Hipotesis 2

12,768 views

Published on

un aporte para la comunidade molinera

Published in: Business
1 Comment
0 Likes
Statistics
Notes
  • muy bueno... gracias por la ayuda
       Reply 
    Are you sure you want to  Yes  No
    Your message goes here
  • Be the first to like this

No Downloads
Views
Total views
12,768
On SlideShare
0
From Embeds
0
Number of Embeds
82
Actions
Shares
0
Downloads
191
Comments
1
Likes
0
Embeds 0
No embeds

No notes for slide

Hipotesis 2

  1. 1. <ul><li>Por ahora : “es suficiente reconocer que β aumenta a medida que α disminuye para un tamaño de muestra dado” </li></ul><ul><li>  </li></ul><ul><li>Para el marketing : Costo Error tipo II > Costo Error tipo I </li></ul><ul><li>  Ejemplo s </li></ul><ul><li>  1.- Si se comete error tipo I en la selección de la mejor estrategia promocional para el lanzamiento de un nuevo producto de desodorante, suponga que se rechaza la hipótesis verdadera (concluimos que una estrategia promocional es mejor que las demás) aún cuando todas son igualmente eficaces. Acá hay poco riesgo asociado a nuestra selección de estrategias. </li></ul><ul><li>  </li></ul><ul><li>2.- Por otra parte, podemos aceptar la hipótesis falsa (concluir que no hay diferencias en la efectividad de las tres estrategias promocionales) cuando una de ellas es más eficaz que las demás. Este error tipo II podría ser más costoso, en términos de costo de oportunidad, si seleccionamos una de las estrategias menos eficaces. </li></ul>
  2. 2. <ul><li>Hoy, con razones gerenciales apremiantes para seleccionar un nivel de significación ( α ) en el rango de 0.10 a 0.25, en regular de los tradicionales niveles de 0.01 ó 0.05 utilizados en la investigación de las ciencias sociales. </li></ul><ul><li>3) Pasos en la prueba de hipótesis </li></ul><ul><li>1.- Formular la hipótesis nula y una alternativa. </li></ul><ul><li>2.- Seleccionar la prueba estadística apropiada al tipo de datos que tiene el investigador. </li></ul><ul><li>3.-Especificar el nivel de significación “ α ”. </li></ul><ul><li>4.- Buscar el valor del estadístico de prueba en un conjunto de tablas para el α (diferentes niveles de probabilidad α ). </li></ul><ul><li>5.- Realizar la prueba estadística seleccionando en el paso 2 sobre los datos disponibles (genera un valor estadístico pertinente). </li></ul><ul><li>6.- Comparar el valor calculado en el paso 5 con el valor encontrado en el paso 4. </li></ul><ul><li>Si valor paso 5 > valor paso 4 rechazamos H 0 </li></ul><ul><li>Si valor paso 5 < valor paso 4 aceptamos H 0 </li></ul>
  3. 3. Estadística Inferencial <ul><li>La prueba apropiada de inferencias estadísticas también varía según el nivel de escala de los datos disponibles. </li></ul><ul><li>  </li></ul><ul><li>1) Datos de Intervalo </li></ul><ul><li>Para este caso se utiliza la prueba Z o la prueba t. </li></ul><ul><li>La selección depende del investigador sobre su conocimiento de: </li></ul><ul><li>- Desviación Standard de la población </li></ul><ul><li>- Tamaño de muestra utilizado </li></ul><ul><li>  </li></ul><ul><li>OJO.- son pruebas sobre el tamaño de la media de la población. </li></ul>
  4. 4. <ul><li>PRUEBA Z </li></ul><ul><li>Sea: </li></ul><ul><li>: media muestral n : tamaño de la muestra </li></ul><ul><li>μ : media poblacional N : tamaño de la población </li></ul><ul><li>  </li></ul><ul><li>La prueba Z compara con μ y permite si la le permite concluir que la media poblacional ( μ ) es verdadera. </li></ul><ul><li>La prueba Z es adecuada para los datos de intervalos donde: </li></ul><ul><li>1.- El tamaño es de cualquier orden y se conoce la σ (desviación standard poblacional), o </li></ul><ul><li>2.- El tamaño de la muestra es mayor que 30 y NO se conoce la σ   </li></ul><ul><li>Nota : Si n < 30 y no se conoce σ Prueba t </li></ul>
  5. 5. <ul><li>Partimos de una variable continua EDAD. </li></ul><ul><li>Supongamos que de una muestra de estudiantes universitarios que están tomando el curso de investigación de mercados se ha generado la siguiente información: </li></ul><ul><li> = 24 S = 5 n = 100 N = 4000 </li></ul><ul><li>Se considera como población a los estudiantes de la UNALM . </li></ul><ul><li>Pasos de la Prueba Z </li></ul><ul><li>1.-Formulas de una prueba de hipótesis nula y una alternativa </li></ul><ul><li>Si deseamos saber si la edad media de la población es 23 </li></ul><ul><li>H 0 : μ = 23 </li></ul><ul><li>H I : μ ≠ 23 </li></ul><ul><li>Acá la hipótesis alternativa H I expresa que la media poblacional es diferente a 23 (por debajo o encima) es una prueba de 2 colas (bilateral) </li></ul><ul><li>* El número de colas afecta la posición en una tabla estadística. </li></ul>
  6. 6. <ul><li>2.- Seleccionar las pruebas estadísticas apropiadas </li></ul><ul><li>La prueba adecuada es la prueba Z porque n>100 y estamos probando una hipótesis sobre las medias, ya que la prueba Z se basa en la naturaleza de la distribución muestral de medias. </li></ul><ul><li>Acá utilizamos la tabla A-2 (prueba Z bilateral) </li></ul><ul><li>Se utiliza la tabla A-3 (prueba Z unilateral) </li></ul><ul><li>Se asume que las tablas considera =0 y σ =1 </li></ul><ul><li>- En la tabla los valores de la primera columna y primera fila de la tabla se combinan para dar los valores de Z. </li></ul><ul><li>- Los valores que aparecen en el resto de la tabla dan el área contenida en la cola o las colas de la distribución. </li></ul><ul><li>  </li></ul><ul><li>Esto suministra una medida de la probabilidad de rechazar una HIPÓTESIS NULA VERDADERA; en otras palabras, estos valores son α , la probabilidad de cometer un error tipo I. </li></ul>
  7. 7. <ul><li>Ejemplo s </li></ul><ul><li>1.- En la tabla A-2 para α = 0.05 encontramos que esto es 1.96 (en la columna 1 es 1.9 y en la fila 1 es 0.06) desviación standard de la media. </li></ul><ul><li>Recordamos que cuando en el capítulo V se afirma que el intervalo de confianza al 95% era ±2 veces el error standard; en realidad es 1.96 veces el error standard, pero por necesidad de facilitar el análisis se utiliza 2. </li></ul><ul><li>Lo que nos dice el 1.96 es: “que la probabilidad de lograr un valor de Z mayor que 1.96 es menor que 0.05” </li></ul><ul><li>2.- En la tabla A-3 observamos que la probabilidad de lograr un valor de Z mayor que 1.96 es menor que 0.025. Por tanto, en ese caso estaríamos ampliando una prueba con α = 0.025 (de una cola). </li></ul><ul><li>Para α = 0.05 en una prueba unilateral observamos que Z = 1.645. Por tanto, la probabilidad de obtener un valor de Z mayor que 1.64 en una prueba unilateral es menor que 0.05. </li></ul>
  8. 8. 3.Especificar el nivel de significacion. <ul><li>El investigador debe especificar el nivel de significación α . Se debe tener en cuenta que cuando menor sea α , mayor será β para cualquier tamaño de muestra dado. </li></ul><ul><li>Para el ejemplo utilizaremos α =0.1 </li></ul>En la tabla A-2 observamos que Z = 1.64 para un α =0.1. Este es el Valor Crítico de Z. Si la Z calculada con base en los datos EXCEDE a 1.64 se rechaza la hipotesis nula (H o ) 4. Buscar el valor de z para α =0.1
  9. 9. 5. Realizar la prueba estadistica <ul><li>Si se Conoce la desviación Standard de la población ( δ ) : </li></ul><ul><li>Si se Desconoce la δ : </li></ul>
  10. 10. <ul><li>En nuestro ejemplo : α =0.1 </li></ul>La diferencia = 24 – 23 es iguala 2 errores Standart
  11. 11. Ejemplo B <ul><li>En la Tabla A-3 observamos que la probabilidad de lograr un valor de Z Mayor que 1.96 es Menor que 0.025. ∴En ese caso estaríamos empleandouna prueba con α =0.025 (de una cola). </li></ul><ul><li>Para α =0.05 en una PRUEBA UNILATERAL observamos que Z = 1.645. ∴La probabilidad de obtener un valor de Z mayor que 1.64 en una prueba unilateral es menor que 0.05. </li></ul>
  12. 12. <ul><li>El valor de Z calculado (Z c ) EXCEDE el valor de Z de la tabla (Z T ) para α =0.1. </li></ul><ul><li>(Z C > Z T ) H o se rechaza </li></ul><ul><li>(Z C < Z T ) H o se acepta </li></ul><ul><li> Z C = 2 </li></ul><ul><li> Z T = 1.64 </li></ul><ul><li>∴ No se puede concluir que la Edad Promedio de la población sea 23 años. </li></ul>6. Comparar los valores Z
  13. 13. Ejemplo <ul><li>Para una proporción VARIABLES DICOTOMICAS </li></ul><ul><li>Se utiliza para medir la participación del mercado, una muestra podría generar un estimado de la participación de mercado (p). Es probable que queramos comparar ésta con la participación del mercado objetivo por encima de π . </li></ul><ul><li>En ese caso n > 30 y No se conoce δ H 0 : π ≤ 0.25 </li></ul><ul><li>H 1 : π > 0.25 </li></ul><ul><li>Si n < 30 ( pequeño) Distribución Binomial es una situación poco común en los problemas reales de I.M. </li></ul>
  14. 14. <ul><li>El estadístico: </li></ul>Donde: p: proporción muestral π : proporción hipotética S p : error standart de la proporción p: probabilidad de éxito q: probabilidad de fracaso
  15. 15. <ul><li>El nivel de significación α = 0.01 </li></ul><ul><li>Z T = 2.32 para α = 0.01 </li></ul><ul><li>Se calcula Z C p = 0.3 n = 30 </li></ul><ul><li>Como Z c < Z T no se puede concluir que hemos logrado una participación de mercado objetivo superior al 25% </li></ul><ul><li>Nótese que esto es cierto aun cuando la participación de mercado de la muestra era de 30%. </li></ul>
  16. 16. PRUEBA T <ul><li>Se utiliza para obtener conclusiones sobre la media poblacional y se parte de: </li></ul><ul><li>Para muestras pequeñas n < 30 </li></ul><ul><li>No se conoce la δ </li></ul><ul><li>Para valores n > 30 la distribución “t” y la “z” son virtualmente idénticas; los valores de “t” no se han calculado para tamaños grandes de muestra. </li></ul>
  17. 17. <ul><li>El valor crítico de “t” varía según: </li></ul><ul><li>El nivel α seleccionado. </li></ul><ul><li>El número de grados de libertad en la muestra. </li></ul><ul><li>Si se requiere una prueba unilateral o bilateral. </li></ul><ul><li>Siempre hay “n-1” grados de ibertad en la prueba t. Como ejemplo en la tabla A-4 para un α = 0.05, en una prueba unilateral con 10 grados de libertad t = 1.812. </li></ul><ul><li>OJO En la tabla de 2 colas se busca α = 2(0.05) =0.1 y g.l =10 </li></ul>
  18. 18. Ejemplo <ul><li>Se desea estimar las tasa anuales de </li></ul><ul><li>consumo de gaseosa anual per cápita en el </li></ul><ul><li>sector c en el Perú es de 100 galones, para </li></ul><ul><li>lo cual hemos tomado una muestra del sector c: </li></ul>S = 15 n = 7 α = 0.1 <ul><li>Se genera la H o : </li></ul><ul><li>H o ≤ 100 galones </li></ul><ul><li>H 1 > 100 galones </li></ul><ul><li>Selección de la prueba estadística: </li></ul><ul><li>como n < 30 y δ no se conoce Prueba “t” </li></ul>
  19. 19. <ul><li>El nivel de significación α = 0.1, pero se busca con α = 0.2. </li></ul><ul><li>El t T para : gl = 7-1=6 y α = 0.2 t T =1.44 para una cola. </li></ul><ul><li>El t c es: </li></ul><ul><li>Como t c > t T se rechaza H 0 y se acepta que el consumo es superior a 100 galones de gaseosas. </li></ul>
  20. 20. <ul><li>Datos Nominales </li></ul><ul><li>No siempre se esta interesado en hipótesis sobre medias. </li></ul><ul><li>Con frecuencia desean hacer inferencias sobre la forma como se distribuye los encuestados a través de las posibles categorías de una variable nominal. </li></ul><ul><li>Ejemplo: </li></ul><ul><li>Si las familias que compran gaseosas en envases retornables se distribuyen por igual en todas las categorías de ocupación. </li></ul>
  21. 21. <ul><li>Importante: </li></ul><ul><li>La prueba ji cuadrado es un procedimiento para comparar una distribución hipotética de la población a través de las categorías en relación con una distribución observada. </li></ul>
  22. 22. PRUEBA Ji-Cuadrado <ul><li>En una prueba ji-cuadrado se compara una distribución hipotética de la población con una distribución generada por una muestra. </li></ul>Donde: K : numero de categorías de las variables. O i : numero observado de los encuestados en la categoría i. E i : numero hipotético de los encuestados de la categoría i.
  23. 23. <ul><li>La prueba Ji cuadrado depende: </li></ul><ul><li>Grados de libertad (k-1) unilateral, univariado. </li></ul><ul><li>Nivel de significación. </li></ul><ul><li>El tamaño de la muestra. </li></ul><ul><li>En la tabla se nos dan α = 0.05 se busca en la columna donde aparece 1 – α = 1 - 0.05 =0.95 </li></ul><ul><li>Ejemplo </li></ul><ul><li>Se tiene una variable con 7 gl y un α = 0.05. </li></ul><ul><li>Se busca un 1 – 0.05= 0.95 columna y fila gl = 7 </li></ul><ul><li>X 2 = 14.1 </li></ul>
  24. 24. Ejemplo : k=4 n=100 10 100 100 Total 4 100 10 25 35 Estudiante 1 25 5 25 30 Personal Administrativo 1 25 -5 25 20 Personal oficina 4 100 -10 25 15 Obrero (O i – E i ) 2 / E i (O i – E i ) 2 O i – E i E i O i Categoría ocupacional
  25. 25. <ul><li>Se tiene 100 personas de diferente categoría que consumen gaseosas en envases retornables y se desea saber si existe diferencia en la población de usuarios de envases retornables. </li></ul><ul><li>La hipótesis: </li></ul><ul><li>H o : No existe diferencias significativas. </li></ul><ul><li>H 1 : Existe diferencias significativas </li></ul><ul><li>Si se espera que sean iguales a cada uno le corresponde 25 como esperado. </li></ul>
  26. 26. <ul><li>La prueba estadística: </li></ul>Son categorías <ul><li>Nótese que X 2 sólo nos dice que existe una relación significativa. </li></ul><ul><li>Nivel de significación α = 0.1 </li></ul><ul><li>El X 2 T para gl = 4 – 1 α = 0.1 </li></ul><ul><li>Se busca 1 – 0.1 = 0.90 </li></ul>
  27. 27. <ul><li>El X 2 c </li></ul><ul><li>X 2 = 4 + 1 + 1 + 4 =10 </li></ul><ul><li>Como </li></ul>Se rechaza la H o y se acepta que existen diferencias significativas para el uso de envases retornables para cada categoría ocupacional.

×