Pruebas de Hipótesis para Comparar Grupos y Asociación Entre Variables

Pruebas de Hipótesis para comparar
grupos y asociación entre variables

Parte I
INTRODUCCIÓN
Contenidos
• Conceptos básicos: causalidad, asociación, asociación
significativa y no significativa, tamaño del efecto. Pruebas de
PARTE I
hipótesis para comparar grupos y estimadores de tamaño del

efecto. Muestras relacionadas/ Independientes
• Pruebas de significación de la diferencia de medias/mediana en
2 grupos: Pruebas T, Z, U-Mann Whitney.
• Pruebas de significación de la diferencia de proporciones (chi
cuadrado, prueba exacta de fisher) y tamaño del efecto (phi, V de
PARTE II
Cramer y Gamma).
• Pruebas de significación de la diferencia de varianzas: F de
Snedecor, Test de Barlett, Test de Levene
• Conceptos de modelo teórico, modelo estadístico, variable
dependiente e independiente, varianza y covarianza.
PARTE III
• Pruebas de significación y tamaño del efecto de la diferencia de

medias para dos o más poblaciones: ANOVA. Problema del
aumento del error tipo I al tratar con múltiples pruebas. Pruebas
de Welch y Kruskal -Wallis. Pruebas post-hoc: Tukey.
I. Conceptos básicos
I. CONCEPTOS BÁSICOS
Causa
• “Cosa a la que se debe que ocurra otra cosa

determinada”
Efecto
Causa Consecuencia
Causalidad
• ¿Qué produce qué?
A B
A B
C B
A
Control
Asociación
Dos variables se asocian cuando los valores
que asumen se relacionan, o cuando varían
conjuntamente.
Asociación
• Al aumentar una, la otra aumenta V. Cuantitativa
• Al disminuir una, la otra aumenta (Correlación)
• Al cambiar de categoría, la proporción varía.
V. categórica
• Al cambiar de categoría, el promedio/mediana

varía.
V. categórica/ V. cuantitativa
Asociación
• + escolaridad, + ingresos V. Cuantitativa
• + escolaridad, - años de (Correlación)
experiencia laboral
• Mujeres: menos «Ocupadas»
V. categórica
• Mujeres: menos Ingresos
V. categórica/ V. cuantitativa
Asociación y Linealidad
• + experiencia laboral, + empleabilidad, -
empleabilidad
• + experiencia laboral, + salarios, - salarios
• Menor de edad: inactivo, mayor de edad y

menor 60 activo, mayor de 60 inactivo
Asociación y Causalidad
Causalidad requiere asociación, pero….

Asociación ≠ Causalidad
Asociación ≠ Causalidad
Cigueñas – niño
Lluvia – paraguas
???
Asociación
• Significativa: estadísticamente distinta de 0
• No significativa: estadísticamente no se
puede afirmar que sea distinta de 0.
Test de hipótesis
(a)
Tamaño del efecto

• Estimadores de la magnitud de la asociación
entre variables.
Comparación
de poblaciones
V. Cuantitativa V. Cualitativa
Test de hipótesis Tamaño del efecto Test de

Tamaño
Media/Mediana (regresiones) hipótesis
del efecto
¿Hay asociación? ¿Cuál es la intensidad Proporción
de la asociación? ¿Hay asociación? ¿Cuál es la
intensidad de la
asociación?
Relación entre
v. cuantitativas
Test de hipótesis Tamaño del efecto

Tamaño de (regresiones,
efecto≠0 correlaciones)
¿Hay asociación? ¿Cuál es la intensidad
de la asociación?
MUESTRAS INDEPENDIENTES: mediciones

realizadas en dos conjuntos de casos diferentes.
MUESTRAS RELACIONADAS: mediciones realizadas

al mismo conjunto de casos.
MUESTRAS INDEPENDIENTES:
ingresos de hombres e ingresos de mujeres.
MUESTRAS RELACIONADAS:
PIB de los países en 1800 y en 1850
I. Pruebas de significación de
diferencia de Media/Mediana en
dos grupos
II. PRUEBAS DE SIGNIFICACIÓN DE DIFERENCIA DE MEDIA…
Test Z para diferencia de medias
Test de hipótesis paramétrico para evaluar
hipótesis sobre el valor de medias poblacionales
(parámetro) de dos grupos (muestras
independientes) o de dos mediciones de mismo
grupo (muestras relacionadas)
SUPUESTOS:
– Variable cuantitativa o dummy
– Muestreos probabilísticos
– Muestras grandes
Test Z para diferencia de medias
MUESTRAS INDEPENDIENTES
𝜇𝑥 : media poblacional de población X
MUESTRAS RELACIONADAS
𝜇𝑥 : media poblacional de medición X de la población
HIPÓTESIS:
– H0:𝜇1 = 𝜇2 ↔ 𝜇1 − 𝜇2 = 0
– H1:𝜇1 ≠ 𝜇2 (Prueba de dos colas)
– H1:𝜇1 > 𝜇2 (Prueba de una cola)
– H1:𝜇1 < 𝜇2 (Prueba de una cola)
Estadístico y distribución nula en Test Z
para diferencia de medias
𝑋1 𝑦𝑋2 : 𝑚𝑒𝑑𝑖𝑎𝑠 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙𝑒𝑠
Problema: ¿Cómo distribuye 𝑋1 − 𝑋2 ?
Si 𝑛1 y 𝑛2 son grandes, por TCL y LGN…
𝑋1 −𝑋2 −(𝜇1 −𝜇2 )

Estadístico Z= ∼ 𝑁(0,1)
𝑆𝐸(𝑋1 −𝑋2 )
𝑆𝑖 𝐻0 𝑒𝑠 𝑐𝑖𝑒𝑟𝑡𝑎,
𝑋1 − 𝑋2
∼ 𝑁(0,1)
𝑆𝐸(𝑋1 − 𝑋2 )
Estadístico y distribución nula en Test Z
para diferencia de medias
𝑋1 − 𝑋2
∼ 𝑁(0,1)
𝑆𝐸(𝑋1 − 𝑋2 )
Muestras independientes:
2 2
𝑠1 𝑠2
𝑆𝐸(𝑋1 − 𝑋2 )= +
𝑛1 𝑛2
Muestras relacionadas:
2 2
𝑠1 𝑠2 𝑠1 𝑠2
𝑆𝐸(𝑋1 − 𝑋2 )= + − 2𝑟
𝑛1 𝑛2 𝑛1 𝑛2
Test Z para diferencia de medias de dos
colas
TEST DE DOS COLAS: ZONA DE RECHAZO
– H0:𝜇1 = 𝜇2
– H1:𝜇1 ≠ 𝜇2
𝑋1 −𝑋2
𝑆𝑖 𝐻0 𝑒𝑠 𝑐𝑖𝑒𝑟𝑡𝑎, ∼ 𝑁(0,1)
𝑆𝐸(𝑋1 −𝑋2 )
Zona de Rechazo:
𝑋1 −𝑋2
< −𝑍𝛼Τ2 ∪
𝑆𝐸(𝑋1 −𝑋2 )
𝑋1 −𝑋2
> 𝑍𝛼Τ2
𝑆𝐸(𝑋1 −𝑋2 )
colas
TEST DE DOS COLAS: VALOR P
– H0:𝜇1 = 𝜇2
– H1:𝜇1 ≠ 𝜇2
VAPOR P=
2P[Z<-|Valor Muestral|]= 2P[Z>|Valor Muestral|]
colas
TEST DE DOS COLAS: H0:𝜇1 = 𝜇2 H1:𝜇1 ≠ 𝜇2
MUESTRAS INDEPENDIENTES: ingresos mujeres (1) y
hombres (2)
𝑋1 =589.000; 𝑋2 =642.000; 𝑠1 = 50.000; 𝑠2 =
100.000; 𝑛1 = 800; 𝑛2 = 700.
𝑋1 −𝑋2 𝑋1 −𝑋2 589000−642000
= = =-12.7
𝑆𝐸(𝑋1 −𝑋2 ) 2 2 50000 2 100000 2
𝑠1 𝑠2 +
𝑛1
+ 𝑛2
800 700
Con 95% de confianza, 𝑍𝛼Τ2 =1,96 Está en zona de

rechazo
Valor P= 2 ℙ −12.7 ≥ 𝑍 =
Test Z de dos colas
colas
hombres (2)
𝑋1 =589.000; 𝑋2 =642.000; 𝑠1 = 50.000; 𝑠2 =
100.000; 𝑛1 = 800; 𝑛2 = 700.
𝑋1 −𝑋2 𝑋1 −𝑋2 589000−642000
= = =-12.7
𝑆𝐸(𝑋1 −𝑋2 ) 2 2 50000 2 100000 2
𝑠1 𝑠2 +
𝑛1
+ 𝑛2
800 700
Con 95% de confianza, 𝑍𝛼Τ2 =1,96 Está en zona de

rechazo
Valor P= 2 ℙ −12.7 ≥ 𝑍 <0.0004
colas
MUESTRAS RELACIONADAS: ventas antes de capacitación (1)
y ventas post capacitación (2)
𝑋1 =589.000; 𝑋2 =642.000; 𝑠1 = 50.000; 𝑠2 = 100.000; 𝑛1 =
800; 𝑛2 = 700; r=0.6.
𝑋1 −𝑋2 𝑋1 −𝑋2
= =
𝑆𝐸(𝑋1 −𝑋2 ) 2 2
𝑠1 𝑠2 𝑠1 𝑠2
𝑛1
+ 𝑛2
−2𝑟 𝑛1 𝑛2
589000−642000
=-17.3
50000 2 100000 2 50000 100000
+ −2∗0.6
800 700 800 700
Con 95% de confianza, 𝑍𝛼Τ2 =1,96 Está en zona de rechazo

Valor P= 2 ℙ −17.3 ≥ 𝑍 <0.0004
Test Z para diferencia de medias de una
cola
TEST DE UNA COLA: H0:𝜇1 = 𝜇2
H1:𝜇1 > 𝜇2 H1:𝜇1 < 𝜇2
𝑋1 −𝑋2
𝑆𝑖 𝐻0 𝑒𝑠 𝑐𝑖𝑒𝑟𝑡𝑎, ∼ 𝑁(0,1). Zona de Rechazo:
𝑆𝐸(𝑋1 −𝑋2 )
𝑋1 −𝑋2 𝑋1 −𝑋2
> 𝑍𝛼 < −𝑍𝛼
𝑆𝐸(𝑋1 −𝑋2 ) 𝑆𝐸(𝑋1 −𝑋2 )
Valor P=
P[Z>Valor muestral] P[Z<Valor muestral]
cola
H1:𝜇1 > 𝜇2 H1:𝜇1 < 𝜇2
MUESTRAS INDEPENDIENTES: ingresos mujeres (1) y hombres (2)
𝑋1 =589.000; 𝑋2 =642.000; 𝑠1 = 50.000; 𝑠2 = 100.000; 𝑛1 =
800; 𝑛2 = 700.
𝑋1 −𝑋2
= -12.7
𝑆𝐸(𝑋1 −𝑋2 )
Con 95% de confianza, 𝑍𝛼 =1,645
Zona de Rechazo:
𝑋1 −𝑋2 𝑋1 −𝑋2
𝑆𝐸(𝑋1 −𝑋2 ) 𝑆𝐸(𝑋1 −𝑋2 )
NO está en zona de rechazo Está en zona de rechazo
Valor P= P(Z>-12.7) Valor P= P(Z<-12.7)
Test Z de dos colas
cola
H1:𝜇1 > 𝜇2 H1:𝜇1 < 𝜇2
MUESTRAS INDEPENDIENTES: ingresos mujeres (1) y hombres (2)
𝑋1 =589.000; 𝑋2 =642.000; 𝑠1 = 50.000; 𝑠2 = 100.000; 𝑛1 =
800; 𝑛2 = 700.
𝑋1 −𝑋2
= -12.7
𝑆𝐸(𝑋1 −𝑋2 )
Zona de Rechazo:
𝑋1 −𝑋2 𝑋1 −𝑋2
𝑆𝐸(𝑋1 −𝑋2 ) 𝑆𝐸(𝑋1 −𝑋2 )
Valor P= P(Z>-12.7)>0.9998 Valor P= P(Z<-12.7)<0.0002
cola
H1:𝜇1 > 𝜇2 H1:𝜇1 < 𝜇2
MUESTRAS RELACIONADAS: ventas antes de capacitación (1) y
ventas post capacitación (2)
𝑋1 =589.000; 𝑋2 =642.000; 𝑠1 = 50.000; 𝑠2 = 100.000; 𝑛1 =
800; 𝑛2 = 700; r=0.6.
𝑋1 −𝑋2
= -17.3
𝑆𝐸(𝑋1 −𝑋2 )

Zona de Rechazo:
𝑋1 −𝑋2 𝑋1 −𝑋2
𝑆𝐸(𝑋1 −𝑋2 ) 𝑆𝐸(𝑋1 −𝑋2 )
Valor P= P(Z>-17.3)>0.9998 Valor P= P(Z<-17.3)<0.0002
Test T para diferencia de medias
Test de hipótesis paramétrico para evaluar
hipótesis sobre el valor de medias poblacionales
(parámetro) de dos grupos (muestras
independientes) o de dos mediciones de un
mismo grupo (muestras relacionadas)
SUPUESTOS:
– Variable cuantitativa
– Muestreo probabilístico
– Variables normales
Test T para diferencia de medias
MUESTRAS INDEPENDIENTES
𝜇𝑥 : media poblacional de población X
MUESTRAS RELACIONADAS
𝜇𝑥 : media poblacional de medición X de la población
HIPÓTESIS:
– H0:𝜇1 = 𝜇2 ↔ 𝜇1 − 𝜇2 = 0
– H1:𝜇1 ≠ 𝜇2 (Prueba de dos colas)
– H1:𝜇1 > 𝜇2 (Prueba de una cola)
– H1:𝜇1 < 𝜇2 (Prueba de una cola)
Estadístico y distribución nula en Test T
para diferencia de medias, muestras
independientes
𝑋1 𝑦𝑋2 : 𝑚𝑒𝑑𝑖𝑎𝑠 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙𝑒𝑠, ¿Cómo distribuye 𝑋1 − 𝑋2 ?
Si X es normal en ambas muestras,
𝑋1 −𝑋2 −(𝜇1 −𝜇2 )

T= ∼ 𝑇 𝑛1+𝑛2−2 𝑔𝑙
𝑆𝐸(𝑋1 −𝑋2 )
𝑋1 − 𝑋2
∼ 𝑇 𝑛1+𝑛2 −2 𝑔𝑙
𝑆𝐸(𝑋1 − 𝑋2 )
independientes
𝑋1 − 𝑋2
∼ 𝑇 𝑛1+𝑛2 −2 𝑔𝑙
𝑆𝐸(𝑋1 − 𝑋2 )
2 2
𝑛1 𝑠1 +𝑛2 𝑠2 1 1
𝑆𝐸(𝑋1 − 𝑋2 )= ∙ +
𝑛1 +𝑛2 −2 𝑛1 𝑛2
relacionadas
𝑋1 𝑦𝑋2 : 𝑚𝑒𝑑𝑖𝑎𝑠 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙𝑒𝑠, ¿Cómo distribuye 𝑋1 − 𝑋2 ?
Si X es normal en ambas muestras,
𝑋1 −𝑋2 −(𝜇1 −𝜇2 )

T= ∼ 𝑇 𝑛−1 𝑔𝑙
𝑆𝐸(𝑋1 −𝑋2 )
𝑋1 − 𝑋2
∼ 𝑇 𝑛−1 𝑔𝑙
𝑆𝐸(𝑋1 − 𝑋2 )
relacionadas
𝑋1 − 𝑋2
∼ 𝑇 𝑛−1 𝑔𝑙
𝑆𝐸(𝑋1 − 𝑋2 )
2
σ𝑛
𝑖=1 𝑥𝑖𝑗1 −𝑥𝑖𝑗2
𝑆𝐸(𝑋1 − 𝑋2 )=
𝑛(𝑛−1)
Test T para diferencia de medias de dos
colas
TEST DE DOS COLAS: ZONA DE RECHAZO
H0:𝜇1 = 𝜇2 H1:𝜇1 ≠ 𝜇2
Zona de Rechazo:
𝑋1 −𝑋2 𝑋1 −𝑋2
< −𝑇𝛼Τ2 ∪ > 𝑇𝛼Τ2
𝑆𝐸(𝑋1 −𝑋2 ) 𝑆𝐸(𝑋1 −𝑋2 )
𝑋1 −𝑋2
Valor P= 2 ℙ −|𝑉𝑎𝑙𝑜𝑟 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙| ≥
𝑆𝐸(𝑋1 −𝑋2 )
*Según si las muestras son independientes o

relacionadas, 𝑇𝛼Τ2 vendrá de una distribución de
𝑇 𝑛1+𝑛2−2 𝑔𝑙 o 𝑇 𝑛−1 𝑔𝑙
colas, muestras independientes
ZONA DE RECHAZO Y VALOR P
H0:𝜇1 = 𝜇2 H1:𝜇1 ≠ 𝜇2
hombres (2)
𝑋1 =589.000; 𝑋2 =642.000; 𝑠1 = 50.000; 𝑠2 = 100.000;
𝑛1 = 20; 𝑛2 = 10.
𝑋1 −𝑋2 𝑋1 −𝑋2
= =
𝑆𝐸(𝑋1 −𝑋2 ) 2 2
𝑛1 𝑠1 +𝑛2 𝑠2 1 1
𝑛1 +𝑛2 −2
∙ 𝑛 +𝑛
1 2
589000−642000
=-1.86
20(50000)2 +10(100000)2 1 1
∙ +
20+10−2 20 10
Con 𝛼=5%, 𝑇𝛼Τ2 , considerando 𝑇28 𝑔𝑙 =

H0:𝜇1 = 𝜇2 H1:𝜇1 ≠ 𝜇2
ingresos mujeres (1) y hombres (2)
𝑋1 =589.000; 𝑋2 =642.000; 𝑠1 = 50.000; 𝑠2 = 100.000;
𝑛1 = 20; 𝑛2 = 10.
𝑋1 −𝑋2 𝑋1 −𝑋2
= =
𝑆𝐸(𝑋1 −𝑋2 ) 2 2
𝑛1 𝑠1 +𝑛2 𝑠2 1 1
∙ +
𝑛1 +𝑛2 −2 𝑛1 𝑛2
589000−642000
=-1.86
20(50000)2 +10(100000)2 1 1
20+10−2
∙ 20+10
Con 𝛼=5%, 𝑇𝛼Τ2 , considerando 𝑇28 𝑔𝑙 =2.048 No está en

zona de rechazo
𝑋1 −𝑋2
T= = −1.86
𝑆𝐸(𝑋1 −𝑋2 )
Valor P= 2 ℙ −1.86 ≥ 𝑇
Considerando 𝑇28 𝑔𝑙 ….
𝑋1 −𝑋2
= −1.86
𝑆𝐸(𝑋1 −𝑋2 )
𝑋1 −𝑋2
Valor P= 2 ℙ −1.86 ≥
𝑆𝐸(𝑋1 −𝑋2 )
Valor P~2 ∗ 0.05
Valor P~0.1
colas, muestras relacionadas
H0:𝜇1 = 𝜇2 H1:𝜇1 ≠ 𝜇2
MUESTRAS RELACIONADAS: ingresos pre capacitación (1) y
post capacitación (2)
𝑋1 =589.000; 𝑋2 =642.000; 𝑆𝐸(𝑋1 − 𝑋2 )=10000; n=30.
𝑋1 −𝑋2 𝑋1 −𝑋2
= =
𝑆𝐸(𝑋1 −𝑋2 )
σ𝑛 𝑥 −𝑥 2
𝑖=1 𝑖𝑗1 𝑖𝑗2
𝑛(𝑛−1)
589000−642000
=-5.3
10000
Con 𝛼=5%, 𝑇𝛼Τ2 , considerando 𝑇29 𝑔𝑙 =
H0:𝜇1 = 𝜇2 H1:𝜇1 ≠ 𝜇2
MUESTRAS RELACIONADAS: ingresos pre capacitación (1) y
post capacitación (2)
𝑋1 =589.000; 𝑋2 =642.000; 𝑆𝐸(𝑋1 − 𝑋2 )=10000; n=30.
𝑋1 −𝑋2 𝑋1 −𝑋2
= =
𝑆𝐸(𝑋1 −𝑋2 )
σ𝑛 𝑥 −𝑥 2
𝑖=1 𝑖𝑗1 𝑖𝑗2
𝑛(𝑛−1)
589000−642000
=-5.3
10000
Con 𝛼=5%, 𝑇𝛼Τ2 , considerando 𝑇29 𝑔𝑙 =2.045 Está en zona
de rechazo
𝑋1 −𝑋2
T= = −5.3
𝑆𝐸(𝑋1 −𝑋2 )
Valor P= 2 ℙ −5.3 ≥ 𝑇
𝑋1 −𝑋2
= −5.3
𝑆𝐸(𝑋1 −𝑋2 )
𝑋1 −𝑋2
Valor P= 2 ℙ −5.3 ≥
𝑆𝐸(𝑋1 −𝑋2 )
Valor P< 2*0.0005
Valor P< 0.001
Test T para diferencia de medias de una
colas
H0:𝜇1 = 𝜇2
H1:𝜇1 > 𝜇2 H1:𝜇1 < 𝜇2
Zona de Rechazo:
𝑋1 −𝑋2 𝑋1 −𝑋2
> 𝑇𝛼 < -𝑇𝛼
𝑆𝐸(𝑋1 −𝑋2 ) 𝑆𝐸(𝑋1 −𝑋2 )
Valor P:
𝑋1 −𝑋2 𝑋1 −𝑋2
ℙ > 𝑉𝑎𝑙𝑜𝑟 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙 ℙ < 𝑉𝑎𝑙𝑜𝑟 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙
𝑆𝐸(𝑋1 −𝑋2 ) 𝑆𝐸(𝑋1 −𝑋2 )
*Según si las muestras son independientes o relacionadas,

𝑇𝛼Τ2 vendrá de una distribución de 𝑇 𝑛1+𝑛2 −2 𝑔𝑙 o 𝑇 𝑛−1 𝑔𝑙
H0:𝜇1 = 𝜇2
H1:𝜇1 > 𝜇2 H1:𝜇1 < 𝜇2
Zona de Rechazo: ingresos mujeres (1) y hombres (2)
𝑋1 =589.000; 𝑋2 =642.000; 𝑠1 = 50.000; 𝑠2 = 100.000;
𝑛1 = 20; 𝑛2 = 10.
𝑋1 −𝑋2
=-1.86
𝑆𝐸(𝑋1 −𝑋2 )
Con 𝛼=5%, 𝑇𝛼 , considerando 𝑇28 𝑔𝑙 =
H0:𝜇1 = 𝜇2
H1:𝜇1 > 𝜇2 H1:𝜇1 < 𝜇2
𝑋1 =589.000; 𝑋2 =642.000; 𝑠1 = 50.000; 𝑠2 = 100.000;
𝑛1 = 20; 𝑛2 = 10.
𝑋1 −𝑋2
=-1.86
𝑆𝐸(𝑋1 −𝑋2 )
Con 𝛼=5%, 𝑇𝛼 , considerando 𝑇28 𝑔𝑙 =1.7
Zona de Rechazo:
𝑋1 −𝑋2 𝑋1 −𝑋2
𝑆𝐸(𝑋1 −𝑋2 ) 𝑆𝐸(𝑋1 −𝑋2 )
No está en zona de rechazo. Está en zona de rechazo.
H0:𝜇1 = 𝜇2
H1:𝜇1 > 𝜇2 H1:𝜇1 < 𝜇2
𝑋1 =589.000; 𝑋2 =642.000; 𝑠1 = 50.000; 𝑠2 = 100.000;
𝑛1 = 20; 𝑛2 = 10.
𝑋1 −𝑋2
=-1.86
𝑆𝐸(𝑋1 −𝑋2 )
Valor P, considerando 𝑇28 𝑔𝑙 …
𝑋1 −𝑋2 𝑋1 −𝑋2
ℙ > −1.86 ℙ < −1.86
𝑆𝐸(𝑋1 −𝑋2 ) 𝑆𝐸(𝑋1 −𝑋2 )
H0:𝜇1 = 𝜇2
H1:𝜇1 > 𝜇2 H1:𝜇1 < 𝜇2
𝑋1 =589.000; 𝑋2 =642.000; 𝑠1 = 50.000; 𝑠2 = 100.000;
𝑛1 = 20; 𝑛2 = 10.
𝑋1 −𝑋2
=-1.86
𝑆𝐸(𝑋1 −𝑋2 )
𝑋1 −𝑋2 𝑋1 −𝑋2
ℙ > −1.86 > ℙ < −1.86 <
𝑆𝐸(𝑋1 −𝑋2 ) 𝑆𝐸(𝑋1 −𝑋2 )
0.95 0.05
H0:𝜇1 = 𝜇2
H1:𝜇1 > 𝜇2 H1:𝜇1 < 𝜇2
ingresos antes de capacitación (1) e ingresos post
capacitación (2)
𝑋1 =589.000; 𝑋2 =642.000; 𝑆𝐸(𝑋1 − 𝑋2 )=10000; n=30.
𝑋1 −𝑋2
=-5.3
𝑆𝐸(𝑋1 −𝑋2 )
Con 𝛼=5%, 𝑇𝛼 , considerando 𝑇29 𝑔𝑙 =
H0:𝜇1 = 𝜇2
H1:𝜇1 > 𝜇2 H1:𝜇1 < 𝜇2
capacitación (2)
𝑋1 =589.000; 𝑋2 =642.000; 𝑆𝐸(𝑋1 − 𝑋2 )=10000; n=30.
𝑋1 −𝑋2
=-5.3
𝑆𝐸(𝑋1 −𝑋2 )
Con 𝛼=5%, 𝑇𝛼 , considerando 𝑇29 𝑔𝑙 =1.699
Zona de Rechazo:
𝑋1 −𝑋2 𝑋1 −𝑋2
𝑆𝐸(𝑋1 −𝑋2 ) 𝑆𝐸(𝑋1 −𝑋2 )
No está en zona de rechazo. Está en zona de rechazo.
H0:𝜇1 = 𝜇2
H1:𝜇1 > 𝜇2 H1:𝜇1 < 𝜇2
capacitación (2)
𝑋1 =589.000; 𝑋2 =642.000; 𝑆𝐸(𝑋1 − 𝑋2 )=10000; n=30.
𝑋1 −𝑋2
=-5.3
𝑆𝐸(𝑋1 −𝑋2 )
𝑋1 −𝑋2 𝑋1 −𝑋2
ℙ > −5.3 ℙ < −5.3
𝑆𝐸(𝑋1 −𝑋2 ) 𝑆𝐸(𝑋1 −𝑋2 )
H0:𝜇1 = 𝜇2
H1:𝜇1 > 𝜇2 H1:𝜇1 < 𝜇2
capacitación (2)
𝑋1 =589.000; 𝑋2 =642.000; 𝑆𝐸(𝑋1 − 𝑋2 )=10000; n=30.
𝑋1 −𝑋2
=-5.3
𝑆𝐸(𝑋1 −𝑋2 )
𝑋1 −𝑋2 𝑋1 −𝑋2
ℙ > −5.3 ℙ < −5.3
𝑆𝐸(𝑋1 −𝑋2 ) 𝑆𝐸(𝑋1 −𝑋2 )
>0.9995 <0.0005

Pruebas de Hipótesis para Comparar Grupos y Asociación Entre Variables

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Pruebas de Hipótesis para Comparar Grupos y Asociación Entre Variables

Enviado por

Direitos autorais:

Formatos disponíveis

Pruebas de Hipótesis para comparar

grupos y asociación entre variables

hipótesis para comparar grupos y estimadores de tamaño del

• Pruebas de significación y tamaño del efecto de la diferencia de

• “Cosa a la que se debe que ocurra otra cosa

• Al cambiar de categoría, el promedio/mediana

• Mujeres: menos Ingresos

• + experiencia laboral, + salarios, - salarios

• Menor de edad: inactivo, mayor de edad y

Causalidad requiere asociación, pero….

Tamaño del efecto

Test de hipótesis Tamaño del efecto Test de

Test de hipótesis Tamaño del efecto

MUESTRAS INDEPENDIENTES: mediciones

MUESTRAS RELACIONADAS: mediciones realizadas

Problema: ¿Cómo distribuye 𝑋1 − 𝑋2 ?

Si 𝑛1 y 𝑛2 son grandes, por TCL y LGN…

𝑋1 −𝑋2 −(𝜇1 −𝜇2 )

Con 95% de confianza, 𝑍𝛼Τ2 =1,96 Está en zona de

Con 95% de confianza, 𝑍𝛼Τ2 =1,96 Está en zona de

Con 95% de confianza, 𝑍𝛼Τ2 =1,96 Está en zona de rechazo

Con 95% de confianza, 𝑍𝛼 =1,645

Si X es normal en ambas muestras,

𝑋1 −𝑋2 −(𝜇1 −𝜇2 )

Si X es normal en ambas muestras,

𝑋1 −𝑋2 −(𝜇1 −𝜇2 )

*Según si las muestras son independientes o

Con 𝛼=5%, 𝑇𝛼Τ2 , considerando 𝑇28 𝑔𝑙 =

Con 𝛼=5%, 𝑇𝛼Τ2 , considerando 𝑇28 𝑔𝑙 =2.048 No está en

*Según si las muestras son independientes o relacionadas,

Você também pode gostar