Proyecto Final
EMILY DEL CARMEN VELÁSQUEZ JIMÉNEZ-202142762
LAYSHY GABRIELA CHOC JIMENEZ-202144699
NEDLY SOFÍA GARCÍA HERRERA-202142196
HEIDY GUADALUPE PÉREZ CURRUCHICHE-202040282
JOSE PABLO JACOB GARCÍA CHÁVEZ-202146418
LICENCIATURA EN ADMINISTRACIÓN TURÍSTICA AVENTURA Y
HOSPITALIDAD
CENTRO UNIVERSITARIO DE SACATEPÉQUEZ
ESTADÍSTICA II
LIC. PABLO WEHNCKE
26/MAYO/2023
Inferencias a partir de dos muestras:
Dos proporciones:
El primer paso en el análisis de dos muestras de dos proporciones es obtener
las muestras de cada grupo de interés y determinar el tamaño de cada
muestra. A continuación, se calculan las proporciones de interés para cada
grupo, es decir, la proporción de individuos que tienen una característica
específica dentro de cada grupo.
Una vez obtenidas las proporciones de cada grupo, se procede a realizar
una prueba de hipótesis para determinar si hay una diferencia significativa
entre las proporciones. La hipótesis nula (H0) asume que no hay diferencia
real entre las proporciones en los dos grupos, mientras que la hipótesis
alternativa (H1) sostiene que sí existe una diferencia.
Para realizar esta prueba de hipótesis, se utiliza un estadístico llamado
estadístico de prueba. Dependiendo de la situación, se pueden utilizar
diferentes estadísticos de prueba, como el estadístico Z o el estadístico chi-
cuadrado.
Una vez que se calcula el estadístico de prueba, se compara con un valor
crítico correspondiente a un nivel de significancia predefinido
(generalmente 0.05 o 0.01). Si el valor del estadístico de prueba es menor
que el valor crítico, se rechaza la hipótesis nula y se concluye que hay
evidencia suficiente para afirmar que existe una diferencia significativa
entre las proporciones de los dos grupos.
Por otro lado, si el valor del estadístico de prueba es mayor que el valor
crítico, no se puede rechazar la hipótesis nula, lo que implica que no hay
suficiente evidencia para afirmar que las proporciones son
significativamente diferentes.
Además de la prueba de hipótesis, también se puede calcular un intervalo
de confianza para la diferencia entre las proporciones. El intervalo de
confianza proporciona un rango de valores dentro del cual se espera que
se encuentre la diferencia real entre las proporciones con cierto nivel de
confianza. Un intervalo de confianza que no incluye el valor cero indica una
diferencia significativa entre las proporciones.
En resumen, la inferencia a partir de dos muestras de dos proporciones es un
enfoque estadístico que nos permite determinar si existen diferencias
significativas entre dos grupos en términos de ciertas características
categóricas. A través de pruebas de hipótesis y la construcción de intervalos
de confianza, podemos evaluar si las diferencias observadas son
estadísticamente significativas o simplemente el resultado del azar. Estas
inferencias son útiles en diversos campos, desde estudios de mercado hasta
investigación médica, ya que nos permiten obtener información valiosa
sobre la comparación
Ejemplo:
Supongamos que queremos comparar la eficacia de dos medicamentos (A
y B) para tratar una enfermedad en una muestra de pacientes. Tomamos
dos muestras aleatorias de pacientes: una recibiendo el medicamento A y
otra recibiendo el medicamento B.
En la muestra del medicamento A, observamos que 80 de los 100 pacientes
tratados mostraron mejoras en su condición. Por otro lado, en la muestra del
medicamento B, 65 de los 100 pacientes tratados mostraron mejoras.
Nuestro objetivo es determinar si hay una diferencia significativa en la
eficacia entre los dos medicamentos. Utilizaremos una prueba de hipótesis y
un nivel de significancia del 0.05.
La hipótesis nula (H0) afirma que no hay diferencia real entre las
proporciones de mejora en los dos grupos, mientras que la hipótesis
alternativa (H1) sostiene que hay una diferencia significativa.
Calculamos las proporciones de mejora en cada grupo: para el
medicamento A es 80/100 = 0.8 (o 80%), y para el medicamento B es 65/100
= 0.65 (o 65%).
Luego, utilizando un estadístico de prueba adecuado, como el estadístico
Z, y realizando los cálculos correspondientes, encontramos que el valor del
estadístico de prueba es 2.33.
Comparando este valor con el valor crítico correspondiente al nivel de
significancia del 0.05, vemos que 2.33 es mayor que el valor crítico (por
ejemplo, 1.96 para un nivel de confianza del 95%). Por lo tanto, no podemos
rechazar la hipótesis nula y concluimos que no hay suficiente evidencia para
afirmar que hay una diferencia significativa en la eficacia entre los dos
medicamentos.
En este caso, no podemos concluir que uno de los medicamentos es más
eficaz que el otro, ya que no hay suficiente evidencia estadística para
respaldar esa afirmación. Sin embargo, es importante tener en cuenta que
este es solo un ejemplo hipotético y los resultados pueden variar en
diferentes situaciones y estudios reales.
Dos Medias
Comparación de dos medias independientes
El supuesto más habitual es el de contrastar si hay una diferencia significativa
en la media de una variable de resultado entre dos poblaciones diferentes
e independientes. En estos casos, lo habitual es utilizar la prueba de la t de
Student para dos muestras independientes.
Esta prueba compara las dos medias de una variable de resultado
cuantitativo continúo obtenidas en dos categorías definidas por una
variable cualitativa. Se basa en el cálculo del estadístico t, que tiene en
cuenta la diferencia de medias a comparar y su error estándar, según la
siguiente fórmula:
las medias y las varianzas de las dos muestras respectivamente.
Bajo el supuesto de la hipótesis nula, la diferencia de medias es igual a cero,
con lo que el valor de t será también igual a cero. Cuanto más se aleje t de
ese valor, menos probable será que la diferencia observada se deba al azar.
Para poder aplicar esta prueba, debemos verificar previamente que se
cumplen tres condiciones:
1. Los dos grupos deben ser independientes. Esto quiere decir que cada
participante debe pertenecer a solo uno de los dos grupos y no tiene
relación con los participantes del otro grupo.
2. La variable de resultado debe ser continua y seguir una distribución
normal en los dos grupos.
3. Debe cumplirse el supuesto de homocedasticidad, esto es, igualdad
de varianzas en los dos grupos.
El supuesto de normalidad de la variable en los dos grupos puede verificarse
mediante la prueba de Shapiro-Wilk, más adecuada para muestras
pequeñas, menores de 50, o la de Kolmogorov-Smirnov (con la modificación
de Lilliefors en el supuesto habitual de desconocer la media y desviación
estándar poblacional). Estas dos pruebas tienen el inconveniente de que
asumen una hipótesis nula de normalidad. Si el resultado es significativo,
podremos descartar la hipótesis nula y concluir que la variable no sigue una
distribución normal. Sin embargo, un resultado no significativo no nos permite
asegurar que la hipótesis alternativa de normalidad sea cierta (solo que no
podemos rechazar la hipótesis nula). Además, ambas son poco potentes
cuando el tamaño de la muestra no es grande, precisamente el supuesto
en el que la t de Student es más sensible a la ausencia de normalidad. Por
estos motivos, se recomienda completar la prueba de contraste con un
método gráfico (como el histograma o el gráfico de cuantiles teóricos) y
tener en cuenta el tamaño de la muestra.
En el caso de no seguir una distribución normal, se nos plantearán tres
posibilidades. La primera, hacer el contraste de hipótesis con una prueba no
paramétrica que, en este caso, sería la de la U de Mann-Whitney. La
segunda, podemos intentar alguna transformación y comprobar si la
variable transformada se distribuye de forma normal. La tercera, realizar una
t de Student a pesar de no cumplirse la condición de normalidad, aplicando
una corrección. Esto solo será aconsejable si hay ligeras desviaciones de la
normalidad y el tamaño muestral es grande (mínimo de 30 a 50 participantes
por grupo).
Una vez comprobada la normalidad, determinaremos que las dos varianzas
son iguales y se cumple el supuesto de homocedasticidad. Para ello, puede
calcularse una F de Snedecor con el cociente de las dos varianzas,
colocándose en el numerador la varianza mayor de los dos grupos y en el
denominador, la menor. Los grados de libertad son n-1 de cada grupo,
siendo n el tamaño de cada grupo.
Bajo el supuesto de igualdad de varianzas, F valdrá 1. Cuanto mayor sea el
valor de F, menos probable será que la diferencia observada entre las
varianzas se deba al azar.
La prueba de la F de Snedecor es muy sensible a la falta de normalidad, por
lo que en estos casos será recomendable recurrir a la prueba de Levene.
Una vez comprobado estos dos supuestos, procederemos a realizar el
contraste mediante la prueba de la t de Student, aplicando la corrección
de Welch si no existe homocedasticidad.
Muestras Dependientes
La variable dependiente es aquella cuyo valor depende del valor numérico
que adopta la
Variable independiente en la función. Las muestras dependientes son
mediciones pareadas de un conjunto de elementos. Las Muestras
independientes son mediciones realizadas en dos conjuntos de elementos
Distintos. ... Si los valores de una muestra no revelan información sobre los
valores de la Otra muestra, entonces las muestras son independientes.
En una muestra dependiente (o muestra pareada), los valores medidos
están conectados. Por ejemplo, si se extrae una muestra de personas
operadas de la rodilla y se entrevista a cada una de las personas de la
muestra antes y después de la operación, se trata de una muestra
dependiente. Esto es así porque se entrevistó a la misma persona en dos
momentos.
Por supuesto, no tiene por qué existir necesariamente una relación antes-
después que se quiera investigar.
También existe una muestra dependiente si, por ejemplo, quieres comprobar
si un nuevo tipo de bate de béisbol influye en las características de golpeo
y las mismas personas juegan una vez con el bate antiguo y otra con el
nuevo. Entonces los valores medidos también están disponibles por pares,
cada jugador ha utilizado ambos bates y, por tanto, hay dos valores
medidos de cada jugador.
Y tampoco tiene por qué ser la misma persona. Por ejemplo, si quisieras
averiguar si en una relación entre mujeres y hombres, las mujeres hacen más
jardinería que los hombres, también tendrías una muestra dependiente.
Tendrías dos mediciones cada uno, siempre por parejas, siempre una mujer
y un hombre.
PRUEBA DE FRIEDMAN
Esta prueba puede utilizarse en aquellas situaciones en las que se
seleccionan n grupos de k elementos de forma que los elementos de cada
grupo sean lo más parecidos posible entre sí, y a cada uno de los elementos
del grupo se le aplica uno de entre k ''tratamientos'', o bien cuando a cada
uno de los elementos de una muestra de tamaño n se le aplican los k
''tratamientos''.
La hipótesis nula que se contrasta es que las respuestas asociadas a cada
uno de los ''tratamientos'' tienen la misma distribución de probabilidad o
distribuciones con la misma mediana, frente a la hipótesis alternativa de que
por lo menos la distribución de una de las respuestas difiere de las demás.
Para poder utilizar esta prueba las respuestas deben ser variables continuas
y estar medidas por lo menos en una escala ordinal.
Los datos se disponen en una tabla en la que en cada fila se recogen las
respuestas de los k elementos de cada grupo a los k tratamientos:
A las observaciones de cada fila se les asignan rangos de menor a mayor
desde 1 hasta k; a continuación, se suman los rangos correspondientes a
cada columna, siendo RJ la suma correspondiente a la columna j-ésima. Si
la hipótesis nula es cierta, la distribución de los rangos en cada fila se debe
al azar, y es de esperar que la suma de los rangos correspondientes a cada
columna sea aproximadamente igual a n (k + 1) /2. La prueba de Friedman
determina si las RJ observadas difieren significativamente del valor esperado
bajo la hipótesis nula.
El estadístico de prueba es:
Si H0 es cierta y el número de columnas y/o de filas es moderadamente
grande la distribución de F se aproxima a una chi-cuadrado con k - 1 grados
de libertad; de forma que se rechaza la hipótesis nula para valores de F
superiores al valor crítico para el nivel de significación fijado
Dos Varianzas:
En esta sección presentamos la prueba F para probar hipótesis sobre dos
varianzas (o desviaciones estándar) poblacionales. La prueba F (llamada así
en honor al estadístico Sir Ronald Fisher) usa la distribución F presentada en
esta sección. La prueba F requiere que ambas poblaciones tengan
distribuciones normales. En vez de ser robusta, esta prueba es muy sensible
a desviaciones de las distribuciones normales, por lo que el requisito de
normalidad es bastante estricto. La parte 1 describe el procedimiento de la
prueba F para realizar una prueba de hipótesis, y la parte 2 proporciona una
breve descripción de dos métodos alternativos para comparar la variación
entre dos muestras.
Prueba F con dos varianzas o desviaciones estándar
El siguiente recuadro de elementos clave incluye aspectos de una prueba
de hipótesis sobre una afirmación acerca de dos varianzas o dos
desviaciones estándar poblacionales. El procedimiento se basa en el uso de
dos varianzas muestrales, pero el mismo procedimiento se usa para las
hipótesis sobre dos desviaciones estándar poblacionales.
La prueba F real podría ser de dos colas, de cola izquierda o de cola
derecha, pero podemos facilitar los cálculos al estipular que la mayor de las
2
varianzas muestrales se expresa con s Se deduce que la varianza muestral
1
2
más pequeña se expresa como s . Esta estipulación nos permite evitar el
2
problema algo complicado de encontrar un valor crítico de F para la cola
izquierda.
Prueba de hipótesis con dos varianzas o desviaciones estándar
Objetivo
Realizar una prueba de hipótesis de una afirmación sobre dos varianzas o
dos desviaciones estándar poblacionales. (Cualquier afirmación hecha
sobre dos desviaciones estándar poblacionales se puede expresar de nuevo
con una afirmación equivalente acerca de dos varianzas poblacionales, por
lo que el mismo procedimiento se usa para dos desviaciones estándar
poblacionales o dos varianzas poblacionales)
Notación
2
s = mayor de las dos varianzas muestrales
1
n1 = tamaño de muestra con la varianza mayor
2
σ = varianza poblacional de donde se obtuvo la muestra con la mayor
1
varianza
2 2
Los símbolos s , n2 y σ se utilizan para la otra muestra y la otra población.
2 2
Requisitos
1. Las dos poblaciones son independientes.
2. Las dos muestras son muestras aleatorias simples.
3. Cada una de las dos poblaciones debe estar distribuida normalmente,
independientemente de su tamaño de muestra. Esta prueba F no es robusta
contra desviaciones de la normalidad.
Por lo tanto, funciona mal si una o ambas poblaciones tienen una
distribución que no es normal. El requisito de distribuciones normales es
bastante estricto para esta prueba F.
Dato estadístico de prueba para pruebas de hipótesis con dos varianzas
𝟐 𝟐
(con H0: 𝛔 =𝛔 )
𝟏 𝟐
2
σ 2
F = 12 (donde σ es la mayor de las dos varianzas muestrales)
σ
2
1
Valores P: Los valores P son proporcionados automáticamente por la
tecnología. Si no dispone de una tecnología, use el valor calculado del dato
estadístico de prueba F con la tabla A-5 a fin de encontrar un rango para el
valor P.
Valores críticos: Use la tabla A-5 para encontrar los valores F críticos que se
determinan de la siguiente manera:
1. El nivel de significancia α (la tabla A-5 incluye valores críticos para α = 0.025
y α = 0.05).
2. Grados de libertad del numerador = n1 – 1 (determina la columna de la
tabla A-5)
3. Grados de libertad del denominador = n2 -2 (determina la fila de la Tabla
A-5) Para el nivel de significancia α = 0.05, consulte la tabla A-5 y use el área
de la cola derecha de 0.025 o 0.05, según el tipo de prueba. Como se
muestra a continuación:
Prueba de dos colas: Use la tabla A-5 con 0.025 en la cola derecha. (El nivel
de significancia de 0.05 se divide entre las dos colas, por lo que el área en
la cola derecha es 0.025).
Prueba de una cola: Use la tabla A-5 con α = 0.05 en la cola derecha.
Determinación del valor F crítico para la cola derecha: Dado que estamos
2
estipulando que la varianza muestral más grande es σ , todas las pruebas
1
de una cola serán de cola derecha y todas las pruebas de dos colas
requerirán que encontremos sólo el valor crítico ubicado en la derecha. (No
hay necesidad de encontrar el valor crítico en la cola izquierda, lo cual no
es muy difícil. Vea el ejercicio 19 “Determinación de valores críticos F
inferiores”).
Distribución F
2
Para dos poblaciones normalmente distribuidas con varianzas iguales (σ =
1
2 2 2
σ ), la distribución muestral del dato estadístico de prueba F = σ / σ , es la
2 1 2
distribución F que se muestra en la figura 9-4 (dado que aún no imponemos
2
la estipulación de que la varianza muestral más grande es σ ). Si repite el
1
proceso de selección de muestras de dos poblaciones distribuidas
2 2
normalmente con varianzas iguales, la distribución de la relación σ / σ es
1 2
la distribución F.
Ejemplo
Puntuaciones de evaluación de cursos
A continuación, se listan las mismas puntuaciones de evaluación de cursos
emitidas por estudiantes que se usaron en el ejemplo 1 de la sección 9-2,
donde probamos la afirmación de que las dos muestras provienen de
poblaciones con la misma media. Use los mismos datos con un nivel de
significancia de 0.05 con el fin de probar la afirmación de que las
puntuaciones de evaluación de cursos para las profesoras y los profesores
tienen la misma variación.
Profesoras 4.3 4.3 4.4 4.0 3.4 4.7 2.9 4.0 4.3 3.4 3.4 3.3
Profesores 4.5 3.7 4.2 3.9 3.1 4.0 3.8 3.4 4.5 3.8 4.3 4.4 4.1 4.2 4.0
SOLUCIÓN
VERIFICACIÓN DE REQUISITOS (1) Las dos poblaciones son independientes
entre sí. Las dos muestras no se corresponden de ninguna manera. (2) Dado
el diseño para el estudio, suponemos que las dos muestras se pueden tratar
como muestras aleatorias simples. (3) Una gráfica cuantilar normal de cada
conjunto muestral de puntuaciones de evaluación de cursos indica que
ambas muestras parecen ser de poblaciones con una distribución normal.
Los requisitos se satisfacen.
Para las profesoras, obtenemos s = 0.5630006 y para los profesores s =
0.3954503. Podemos realizar la prueba utilizando varianzas o desviaciones
estándar. Debido a que estipulamos en esta sección que la varianza más
2 2 2
grande se expresa con s , sea s = 0.56300062 y s = 0.39545032
1 1 2
Paso 1: La afirmación de que los profesores y las profesoras tienen la misma
2 2
variación se puede expresar simbólicamente como σ =σ o como σ1 = σ 2.
1 2
Usaremos σ1 ≠ σ 2.
Paso 2: Si la afirmación original es falsa, entonces σ1 ≠ σ 2.
Paso 3: Dado que la hipótesis nula es la declaración de igualdad y la
hipótesis alternativa no puede contener igualdad, tenemos
H0: σ1 = σ 2 (afirmación original) H1: σ1 ≠ σ 2.
Paso 4: El nivel de significancia es α = 0.05.
Paso 5: Como esta prueba involucra dos varianzas poblacionales, usamos la
distribución F.
2
σ 0.56300062
Paso 6: El dato estadístico de prueba es F = 1 = = 2.0269
σ
2 0.39545032
2
Método del valor P Debido al formato de la tabla A-5, el método del valor P
es un poco complicado sin tecnología, pero aquí vamos. Para una prueba
de dos colas con un nivel de significancia de 0.05, hay un área de 0.025 en
la cola derecha, así que usamos las dos páginas de la distribución F (tabla
A-5) con “0.025 en la cola derecha”. Los grados de libertad en el numerador
= n1 - 1 = 11 y los grados de libertad en el denominador = n2 - 1 = 14, por lo
que el valor crítico de F está entre 3.1469 y 3.0502. El dato estadístico de
prueba F= 2.0269 es menor que el valor crítico, por lo que sabemos que el
área a la derecha del dato estadístico de prueba es mayor que 0.025, y se
deduce que, para esta prueba de dos colas, el valor P > 0.05.
Método del valor crítico: Al igual que con el método del valor P,
encontramos que el valor crítico está entre 3.1469 y 3.0502. El dato
estadístico de prueba F = 2.0269 es menor que el valor crítico (que está entre
3.1469 y 3.0502), por lo que el dato estadístico de prueba no cae en la región
crítica. Vea la figura 9-5.
Paso 7: La figura 9-5 muestra que el dato estadístico de prueba F = 2.0269 no
cae dentro de la región crítica, por lo que no podemos rechazar la hipótesis
nula de las varianzas iguales. No hay evidencia suficiente para respaldar el
rechazo de la afirmación de que las desviaciones estándar son iguales.
INTERPRETACIÓN
Paso 8: No hay evidencia suficiente para respaldar el rechazo de la
afirmación de que las dos desviaciones estándar son iguales. Las
puntuaciones de evaluación de cursos para las profesoras y los profesores
parecen tener la misma cantidad de variación.
Ejemplo aplicado al turismo:
¿Para qué serviría este tema en el turismo?
Las inferencias a partir de dos muestras en el turismo pueden ser útiles para analizar
y comparar características o variables relevantes entre dos grupos de interés en la
industria turística. A continuación, se presentan algunos ejemplos de cómo estas
inferencias pueden ser aplicadas:
1. Comparación de preferencias de destinos turísticos: Se pueden tomar
dos muestras de turistas, una que haya visitado un destino específico
y otra que haya visitado otro destino diferente. Mediante inferencias
a partir de dos muestras, se puede analizar si hay diferencias
significativas en las preferencias de los turistas en términos de aspectos
como la satisfacción general, las atracciones turísticas preferidas, el
gasto promedio, la duración de la estancia, entre otros.
2. Evaluación de la eficacia de estrategias de marketing: En el turismo,
es común implementar diferentes estrategias de marketing para
atraer a los turistas. Con el fin de evaluar la efectividad de dos
enfoques de marketing diferentes, se pueden seleccionar dos
muestras de turistas expuestos a cada estrategia y comparar las tasas
de conversión, la intención de volver o la satisfacción con la
experiencia. Las inferencias a partir de dos muestras permiten
determinar si una estrategia es significativamente más exitosa que la
otra.
3. Análisis de la satisfacción del cliente: Las empresas turísticas están
interesadas en comprender la satisfacción de sus clientes. Se pueden
seleccionar dos muestras de clientes, por ejemplo, aquellos que
utilizaron servicios de alojamiento de una cadena hotelera y aquellos
que utilizaron servicios de alojamiento de otra cadena. Mediante
inferencias a partir de dos muestras, es posible comparar la
satisfacción del cliente en términos de calidad del servicio, atención
al cliente, comodidades, ubicación, entre otros aspectos clave.
4. Evaluación de impacto de políticas o eventos: En el turismo, políticas
gubernamentales o eventos especiales pueden tener un impacto
significativo en la industria. Se pueden tomar dos muestras, una antes
y otra después de la implementación de una política o la celebración
de un evento, para evaluar si hay diferencias significativas en variables
como el número de turistas, el gasto turístico, la ocupación hotelera,
entre otros indicadores.
Estos son solo algunos ejemplos de cómo las inferencias a partir de dos
muestras pueden ser aplicadas en el contexto del turismo. Estas
herramientas estadísticas permiten obtener una comprensión más precisa y
fundamentada de las diferencias o similitudes entre dos grupos en la
industria turística, lo que puede guiar la toma de decisiones y el desarrollo
de estrategias más efectivas.