Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
88.. TEST DE HIPÓTESIS CONTENIDO 8.1 INTRODUCCIÓN .................................................................................................. 162 8.2 HIPÓTESIS NULA Y ALTERNATIVA................................................................... 162 8.3 PRUEBA DE HIPÓTESIS PARA LA MEDIA POBLACIONAL Μ.......................... 164 8.4 ERROR TIPO I Y ERROR TIPO II ......................................................................... 166 8.5 CONSTRUCCIÓN DE LA REGLA DE DECISIÓN................................................ 167 8.6 CÁLCULO DEL TAMAÑO DE MUESTRA............................................................ 171 8.7 ENFOQUE DEL VALOR P PARA LAS PRUEBAS DE HIPÓTESIS..................... 172 8.8 EJERCICIOS PROPUESTOS............................................................................... 173 G.Carnevali-E.Franchelli-G.Gervasoni 162 8. TEST DE HIPÓTESIS 8.1 INTRODUCCIÓN En el capítulo anterior se describió el procedimiento de estimar, en base a una muestra aleatoria, el valor de un parámetro de la población, desarrollando un rango de valores dentro del cual se espera, con cierta probabilidad, esté contenido el verdadero valor del parámetro. Otro de los procedimientos de inferencia estadística ampliamente utilizado es valorar la evidencia muestral a favor de alguna hipótesis que se enuncia acerca de una población. Este procedimiento recibe el nombre de test o prueba de hipótesis. En general, para las pruebas de hipótesis que veremos en el curso, el test de hipótesis es sólo otra forma de tomar una decisión a la cual se podría haber arribado con un intervalo de confianza para el parámetro en cuestión. 8.2 HIPÓTESIS NULA Y ALTERNATIVA ¿Qué es una hipótesis? Es una afirmación acerca de la población; por ejemplo, que un parámetro de la misma tiene un valor específico ( µ = 5, σ = 2, p = 0.05) 1. Es una suposición que se hace en función de la sospecha sobre lo que realmente está ocurriendo en la población. La comprobación de esta sospecha debería hacerse estudiando toda la población, pero ya se ha visto que en la mayoría de los problemas, esto es impracticable. Para ello, se utilizan las pruebas de hipótesis, como un procedimiento de inferencia estadística que se basa en la evidencia muestral y en la teoría de probabilidad para determinar si la hipótesis es un enunciado razonable para la población en estudio. Cuando se observan los datos obtenidos en una muestra, éstos, en general sugieren que algo específico está sucediendo en la población de la cual se ha obtenido la muestra. La pregunta es si ese resultado o efecto aparente observado en la muestra, es realmente un indicio de lo que ocurre en la población en cuestión o solamente es fruto de una variación aleatoria. Las pruebas estadísticas de hipótesis constituyen una manera de estimar si ese efecto aparente indica lo que en la realidad está ocurriendo. La conclusión siempre estará referida a una población y por lo tanto, como primer paso, debe establecerse claramente cuál es la población en estudio y seguidamente, identificar el parámetro sobre el que tomamos la decisión. Estructura del problema En el procedimiento de prueba se concentra la atención en dos conjuntos posibles de valores del parámetro, o dos hipótesis estadísticas, ambas opuestas. Se las llama hipótesis nula e hipótesis alternativa. 1 Podríamos preguntarnos también acerca de la forma de la población y hacer supuestos (hipótesis) sobre ella (Test de Bondad de Ajuste). Pero esta situación no será trabajada en la asignatura. G.Carnevali-E.Franchelli-G.Gervasoni 163 Hipótesis nula (H0): es la creencia convencional, afirma que no hay ningún cambio o efecto en la población. Hipótesis alternativa (Ha): representa el efecto que se sospecha puede ser cierto. Establece que un determinado parámetro difiere del valor que le otorga la hipótesis nula. ¿Cómo decidir si sustentamos lo especificado por la hipótesis nula o lo rechazamos? La base del procedimiento es analizar la evidencia muestral y valorar si la misma es tan improbable bajo la hipótesis nula, que ésta debería ser rechazada. En forma sencilla, el proceso de la toma de decisiones es de la siguiente manera: Se plantean dos hipótesis sobre una población de interés: H0 y Ha. Para decidir cuál de estas dos hipótesis parece más razonable, recolectamos datos, los analizamos y nos preguntamos: ¿son estos datos probables de ser observados si H0 fuera cierta? Si los datos son poco probables de ocurrir cuando H0 es cierta rechazo H0 y sustentamos la otra teoría (Ha)2. Las pruebas de hipótesis se proponen valorar la evidencia proporcionada por los datos muestrales en contra de una hipótesis nula y a favor de la hipótesis alternativa. Distintos planteos de pruebas de hipótesis para los parámetros de una población: Considerando que θ es un parámetro de la población, y siendo θ0 un posible valor del parámetro, se pueden plantear 3 tipos de pruebas: a) Prueba bilateral o de dos colas H0) θ = θ0 (El parámetro θ es igual a θ0), contra Ha) θ ≠ θ0 (el valor de θ se ha modificado) b) Prueba unilateral de cola izquierda H0) θ ≥ θ0 (El parámetro θ es igual a θ0 o mayor), contra Ha) θ < θ0 (el valor de θ ha disminuido) c) Prueba unilateral de cola derecha H0) θ ≤ θ0 (El parámetro θ es igual a θ0 o menor), contra Ha) θ > θ0 (el valor de θ ha aumentado) Observación: el signo igual aparece siempre en la hipótesis nula. 2 El no rechazo de la hipótesis nula no indica necesariamente que la hipótesis que se sustenta sea cierta, significa que no hay evidencia suficiente para rechazarla. G.Carnevali-E.Franchelli-G.Gervasoni 164 Criterio de decisión Para establecer si los datos muestrales son o no compatibles con H0, debe determinarse una regla o criterio; este criterio se basa en la distribución muestral del estimador del parámetro sobre el cual estamos planteando las hipótesis. Se comienza suponiendo que H0 es cierta. Luego, si H0 es cierta, los valores del estadístico en esta distribución, sólo indican una variación debida al azar. La distribución muestral del estadístico, suponiendo cierta la hipótesis nula, brinda información relativa a posibles valores que el estadístico asumirá en las muestras y las probabilidades correspondientes, es decir, el porcentaje de muestras en que el estadístico asumirá determinados valores en el conjunto de infinitas muestras posibles. 8.3 PRUEBA DE HIPÓTESIS PARA LA MEDIA POBLACIONAL µ Ilustraremos la prueba de hipótesis para una media poblacional µ con un ejemplo: Supongamos que una cadena de talleres de “servicio rápido” tiene un servicio estándar para realizar cambios de aceite y verificar el funcionamiento básico del automóvil. Sus normas establecen que el tiempo promedio para dar el servicio debería ser 12,5 minutos por automóvil, pero la empresa desea mejorar el tiempo de atención, disminuyéndolo. El tiempo para dar el servicio es una variable con distribución normal y de experiencias anteriores se ha determinado que la desviación estándar es de 1,2 minutos. Para lograr disminuir el tiempo de atención se decide realizar modificaciones en uno de los servicios. Una disminución en los valores del tiempo para dar el servicio (X), significaría un corrimiento en la distribución de probabilidad. Si el modelo persiste y el desvío es el conocido, entonces esta disminución se verá reflejada en una disminución en el valor de µ. Una vez realizadas las modificaciones, para determinar si el tiempo promedio de atención ha disminuido, recurriremos a implementar una prueba de hipótesis. 1º paso: Establecer: Población: tiempo para dar el servicio ( X ) X~ N (µ desconocido, σ= 1,2) Parámetro: nos interesa saber si el cambio ha producido alguna disminución en el tiempo de atención promedio, por lo tanto planteamos una decisión sobre µ. 2º paso: Se establecen las hipótesis de la prueba H0) µ ≥ 12,5 Ha) µ < 12,5 La hipótesis nula dice que no hay diferencias entre las dos condiciones de trabajo, lo que implica que el tiempo promedio no se ha modificado. La hipótesis alternativa se establece como el opuesto de la hipótesis nula y representa la conclusión deseada: el tiempo promedio de atención disminuyó. G.Carnevali-E.Franchelli-G.Gervasoni 165 3º paso: Establecer el estadístico, su distribución muestral y establecer el criterio para tomar la decisión. El estimador del parámetro µ, ya sabemos que es el promedio muestral X cuya distribución de probabilidad muestral, ya se ha estudiado. Podemos decir, entonces que es una distribución normal con promedio µ, y desvío estándar n σ . En el ejemplo, suponiendo que el desvío estándar de la variable no se ha modificado, el desvío estándar del promedio muestral es n 2,1 , siendo n el tamaño de la muestra con la que se trabajará. Si suponemos cierta la hipótesis nula, entonces µ = 12,5 y X ~ N ( µ = 12,5; xσ = n 21, ) Gráficamente3: En base a esta distribución pueden observarse cuáles serían valores de Z más compatibles con H0 y cuáles, en cambio, serían poco probables si ésta fuera la distribución que estaría actuando (es decir si H0 fuera cierta): ⇒ Si el valor del estadístico obtenido en la muestra, x , fuese mucho menor que µ0 = 12,5, z = n x 2,1 5.12− también sería mucho más pequeño respecto de E(z) = 0, y entonces estaríamos en posición de suponer que este dato aporta evidencia en contra de que H0 es cierta, ya que este valor no ocurriría casi nunca por azar si el verdadero valor de µ fuera 12,5. Por lo tanto, nos inclinamos a pensar que el efecto que se sospechó en el planteo, es muy probable que exista ante esta evidencia. Cuando rechazamos H0 a favor de Ha, se dice que los datos son estadísticamente significativos. “Los datos son estadísticamente significativos si ellos son poco probables de ser observados bajo el supuesto de que H0 es cierta” ⇒ Si en cambio, el valor obtenido en la muestra no estuviera tan lejos de µ0 = 12,5, ese valor podría ocurrir frecuentemente por azar cuando la media poblacional es 12,5 y entonces decimos que no se puede rechazar H0 con esta evidencia. 3 Los gráficos del capítulo 8 fueron realizados por Natalia Anselmi, ayudante de la cátedra de Probabilidad y Estadística de la carrera de ISI. G.Carnevali-E.Franchelli-G.Gervasoni 166 ¿Cuán lejos deben estar los valores para rechazar H0? ¿Cómo determinar la regla de decisión? El paso final para construir la regla o criterio de decisión consiste en asociar los valores del estadístico que utilizamos para probar la hipótesis con la probabilidad de que ocurran suponiendo cierta la hipótesis nula y decidir en consecuencia cuáles son los valores que nos conducen al rechazo de la hipótesis nula (a favor de lo postulado por la hipótesis alternativa) y cuáles son los valores no concluyentes para rechazarla. No olvidemos: Las hipótesis nula y alternativa son afirmaciones sobre la población que compiten entre sí y las pruebas de hipótesis se basan en la información que brinda una muestra; por lo tanto se debe considerar la posibilidad de errores. La decisión se toma en base a datos muestrales y en consecuencia éstos pueden llevarnos a decisiones erróneas. ¿Cuáles son esos errores y los riesgos asociados? 8.4 ERROR TIPO I Y ERROR TIPO II Un diagrama de la situación : errores y conclusiones correctas en prueba de hipótesis Población H0 verdadera Ha verdadera Decisión No rechazar H0 Rechazar H0 Decisión correcta Error de tipo II Error de tipo I Decisión correcta En cualquier prueba de hipótesis pueden cometerse dos tipos de errores, que se denominan error de tipo 1 ( eI ) y error de tipo 2 (eII ). ⇒ eI : es el error que se comete cuando la regla nos lleva a rechazar H0, cuando en realidad es cierta. ⇒ eII : es el error que se comete cuando la regla nos lleva a no rechazar H0, cuando en realidad es falsa. En el contexto del ejemplo considerado: ⇒ eI : es el error que se comete si se concluye que el tiempo promedio de atención ha disminuido cuando en realidad no disminuyó. ⇒ eII : es el error que se comete si se concluye que el tiempo promedio de atención no ha disminuido cuando en realidad disminuyó. G.Carnevali-E.Franchelli-G.Gervasoni 167 Como es de notar, se habla de rechazar o no la H0, ya que es la única que se prueba y es rechazada cuando los datos muestrales bajo la regla construida son demasiado poco probables para el modelo poblacional bajo la H0. Si bien no podemos eliminar la posibilidad de errores en la prueba de hipótesis, sí podemos considerar la probabilidad de su ocurrencia y tratar de controlarlos. Usaremos la siguiente notación para indicar las probabilidades de cometer esos errores: α = probabilidad de cometer un error tipo I (nivel de significación) β = probabilidad de cometer un error tipo II P(eI ) = P( rechazar H0 / H0 cierta) = α P(eII ) = P( no rechazar H0 / H0 es falsa ) = β α y β son probabilidades de errores, son los riesgos asociados con la prueba. 8.5 CONSTRUCCIÓN DE LA REGLA DE DECISIÓN Ahora sí consideremos el Paso final para construir la regla o criterio de decisión: Puede operarse de dos maneras: ⇒ establecer el nivel de significación de la prueba (α) y calcular el valor crítico a partir del cual se concluye el rechazo de H0, o ⇒ calcular el “valor p” y concluir el rechazo de H0, para valores muy bajos de p, menores que el nivel de significación α. ⇒ Veamos la primer situación: - Fijar el valor α (nivel de significación de la prueba), implica establecer la máxima probabilidad de equivocarnos en rechazar H0 cuando en realidad es cierta. - Luego se encuentra el valor crítico del estadístico ( cx ) para el cual esa probabilidad se verifica y se divide el rango de los valores posibles de promedios muestrales en aquellos que llevarán al rechazo de H0 y aquellos a partir de los cuales no se rechaza que H0 sea cierta. ♦ La P ( eI ) cuando la prueba es unilateral de cola izquierda es: P ( eI ) = P ( X < cx ) = α Bajo esta regla de decisión: Si .obsx > cx no se rechaza H0 Si .obsx < cx se rechaza H0 G.Carnevali-E.Franchelli-G.Gervasoni 168 ♦ La P ( eI ) cuando la prueba es unilateral de cola derecha es: P ( eI ) = P ( X > cx ) = α Bajo esta regla de decisión: Si .obsx < cx no se rechaza H0 Si .obsx > cx se rechaza H0 Volviendo a nuestro ejemplo, supongamos que el gerente del servicio, después de aplicados los cambios, quiere decidir sobre las hipótesis planteadas y para ello va a cronometrar aleatoriamente 30 tiempos de servicio (una muestra aleatoria), fijando un nivel de significación α = 0,05 (es decir especifica la máxima probabilidad permisible de cometer un error de tipo I) 4. Busquemos para esta probabilidad de error que se está dispuesto a correr, el valor cx para el cual esa probabilidad se verifica: valor de cx tal que: P ( eI ) = P ( X < cx ) = α = 0,05 → El cx es equivalente a zc = 30 21 512 , ,−cx = -1,65 despejando 141230 21651512 ,,*,, =−=cx El valor 12,14 divide a la distribución muestral del estadístico de prueba en dos regiones, una región de rechazo o región crítica y una región de no rechazo, como se observa en la figura siguiente: La regla de decisión que asumimos para el ejemplo es la siguiente: Si .obsx > 12,14 ( cx ) no se rechazaH0 Si .obsx < 12,14 ( cx ) se rechaza H0 4 Los valores usuales que se eligen para α son 0,05 o valores menores, siendo frecuente el valor 0,01. La opción de elegir cierto nivel de riesgo de cometer un error tipo I depende del costo de cometer dicho error en el contexto del problema. G.Carnevali-E.Franchelli-G.Gervasoni 169 En general, para una prueba de hipótesis unilateral, el valor crítico se obtiene: ♦ Prueba de cola izquierda n zx cc σµ ⋅−= 0 ♦ Prueba de cola derecha n zx cc σµ ⋅+= 0 Supongamos ahora que a partir de la muestra aleatoria extraída de 30 tiempos de servicio se obtuvo un promedio de atención de 12,29 minutos ( .obsx ) ¿Qué decisión debería tomarse? Decisión como 12,29 > 12,14 ( cx ) no se rechaza H0 Gráficamente: ¿Y el error de tipo 2? - Supongamos que se quiere evaluar la probabilidad de no rechazar la hipótesis nula cuando el promedio de la variable ha disminuido a 12,2 minutos. Aquí, lo que se quiere ver es cuál es el riesgo que se corre con esta regla de decisión de cometer un error de tipo II, si el verdadero valor de µ fuera 12,2. Luego: P ( eII ) = P ( X > 212,/ =ac µx ) = β(12,2) = P ( X > 12,14 / µa = 12,2 ) = 1 - P ( X < 12,14 / µa = 12,2) = = 1 - P (Z < 302,1 2,1214,12 − ) = 1 – P ( Z < - 0,27) = 0,6064 G.Carnevali-E.Franchelli-G.Gervasoni 170 Observemos que con este criterio de decisión el riesgo que se corre de no rechazar H0 si el verdadero valor de µ fuera 12,2 es muy alto. Si repitiéramos la experiencia de seleccionar una muestra de 30 tiempos de servicio cuando el tiempo promedio de atención en la población fuera de 12,2, el 60% de las muestras no detectará la disminución del promedio de 12,5 a 12,2. Una probabilidad alta de un error de tipo II para una determinada alternativa, significa que la prueba no es suficientemente sensible para detectar la alternativa. - Veamos ahora cuál es la probabilidad de error de tipo 2, si el verdadero valor de µ fuera 12 minutos: P ( eII ) = P ( X > 12=ac µx / ) = β(12) = P ( X > 12,14 / µa = 12 ) = 1 - P ( X < 12,14 / µa = 12 ) = = 1 - P (Z < 3021 121412 , , − ) = 1 – P ( Z < 0,64) = 1 - 0,7389 = 0,26 G.Carnevali-E.Franchelli-G.Gervasoni 171 Comparando las dos situaciones anteriores vemos que al situarnos en un valor de µ más alejado del supuesto en la hipótesis nula, el error de tipo II es más pequeño. Es evidente que es muy deseable minimizar ambas probabilidades de decisiones incorrectas, es decir, P(eI) y P(eII) . Observaremos que ambas están relacionadas, ya que para dos valores posibles de µ (el de la H0 y otro que se corresponda con la Ha), disminuir una lleva al aumento de la otra, salvo en el caso de un aumento en el tamaño de la muestra, lo que en la práctica, no es siempre posible. El aumento del tamaño de la muestra incrementa la potencia del test (reduce la probabilidad del error de tipo II) cuando el nivel de significación se mantiene fijo. Si al diseñar un test se fijan los errores I y II que se quieren cometer, el tamaño de muestra queda determinado por ellos. Apoyándonos en el ejemplo, supongamos que se quiera trabajar con un nivel de significación α=0,05 y con una probabilidad de error II β = 0,1 cuando µ es 12,2, ¿con qué tamaño de muestra se debería trabajar? 8.6 CÁLCULO DEL TAMAÑO DE MUESTRA La fórmula para su cálculo es la siguiente5: 2 0 22 )( )( µµ σzz n a βα − + = 5 Esta fórmula se deduce al resolver el siguiente sistema de ecuaciones: ⎩ ⎨ ⎧ == = βµµ α )( )( aII I eP eP G.Carnevali-E.Franchelli-G.Gervasoni 172 Luego, para la situación planteada: 36137 512212 21281651 2 22 , ),,( ,),,( = − + =n ⇒ n ≥ 138 Observamos que para disminuir la probabilidad de error II (β) a 0,1 se necesitan 108 observaciones más en la muestra. 8.7 ENFOQUE DEL VALOR P PARA LAS PRUEBAS DE HIPÓTESIS ⇒ Consideremos ahora el segundo enfoque para decidir: calcular el “valor p” y concluir el rechazo de H0, para valores muy bajos de p, menores que el nivel de significación α. ¿A que se llama “valor p”? El “valor p” es la probabilidad de obtener un valor del estimador igual o más extremo que el resultado obtenido a partir de los datos muestrales, bajo el supuesto de que la hipótesis nula es en realidad cierta. En otras palabras podemos decir que el “valor p” es la probabilidad de que un resultado se encuentre al menos tan alejado de µ0, como el valor observado, en dirección a la hipótesis alternativa. Cuanto menor es esta probabilidad, más fuerte será la evidencia en contra de la hipótesis nula. Si en cambio este valor no es tan pequeño, indicará que este resultado no es tan poco probable si la hipótesis nula es cierta, y entonces diremos que la evidencia muestral no es concluyente para decidir el rechazo de la hipótesis supuesta como cierta. Los valores p pequeños constituyen una evidencia en contra de H0, ya que indican que el valor observado es poco probable de ocurrir sólo por azar, sin embargo los valores más grandes de p no constituyen ninguna evidencia en contra de H0. Un valor p menor que el α fijado se considera estadísticamente significativo. Es sólo una manera de decir que difícilmente se produciría un resultado tan extremo, sólo por azar. Volviendo al ejemplo de los tiempos de atención, el .obsx fue de 12,29 minutos. Luego el “valor p” para esta situación resulta: Valor P = P ( X < .obsx ) = P ( X < 12,29) = P (Z< .obsz ) = = P (Z< 30 21 5122912 , ,, − ) = P (Z< -0,96) = 0,1685 Como el valor p resulta mayor al nivel de significancia asumido 0,05, luego no se rechaza la H0. Gráficamente: G.Carnevali-E.Franchelli-G.Gervasoni 173 8.8 EJERCICIOS PROPUESTOS 1.- Con referencia al ejercicio Nº 5 del Apunte 6 “Distribuciones Muestrales” la construcción de los 800 km arrojó una ganancia inferior a los 300 millones de pesos por lo que el contratista sospecha que ha habido una disminución en la esperanza matemática del espesor. Los espesores de 1.440 observaciones obtenidas de esta carretera fueron los siguientes: ESPESOR CANTIDAD DE OBSERVACIONES 100 ≤ x < 110 37 110 ≤ x < 120 70 120 ≤ x < 130 128 130 ≤ x < 140 300 140 ≤ x < 150 470 150 ≤ x < 160 265 160 ≤ x < 170 117 170 ≤ x < 180 53 Total 1.440 a) Formule la hipótesis nula y alternativa para determinar si el espesor promedio ha disminuido. b) Explique, en este contexto, cuándo se cometería un error de tipo I y cuándo uno de tipo II. c) ¿Qué puede concluir con respecto a la sospecha del contratista? (Considere un nivel de significación α = 0,05 y que el desvío estándar de la variable no se ha modificado) d) ¿Cuál sería su decisión si considera el valor p de la prueba? e) ¿Cómo podría llegarse a la misma conclusión que en el punto c) a través de un intervalo de confianza? ¿Cuál es la información adicional que proporciona el mismo? 2.- Una fábrica produce llantas cuya vida útil es una variable aleatoria distribuída normalmente con un promedio de 60.000 km y una desviación estándar de 1.900 km. Un ingeniero de diseño sospecha que la introducción de un nuevo compuesto de caucho incrementa la vida útil de las llantas produciendo un desplazamiento de la distribución sin modificar la dispersión de la misma. A tal fin, se prueban 16 llantas fabricadas con el nuevo compuesto de caucho hasta alcanzar el fin de la vida útil de las mismas. Los datos obtenidos, en km, resultaron: 60.613 59.836 59.554 60.252 59.784 61.221 60.311 55.040 60.545 60.257 60.000 59.997 64.947 60.135 60.220 60.523 a) Formule la hipótesis nulay alternativa para determinar si la vida útil promedio se ha incrementado G.Carnevali-E.Franchelli-G.Gervasoni 174 b) Explique, en este contexto, cuándo se cometería un error de tipo I y cuándo uno de tipo II. c) ¿Qué puede concluir respecto de la sospecha del ingeniero de diseño? (Considere un nivel de significación α = 0,05 y que el desvío estándar de la variable no se ha modificado) d) ¿Cuál sería su decisión si considera el valor p de la prueba? e) Calcule la probabilidad de no rechazar la hipótesis nula cuando el promedio de la variable ha aumentado a 61000 km. f) ¿Cuántas observaciones adicionales son necesarias si se quiere reducir la probabilidad del punto e) a 0,10? g) ¿Cómo podría llegarse a la misma conclusión que en el punto c) a través de un intervalo de confianza? ¿Cuál es la información adicional que proporciona el mismo? 3.- Una compañía decide verificar el peso de los rollos grandes de papel de aluminio que produce una de sus plantas. Los rollos deben tener un peso promedio de 600 kg pero los costos crecientes de la materia prima han llevado a la administración a sospechar que este promedio ha aumentado. Estudios preliminares indican que la desviación estándar de los pesos de los rollos es de 5,8 kg. La administración decide llevar a cabo una prueba en base al peso de 250 rollos elegidos al azar. Desea correr un riesgo de a lo sumo 5% de concluir que el peso promedio ha aumentado cuando en realidad no es así. a) Plantee la hipótesis nula y la alternativa. b) Establezca la regla de decisión. c) Explique en este contexto cuando se cometería un error de tipo II y calcule la probabilidad de cometerlo cuando µ = 602 kg. d) Después de revisar la situación de riesgo junto con el costo que supone pesar en forma individual 250 rollos, la administración decide que han previsto en la prueba una precisión mayor de la que están dispuestos a pagar. Después de meditar cuidadosamente, deciden determinar el tamaño de muestra necesario para continuar con la probabilidad de error de tipo I plantea anteriormente pero con una probabilidad de 0,96 de detectar un aumento en el peso promedio a 602 kg. ¿Cuántos rollos deberán seleccionarse?
Compartir