, suponiendo cierta $H_0$ ( $p=p_0$ ), dicho error es
$$E=z_{\alpha/2}\cdot \sqrt{\dfrac{p_0(1-p_0)}{n}}$$
Con el fin de calcularlo, obtenemos la abscisa del punto crítico $z_{\alpha/2}$; siendo $z_{\alpha/2}=z_{0'05/2}=z_{0'025}$, y consultando las tablas de la función de distribución de $Z$, resulta ser igual a $1'96$.
Así,
$$E=1'96\cdot \sqrt{\dfrac{0'48\cdot(1-0'48)}{1500}} \approx 0'03$$
con lo cual, el intervalo de aceptación de la hipótesis fundamental es
$I^{*}=(0'48-003\,,\,0'48+0,03)$
    $=(0'45\,,\,0'51)$

Ahora bien, el valor observado, $\hat{p}$, de la proporción en la muestra es $\dfrac{800}{1500}=0'53 \notin I^{*}$, luego de acuerdo con el criterio del contraste deberemos rechazar $H_0$ y concluir que la afirmación del analista no es aceptable. $\square$

[nota del autor]

viernes, 21 de febrero de 2014

Se sabe que la renta anual ( en unidades monetarias arbitrarias, u.m) de los contribuyentes de una ciudad tiene una distribución de probabilidad normal de media desconocida, y desviación típica $\sigma = 2000$ u.m. Se ha tomado una muestra aleatoria simple de $40$ contribuyentes de esa localidad, observándose una media muestral de $20\,000$ u.m. Realizar un contraste estadístico de hipótesis, a nivel de significación $\alpha=0'05$, con el fin de valorar la validez de la siguiente afirmación: "La media de la población es de $18\,000$ u.m".

Enunciado:
Se sabe que la renta anual ( en unidades monetarias arbitrarias, u.m) de los contribuyentes de una ciudad tiene una distribución de probabilidad normal de media desconocida, y desviación típica $\sigma = 2000$ u.m. Se ha tomado una muestra aleatoria simple de $40$ contribuyentes de esa localidad, observándose una media muestral de $20\,000$ u.m. Realizar un contraste estadístico de hipótesis, a nivel de significación $\alpha=0'05$, con el fin de valorar la validez de la siguiente afirmación: "La media de la población es de $18\,000$ u.m."

Resolución:
Sea $X$ la variable aleatoria renta anual de los individuos de la población. Según el enunciado, debemos considerar que $X \sim N(\mu\,,\,2000)$, con media, $\mu$, desconocida. Entonces, es razonable plantear el siguiente contraste bilateral: la hipótesis nula ( o hipótesis estándar; estándar, en el sentido, que apunta la afirmación propuesta "La media de la población es de $18\,000$ u.m." ), que expresamos como $H_0:\,\mu=\mu_0$, con $\mu_0=18\,000$ u.m., frente a la hipótesis alternativa $H_1:\,\mu \neq 18\,000$ u.m., siendo el estadístico del contraste tal que su variable aleatoria es $\dfrac{\overline{x}-\mu_0}{\sigma / \sqrt{n}}$ que es una v.a. con distribución $Z \sim N(0,1)$ en el muestreo ( Teorema Central del Límite ).

Recordemos que $z_{\alpha/2}=P\{Z \ge z_{\alpha/2}\}=\alpha/2=F(1-\alpha / 2)$, donde $F(z)$ es la función de distribución de probabilidad de $Z \sim N(0,1)$ ( tablas ), con lo cual, al ser $\alpha=0'05$, se obtiene $\alpha/2=\alpha_{0'05/2}=\alpha_{0'025}=F(1-0'025)=F(0'975)=1'96$, luego los puntos críticos ( extremos del intervalo de aceptación de $H_0$ ) son $-1'96$ y $1'96$, es decir, el intervalo de aceptación de la hipótesis nula $H_0$ expresado en la variable $Z$ es $C_{Z}^{*}=[-1'96\,,\,1'96]$.

De la muestra, vemos que el valor observado de la variable tipificada del estadístico de contraste es $Z_{\text{observado}}=\dfrac{20\,000-18\,000}{2000/\sqrt{40}}=6'3246 \notin C^{*}$ y que, por tanto, cae en la región crítica, luego decidimos rechazar la hipótesis nula, aceptando la hipótesis alternativa y concluyendo que no corroboramos la afirmación propuesta a un nivel de significación $\alpha=0'05$.
$\blacksquare$

[nota del autor]

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]