10/6/2018

MODULO 1: Hidrología Superficial

Tema 1: Estadística
1.1.1 Probabilidad y Estadística

CONTRASTES E INTERVALOS

Ángel Luis Udías Moinelo

Profesor Contratado Doctor del Dpto. de Estadística e Investigación Operativa de la URJC

Probabilidad y Estadística: Índice

• 1.Introducción.
• 2 .Estadística Descriptiva. Análisis Exploratorio de Datos.
• 3. Probabilidad
– Muestreo
– Probabilidad
– Contrastes de Hipótesis e Intervalos de confianza
• 4. Modelos Lineales
– Regresión
– Series Temporales
• 5. Análisis Multivariado.

Inferencia Estadística: Estimación de parámetros

• Consideremos dos métodos para hacer inferencia estadística
– Estimación: desconocemos el valor de un parámetro y tomamos
el valor de un estadístico como valor aproximado de dicho
parámetro
– Contraste de hipótesis: hacemos una afirmación (hipótesis) sobre
el valor de un parámetro que contrastaremos mediante una
muestra de la población

Se denomina estimación puntual de un parámetro al ofrecido por

el estimador sobre una muestra.
∑ (x )
n 2
PARAMETRO ESTIMADOR −x
µ E(X) = µ i
Sˆ 2 = i =1
⇒ E(Sˆ 2 ) = σ 2
σ2 X s2 E(S2 ) ≠ σ 2 N −1
σ 2) el estadístico muestral s 2 no es
En el caso del parámetro varianza poblacional (σ
centrado (es sesgado)

Se denomina estimación confidencial o intervalo de confianza

para un nivel de confianza 1-α dado, a un intervalo que ha sido
construido de tal manera que con frecuencia 1-α realmente
contiene
3 al parámetro.

1
 10/6/2018

Inferencia Estadística: Estimación de parámetros

• Estimación por intervalos de confianza

– Nivel de confianza (1-α): es la "probabilidad" de que el
intervalo calculado contenga al verdadero valor del
parámetro. Se da en porcentaje

– Nivel de significación (α): probabilidad de equivocarnos.

Cometer error de tipo I (rechazar H0 cuando es verdadera)

intervalo de confianza

P(θ1 < θˆ < θ2) =1− α

4

Contraste de Hipótesis

• Pasos en el Contraste de Hipótesis

– Definir las hipótesis del contraste: H0:θ = θo; H1:θ ≠ θo

– Escoger el estadístico de contraste (test)

– Establecer nivel de significación α
– Experimento y cálculo del test: Tomar la muestra, estimar θ ,
calcular la p

– Comparación de p y α: La comparación de ambos valores guía

hacia la toma de decisiones

– Decisión y Conclusiones:
• Si p < α se rechaza H0: significativo Se acepta H1
• Si p > α NO se rechaza H0: no significativo Potencia Estadística

Contraste de Hipótesis
H0 cierta H0 falsa
Rechazar H0 Error tipo I Decisión correcta

Aceptar H0 Decisión correcta Error tipo II

Antes de realizar el test estadístico se tiene que establecer qué magnitud del error tipo I que permitimos

– En general el tamaño del intervalo disminuye con el tamaño

muestral y aumenta con 1-α (nivel de confianza).

– En todo intervalo de confianza hay una noticia buena y otra mala:

• La buena: hemos usado una técnica que en % alto de casos acierta.
• La mala: no sabemos si ha acertado en nuestro caso.
α=5%

Región Crítica Región Crítica

Η0:
No rechazo
H0 µ=140

2
 10/6/2018

Contraste de Hipótesis

• Ejemplo: Estudio sobre la presión arterial en España

– Se realiza la siguiente suposición a priori:

La presión media de los españoles es de 140 mmHg

– Se toma una muestra de tamaño n=9
Sujeto Tensión arterial (mm
Hg)
1 130 EE = σ / √9 = 10,60 / 3 = 3,53
2 135 IC(95%) = m ± 2—EE = 140 ± 7,07
3 140
{132,93 147,07}
4 135
5 160
El 95% de las personas
6 130 tendrán una presión arterial
7 135 entre 132,93 y 147,07 mm Hg
7
8 140
9 155

Contraste de Hipótesis
El 95% de las personas
tendrán una presión arterial
entre 132,93 y 147,07 mm Hg

Hipótesis nula (H0): La población española tiene una presión arterial media
de 140 mmHg

_
X = 135

µ = 140 µ = 1.40
_ 8
X = 125

El resultado no coincide con la teoría H El resultado es coherente con la teoría H

− Rechazamos que H0 sea cierta - No hay evidencia en contra de H0
− El contraste SÍ es estadísticamente significativo - No rechazamos H0
- El contraste NO es estadísticamente significativo

Contraste de Hipótesis

• Ejemplos de Contrastes (test) estadístico

– Comprobar si una distribución sigue una distribución normal
• test de Kolmogorov-Smirnov (KS test)

– Comparar si dos poblaciones son iguales

• Comparación de medias (test t de Student)

– Comprobar si dos características varían conjuntamente (correlación)

y su tasa de variación (regresión)
– Comprobar si un valor dado difiere significativamente del valor
esperado
• test χ2 (Chi cuadrado)

3
 10/6/2018

10

Estimación de parámetros

• Estimación por intervalos de confianza

– Intervalo de confianza para µ de una población
normal:
• σ conocida

σ
X → N( µ , )
N
P(- x α / 2 < X < x α / 2 ) = 1 − α
X−µ
→ N(0,1) tabulada
σ/ N
Z X−µ σ
P(- z α / 2 < < zα/ 2 ) = 1− α µ = X ± z α/2 ⋅
11
σ/ N N

Estimación de parámetros

• Estimación por intervalos de confianza

– Intervalo de confianza para µ de una
población normal:
• σ desconocida

– N grande (>30)

ŝ
X−µ µ = X ± z α/2 ⋅
→ N(0,1) N
ŝ / N
– N pequeña
X−µ ŝ
→ t( α / 2, N − 1) µ = X ± t α/2,N -1 ⋅
12 ŝ / N N

4
 10/6/2018

Contraste de Hipótesis

• Contraste para la igualdad de medias de dos

poblaciones normales

bilateral

13
unilateral

Contraste de Hipótesis
• Definiciones
– Error de tipo II: error que cometemos cuando aceptamos la hipótesis
nula H0 siendo falsa

– β: probabilidad de cometer el error de tipo II (no rechazar H0 cuando es falsa)

Ho H1

H0: µ=140 H1: µ=160

14
Cuando α decrece → β crece

Contraste de Hipótesis
H0: µ=140 H1: µ=165

H0: µ=140 H1: µ=160

H0: µ=140 H1: µ=157

Conforme H1 se acerca a H0:
− Ambas distribuciones se solapan más
−β↑
− Discriminar entre ambas hipótesis es menos
15
probable

5
 10/6/2018

Contraste de Hipótesis

• Contraste para la igualdad de medias de dos poblaciones normales

– Distribución t de Student
• Varianzas poblacionales iguales y desconocidas

con n1+ n2 - 2 grados de libertad

• El valor de p que nos proporciona el estadístico t (calculado)

con n1+ n2 - 2 grados de libertad se compara con α (tabulado)

16

Contraste de Hipótesis

Nivel contaminación
• Ejemplo Sujeto Método Método
A B
– ¿Son los métodos A y B 1 145 130
significativamente distintos? 2 145 135

• Hipótesis previa (H0): 3 155 140

4 155 135
– Los dos métodos son iguales
5 150 160
• Fijamos α=0.05 6 140 130
• Aplicamos el test t de Student 7 145 135
8 150 140
9 155 155

Si p < 0.05
Los métodos son significativamente distintos

Si p > 0.05
Los métodos NO son significativamente distintos
17

Contraste de Hipótesis

Nivel contaminación
• Ejemplo Sujeto Método Método
A B
– ¿Son los métodos A y B 1 145 130
significativamente distintos? 2 145 135

• Hipótesis previa (H0): 3 155 140

4 155 135
– Los dos métodos son iguales
5 150 160
• Fijamos α=0.05 6 140 130
• Aplicamos el test t de Student 7 145 135
nA = nB = 9 8 150 140
_ _
XA= 148.89 XB= 140 t = 2.235 9 155 155

SA2 =29.86 SB2 =112.50

18

6
 10/6/2018

Contraste de Hipótesis

t0.05/2 ; 16 = 2.12

?
α=0.05
nA = nB = 9
_ _
XA= 148.89 XB= 140 t = 2.235
SA2 =29.86 SB2 =112.50

p = 0.04 < 0.05

19

Contraste de Hipótesis

Nivel contaminación
• Ejemplo Muestra Método Método
A B
– ¿Son los métodos A y B 1 145 130
significativamente distintos? 2 145 135

• Hipótesis previa (H0): 3 155 140

4 155 135
– Los dos métodos son iguales
5 150 160
• Fijamos α=0.05 6 140 130
• Aplicamos el test t de Student 7 145 135
nA = nB = 9 8 150 140
_ _
XA= 148.89 XB= 140 t = 2.235 9 155 155

SA 2 =29.86 SB 2 =112.50

p < 0.05
Rechazo H0 : Las medias son distintas

Los métodos son significativamente distintos
20

Contraste de Hipótesis

Nivel contaminación
• Ejemplo Muestra No Método
hacer B
– ¿Son los métodos A y B nada
significativamente distintos? 1 145 130
2 145 135
• Hipótesis previa (H0):
3 155 140
– Los dos métodos son iguales 4 155 135
• Fijamos α=0.05 5 150 160

• Aplicamos el test t de Student 6 140 130

nA = nB = 9 7 145 135
_ _
8 150 140
XA= 148.89 XB= 140 t = 2.235
9 155 155
SA2 =29.86 SB2 =112.50

p < 0.05
Rechazo H0 : Las medias son distintas

El metodo de descontaminación fue efectivo
21