CONTRASTES

Introduccin
Una hiptesis estadstica es una afirmacin que se hace acerca de una o varias
caractersticas de una poblacin. Las caractersticas pueden ser los parmetros de
una distribucin de probabilidad predeterminada, seleccionada para la poblacin.
En este caso hablaremos de hiptesis paramtricas. En algunas situaciones las
caractersticas a estudiar no son parmetros de una distribucin concreta y
decimos que las hiptesis son no paramtricas.
Un contraste de hiptesis es un procedimiento para decidir si una hiptesis se
acepta como vlida o se rechaza.
Dos son las hiptesis que generalmente se contrastan, la que denominamos
hiptesis nula (H0) que es la hiptesis en la que se basa el procedimiento de
contraste, y la que denominamos hiptesis alternativa (Ha ) que es la hiptesis
que se acepta cuando se rechaza la nula y viceversa. Generalmente la hiptesis
nula est formada por un nico valor del parmetro mientras que la hiptesis
alternativa est formada por un conjunto de valores. A la hiptesis alternativa se la
denomina tambin hiptesis de trabajo o hiptesis a investigar ya que, en la mayor
parte de las situaciones practicas reales es la hiptesis alternativa la que se desea
aceptar.
Para realizar el contraste de una hiptesis seleccionamos una muestra aleatoria
de la poblacin y trataremos de tomar una decisin de acuerdo con la informacin
que nos proporcionan los valores muestrales, a travs de una estimacin de la
caracterstica (parmetro) a estudiar y de su distribucin muestral.
Denominaremos estadgrafo o estadstico de contraste a una variable aleatoria
con distribucin conocida cuando la hiptesis nula es cierta. La variable aleatoria
es una transformacin directa de la distribucin muestral. Obviamente, la nica
forma de estar seguros de cul es la hiptesis correcta sera investigar toda la
poblacin, cosa que no es posible ya que, en general, estamos trabajando con
poblaciones infinitas. Como disponemos de la informacin limitada que nos
proporciona la muestra podemos realizar decisiones errneas. Dos son los tipos
de errores que podemos cometer:
Error de tipo I: Rechazar H0 cuando es verdadera.
Error de tipo II: Aceptar H0 cuando es falsa.

Procedimiento de la prueba
Un procedimiento de prueba es una regla con base en datos muestrales, para

determinar si se rechaza .
Ejemplo
Una prueba de : p = 0.10 contra : p < 0.10, podra estar basada en el examen de
una muestra aleatoria de n = 200 objetos. Representamos con X el nmero de
objetos defectuosos de la muestra, una variable aleatoria binomial; x representa el
valor observado de X. si es verdadera, E(X) = np = 200*(0.10) = 20, mientras,
podemos esperar menos de 20 objetos defectuosos si es verdadera. Un valor de x
ligeramente debajo de 20 no contradice de manera contundente a as que es
razonable rechazar solo si x es considerablemente menor que 20. Un
procedimiento de prueba es rechazar si x15 y no rechazar de otra forma. En este
caso, la regin de rechazo est formada por x = 0, 1, 2, , y 15. no ser
rechazada si x= 16, 17,, 199 o 200.

Un procedimiento de prueba se especifica por lo siguiente:

1. Un estadstico de prueba: una funcin de los datos muestrales en los cuales

se basa la decisin de rechazar o no rechazar .

2. Una regin de rechazo, el conjunto de todos los valores del estadstico de
prueba para los cuales ser rechazada.
Entonces, la hiptesis nula ser rechazada si y solo si el valor observado o
calculado del estadstico de prueba se ubica en la regin de rechazo
En el mejor de los casos podran desarrollarse procedimientos de prueba para
los cuales ningn tipo de error es posible. Pero esto puede alcanzarse solo si
una decisin se basa en un examen de toda la poblacin, lo que casi nunca es
prctico. La dificultad al usar un procedimiento basado en datos mustrales es
que debido a la variabilidad en el muestreo puede resultar una muestra no
representativa.
Un buen procedimiento es aquel para el cual la probabilidad de cometer
cualquier tipo de error es pequea. La eleccin de un valor particular de corte
de la regin de rechazo fija las probabilidades de errores tipo I y II. Estas
probabilidades de error son representadas por y , respectivamente.
Desarrollo con infostat

EJERCICIO 1
EJERCICIO 2.
EJERCICIO 3.
 DESARROLLO MANUAL

Para hacer los contrastes manualmente, utilizamos el siguiente ejercicio:

Ahora codificamos cada tratamiento

A = Marca 1

B = Marca 2

C = Marca 3

D = Marca 4

Ahora definimos los contrastes

Numero de contrastes = t 1 = 3

C1 = A vs B + C + D

C2 = B + C vs D

C3 = B vs C

Ahora comprobamos la ortogonalidad de los contrastes con la siguiente formula:

= 0
=1

1 2 = (3 0) + (1 1) + (1 1) + (1 2) = 0
=1

1 3 = (3 0) + (1 1) + (1 1) + (1 0) = 0
=1

2 3 = (0 0) + (1 1) + (1 1) + (2 0) = 0
=1

Ahora planteamos la hipotesis:

Ho: 3T1 T2 - T3 T4 = 0

Ho: T2 + T3 2T4 = 0

Ho: T2 - T3 = 0

Ahora se calcula el producto de la sumatoria de los coeficientes al cuadrado, como se muestra en

la tabla:

# de repeticiones

Ahora se calcula la sumatoria del producto de los coeficientes por el Yi. Como se muestra en la
tabla

1 = (3 341) + (1 186) + (1 242) + (1 408) = 187

=1

2 = (0 341) + (1 186) + (1 242) + (2 408) = 388

=1

3 = (0 341) + (1 186) + (1 242) + (0 408) = 56

=1
Ahora se calcula la sumatoria de cuadrados de los contrastes, como se muestra en la tabla:

(187)2
1 = = 971,36
36
(388)2
2 = = 8363,5
18
(56)2
1 = = 522,6
6
Ahora se saca el F calculado, dividiendo el valor de la suma de los cuadrados que equivalen al
cuadrado medio de los contrastes entre el cuadrado medio del error que se saca de la tabla de
ANOVA, el resultado se muestra en la tabla:

971,36
1 = = 89,6
10,84
8363,5
2 = = 771,5
10,84
522,6
3 = = 48,2
10,84

Ahora se compara el valor de F con en F de las tablas

(0.05,3,14) = 3,34

Decisin

Entonces tenemos que para:

1: 3,34 89,6 , %

2: 3,34 771,5 , %

3: 3,34 48,2 , %

Bibliografia
Lara Porras A.M. (2001). Diseo estadstico de experimentos, anlisis de la
varianza y temas relacionados: tratamiento informtico mediante SPSS.
Ed.: Proyecto Sur.
Lizasoain, L., Joaristi, L. (2003). Gestin y anlisis de datos con SPSS.
Versin 11. Thomson: Madrid.
Portilla, M., Eraso, S, Gal, C., Garca, I., Moler, J. y Blanca, M. (2006).
Manual prctico del paquete estadstico SPSS para Windows (3 edicin
revisada). Universidad Pblica de Navarra: Navarra.
Pea Snchez de Rivera, D. (1987): Estadstica. Modelos y Mtodos.
Volumen 2. Alianza Editorial. Madrid. ISBN: 84-206-8110-5.
 CONTRASTES

DISEO EXPERIMENTAL

AYLEN YOLETH RODRIGUEZ RODRIGUEZ

EDNA MILETH TRUJILLO VALDERRAMA

MONICA LOZADA

BERNANDO MURCIA

Docente

UNIVERSIDAD DE LA AMAZONIA

FLORENCIA CAQUETA

2016