Mostrando entradas con la etiqueta error de tipo I. Mostrar todas las entradas
Mostrando entradas con la etiqueta error de tipo I. Mostrar todas las entradas

sábado, 4 de abril de 2015

Dos personas, $A$ y $B$, juegan a cara o cruz con una moneda ...

ENUNCIADO:
Dos personas, $A$ y $B$, juegan a cara o cruz con una moneda. Al cabo de $100$ partidas, el jugador $A$, que eligió cara, ha ganado $62$ veces, por lo cual el jugador $B$ afirma que la moneda está trucada, que la probabilidad que aparezca cara al lanzarla una vez es superior a $\dfrac{1}{2}$ y que, por lo menos, es igual a $\dfrac{2}{3}$. El jugador $A$ sostiene que la moneda no está trucada. Nos preguntamos quién tiene razón. Por ello, se pide:
a) Plantear un contraste de hipótesis para dilucidar -- desde el punto de vista estadístico -- esta cuestión, a un nivel de significación $\alpha=0'05$
b) Calcular el error de tipo II, $\beta$
c) Calcular la potencia del test

SOLUCIÓN:
a)
Utilizaremos el siguiente contraste unilateral, con intervalo de aceptación, $I_0$ de $H_0$ a la izquierda ( e intervalo de rechazo de $H_0$, $I_a$, y por tanto de aceptación de $H_a$, a la derecha ):
Hipótesis fundamental: $H_0:\, p=\dfrac{1}{2}$
Hipótesis alternativa: $H_a:\, p \succ \dfrac{1}{2}$

-oOo-
INDICACIÓN PRELIMINAR:
Como el juego acaba en la partida número cien, podemos utilizar todas las realizaciones y, por tanto, no hará falta realizar un contraste sobre la proporción, $p$, de la población mediante el estadístico $\hat{P}$, que, como sabemos, sigue una distribución en el muestreo $N\left( p, \sqrt{\dfrac{p(1-p)}{n}}\right)$ -- recordemos que el valor observado ( medido ) en la muestra se designa por $\hat{p}$ --. Por supuesto, podríamos también resolver el problema de esta otra forma ( estándar ), llegando así a resultados equivalentes a los que vamos a encontrar. Sin embargo esta forma alternativa de resolver este problema en concreto me ha parecido que reviste un cierto interés. Referencia: Cuadras, Carles M., Problemas de Probabilidades y Estadística ( Vol. 2, páginas 112-114), PPU, Barcelona, 1991.
-oOo-
Pongámonos pues a ello:

La naturaleza del experimento conlleva el que la variable aleatoria "número de caras aparecidas", $X$, es una binomial $B(n,p)$, por tratarse de un conjunto de pruebas sucesivas independientes de Bernoulli. Observemos, además, que la hipótesis fundamental, $H_0$ ( la probabilidad de salir cara o salir cruz es la misma en cada lanzamiento ), nos lleva a que, concretamente, $X$ sigue una distribución binomial $B\left(n=100,\frac{1}{2}\right)$, y según el Teorema de De Moivre-Laplace ( habida cuenta de que la probabilidad de éxito, $p=\frac{1}{2}$, no es pequeña y cumpliéndose además que $np = 100 \cdot \frac{1}{2} = 50 \succ 5$ ), podemos aproximar $X$ a una distribución $N(np=50,\sqrt{npq}=5)$

Considerando ahora ( como se nos indica en el enunciado ) que el nivel de significación, $\alpha$, del test representa el menor error de tipo I observado con el cual poder rechazar $H_0$ siendo ésta cierta, podemos escribir
$$P(X \succ z_{\alpha} | H_0 ) = \alpha$$
a partir de lo cual, tipificando la variable, $P\lbrace Z \le z_{\alpha}\rbrace=1-\alpha=0'95$
Consultando las tablas $N(0,1)$, obtenemos la abscisa que corresponde al extremo superior del intervalo de aceptación de $H_0$ en la variable $Z$ ( que es $N(0,1)$ ), encontramos $z_{\alpha}=\approx 1'64$. Deshaciendo ahora el cambio de variable $Z=\dfrac{X-\frac{1}{2}}{5}$, encontramos la abscisa, $a$, correspondiente al extremo superior del intervalo de aceptación de $H_0$ en la variable $X \sim N(50,5)$:
$$1'64=\dfrac{a-50}{5} \Rightarrow a=5 \cdot 1'64 + 50 = 58'2$$
Así pues, como el intervalo crítico ( de rechazo de $H_0$ a nivel de significación $\alpha=0'05$ ) en la variable $X$ es $I_a=(58'2,100)$ y el resultado observado ( $62$ caras ), es tal que $62 \in I_a$, siguiendo el criterio de decisión, rechazaremos $H_0$, aceptando por tanto la hipótesis alternativa $H_a$, concluyendo que la moneda está trucada -- según el test planeado y desarrollado -- y que, por tanto, el jugador $B$ lleva razón.

b)
El error de tipo II, que denotamos por $\beta$, se define como la probabilidad de aceptar la hipótesis fundamental, $H_0$, no siendo ésta cierta. Así, fijado el error de tipo I ( que es igual $\alpha=0'05$ ), debemos calcular
$$\beta:=P(x \notin I_a|H_a)=P\lbrace X \prec 58'2 | H_a\rbrace$$
Para ello, tendremos que cuenta que, al suponer cierta $H_a$ y teniendo en cuenta la juiciosa afirmación del jugador $B$ ( esto es, $p \ge \frac{2}{3}$ ), $X$ sigue ahora una distribución $B\left(100,\frac{2}{3}\right)$; y aproximando otra vez por el Teorema de De Moivre-Laplace, $X \approx N\left(100\cdot \frac{2}{3} \approx 66, \sqrt{100\cdot \frac{1}{3}\cdot \frac{2}{3}} \approx 4,71 \right) $. Así, tipificando la variable $X$, podremos trabajar con la variable $Z=\dfrac{X-66}{4,71}$, que es $N(0,1)$

Así, encontramos que
$$P\lbrace X \prec 58'2 | H_a\rbrace = P\lbrace Z \prec -1'66 | H_a\rbrace = P\lbrace Z \succ 1'66 | H_a\rbrace = 1-P\lbrace Z \le 1'66 | H_a\rbrace $$
$=1-0'9515=0'0485$
Por tanto, el error de tipo II es
$\beta=0'0485$ ( que, en este caso, es parecido al error de tipo I )

c)
Se define la potencia del test como la probabilidad de aceptar la hipótesis alternativa siendo ésta cierta. Como esta probabilidad es la probabilidad del contrario de rechazar la hipótesis alternativa ( es decir, aceptar la hipótesis fundamental $H_0$ ) siendo $H_a$ cierta ( es decir, siendo $H_0$ falsa ), la potencia del test es $1-\beta$, es decir $1-0'0485=0'9515$

NOTA:
No debemos confundir la potencia del test, $1-\beta$ ( que en nuestro caso acabamos de ver que es igual a $0'9515$ ), con el nivel de confianza del test ( probabilidad de aceptar la hipótesis fundamental siendo ésta cierta ), esto es $1-\alpha$ y que en este caso es igual a $1-0'05=0'95$, valor parecido a la potencia del test ( en este caso ).

$\square$

- - -

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

domingo, 26 de enero de 2014

Contraste de hipótesis sobre una proporción. Cálculo del p-valor (ampliación). Error de tipo I y error de tipo II. Potencia del contraste (ampliación).

Enunciado:
Se sabe que, hace un cierto tiempo, el $52\,\%$ de los ciudadanos estaban en contra de una cierta ley. Recientemente, se ha elaborado una encuesta a $400$ ciudadanos ( muestra aleatoria simple ), y se observó que $184$ de los mismos se mostraban contrarios a dicha ley. ¿ Puede afirmarse, con un coeficiente de significación del $0'01$, que la proporción de los ciudadanos ( en la población ) ha disminuido ?

Resolución:
De acuerdo con los datos, parece razonable plantear el contraste contraste de hipótesis unilateral:
    $H_0:\, p \ge p_0$ ( hipótesis nula o hipótesis estándar: se mantiene la misma situación, esto es: "la proporción de resultados en contra de dicha ley se mantiene o incluso aumenta" )
    $H_1:\, p \prec p_0$ ( hipótesis alternativa: "la proporción de resultados en contra de dicha ley disminuye" )
siendo $p_0$ el valor de la proporción de referencia ( en el pasado ), que es un dato del problema y que es igual a $0'52$

La característica en estudio corresponde a una variable aleatoria $X$ con distribución de Bernoulli, $X \sim B(1,p)$, luego el estadístico con el que procede realizar el contraste de hipótesis corresponde a una variable aleatoria
    $\dfrac{\hat{P}-p_0}{\sqrt{\dfrac{p_0\,(1-p_0)}{n}}} \approx N(0,1)$
donde $n$ es el tamaño de la muestra, que es nuestro caso es $n=400$

De acuerdo con el planteamiento del contraste, aceptaremos $H_0$ si el valor del estadístico $\hat{P}$ observado en la muestra es superior a $p_0$, es decir, si podemos encontrar una constante positiva $c$, con un nivel de confianza de $1-\alpha$, es decir, si
    $P\{\hat{P} \ge p_0 + c\}=1-\alpha$
que, tipificando, también podemos expresar de la forma
    $P\{\dfrac{\hat{P}-p_0}{\sqrt{\dfrac{p_0\,(1-p_0)}{n}}} \ge \dfrac{c}{\sqrt{\dfrac{p_0\,(1-p_0)}{n}}} \}=1-\alpha$
esto es
    $P\{Z \ge \dfrac{c}{\sqrt{\dfrac{p_0\,(1-p_0)}{n}}} \}=1-\alpha$
y, denotando por $z_{1-\alpha}$ al valor del miembro derecho de la desigualdad del argumento
    $z_{1-\alpha}:=\dfrac{c}{\sqrt{\dfrac{p_0\,(1-p_0)}{n}}}$
el cual representa la abscisa de la función de densidad $f(z)$ que deja a la derecha el $(1-\alpha)\cdot 100 \,\%$ de la distribución ( respectivamente a la izquierda, el $\alpha \cdot 100\, \%$ de la distribución )
y que obtener a partir de la consulta de la tabla $N(0,1)$ de la función de distribución de probabilidad $F(z)$ procediendo de la manera que sigue
podemos la condición expresada arriba de la forma
    $P\{Z \ge z_{1-\alpha}\}=1-\alpha$
es decir, y para el caso que nos ocupa, para un nivel de significación $\alpha=0'01$:
    $P\{Z \ge z_{1-0'01}\}=1-0'01$
esto es
    $P\{Z \ge z_{0'99}\}=0'99$
que, habida cuenta de que el valor de probabilidad $0'99$, no podemos obtenerlo directamente en las tablas, podemos escribir la probabilidad pedida de la forma
    $1-P\{Z \le z_{0'99}\}=0'99$
luego
    $P\{Z \le z_{0'99}\}=1-0'99=0'01$
y, por simetría de la función de densidad de probabilidad $f(z)$, es igual a
    $P\{Z \ge -z_{0'99}\}=0'01$
valor que sí encontramos directamente en las tablas y que corresponde a la abscisa
    $-z_{0'99}=2'33$ ( operando con dos decimales )
por tanto
    $z_{0'99}=-2'33$
luego el intervalo de valores del estadístico que corresponde a la región de aceptación de la hipótesis nula, $H_0$, es $C^{*}=[-2'33 \,,\, +\infty )$

Observamos que valor del estadístico del contraste en la muestra seleccionada es
        $\dfrac{0'46-0'52}{\sqrt{\dfrac{0'52\,(1-0'52)}{400}}} \approx -2'40 \notin C^{*}$
luego rechazamos $H_0$, y por tanto, aceptamos la hipótesis alternativa $H_1$ ( "la proporción en contra de dicha ley ha disminuido" ) con un coeficiente de significación de $0'01$ ( nivel de confianza del $99\,\%$ ).
$\square$

-oOo-

Observación 1. (Error de tipo I. Interpretando el coeficiente de significación del test. Calculando el p-valor):     Recordemos que el nivel de significación del test representa el error de tipo I, que se define como a probabilidad de rechazar la hipótesis nula, siendo ésta cierta. Así pues, cuánto más confiemos en la validez de la hipótesis nula, menor tendrá que ser el nivel de significación $\alpha$ que le asignemos de antemano, por lo tanto, éste es un punto delicado del contraste, de ahí la importancia de calcular el p-valor, o nivel de significación observado, al objeto de cotejar la decisión que tomemos a partir de la ubicación del valor observado del estadístico del contraste en la región de aceptación de la hipótesis nula o bien en la región crítica ( de rechazo de la hipótesis nula ).

El p-valor es el nivel de significación observado; en otras palabras: el menor coeficiente de significación - esto es, la probabilidad observada de rechazar H_0 siendo ésta cierta - con el que podríamos, por tanto, rechazar la hipótesis nula $H_0$. Si el p-valor que encontremos es pequeño, pongamos, inferior a $0'01$ ( la probabilidad de rechazar la hipótesis nula siendo ésta cierta es pequeña ) querrá decir que, en buena lógica, no podremos justificar la decisión de aceptarla y, en consecuencia, la rechazaremos ( aceptando la hipótesis alternativa ).

Calculemos pues el p-valor:
    p-valor:=Probabilidad_observada("rechazar $H_0$ siendo $H_0$ es cierta")=
      $=P\{Z \prec -2'33 | p_{0} \ge 0'52\}$
      $=P_{H_{0}}\{Z \succ 2'33\}$
      $=0'0099$
valor que es demasiado pequeño ( en particular, inferior al nivel de significación $\alpha=0'01$ fijado de antemano ), para poder aceptar la hipótesis nula $H_0$
luego, de acuerdo a este nivel de significación observado, se confirma la decisión de rechazar $H_0$ y aceptar la hipótesis nula.


Observación 2. ( Error de tipo II):     Además del error de tipo I ( que deberíamos cuidar de evitar, rebajando de antemano el coeficiente de significación del test pues, por ejemplo, en un juicio el no hacerlo supondría violar el principio de presunción de inocencia ), también debemos considerar otro tipo de error: el que proporciona la probabilidad de aceptar la hipótesis nula ( hipótesis estándar ) siendo ésta falsa ( en un juicio, por ejemplo, ésto correspondería a cometer el error de declarar inocente a un culpable). Éste otro error es el llamado error de tipo II ( menos importante que el primero, como es lógico).

Observación 3. ( Valorando la potencia del test):     El complemento a uno del error de tipo II es la probabilidad de rechazar la hipótesis nula siendo ésta falsa, probabilidad que se interpreta como la capacidad o potencia del contraste o test.

A modo de ejemplo, vamos a calcular la potencia del contraste en este ejercicio:

    potencia del test:=P(rechazar $H_0$ | $H_0$ falsa )
        =P( aceptar $H_1$ | $H_1$ cierta )
        =P( $p$ caiga a la izquierda de ($\hat{p}-c$) | $H_1$ cierta )
        $= P \{p\prec \hat{p}-z_{1-\alpha} \cdot \sqrt{\dfrac{p\,(1-p)}{n}} \;| \; p \prec p_0 \}$
pues el intervalo correspondiente a la zona crítica ( que corresponde a rechazar $H_0$ y, por tanto, a aceptar $H_1$ ) es
    $C=(-\infty\,,\, \hat{p}-z_{1-\alpha} \cdot \sqrt{\dfrac{p\,(1-p)}{n}}]$
por lo que seguimos el cálculo escribiendo que la última línea del mismo es igual a
    $P \{ \dfrac{p-\hat{p}}{\sqrt{\dfrac{p\,(1-p)}{n}}} \prec - z_{1-\alpha} \;| \; p \prec p_0 \}$
        $= P \{ \dfrac{\hat{p}-p}{\sqrt{\dfrac{p\,(1-p)}{n}}} \succ z_{1-\alpha} \;| \; p \prec p_0 \}$
luego, tomando un valor ligeramente superior a $-2'33$ ( valor de la abscisa encontrada antes, supuesta $H_0$ cierta ) para la nueva abscsisa $z$ compatible con la condición ( $H_1$ cierta ), como por ejemplo $-2'3$, y prosiguiendo el cálculo, encontramos
        $\approx P_{H_1} \{ \dfrac{\hat{p}-p}{\sqrt{\dfrac{p\,(1-p)}{n}}} \succ -2'3 \}$
es decir
        $= P_{H_1} \{ Z \succ -2'3 \}$
        $= 1-P_{H_1} \{ Z \prec -2'3 \}$
        $= 1-P_{H_1} \{ Z \succ 2'3 \}$
y consultando las tablas de la distribución $N(0,1)$ encontramos
        $= 1-0'0179$
        $\approx 0'98$
pudiendo valorar por tanto dicho test con una potencia del $98\,\%$. $\square$



- - -

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