PRUEBA DE HIPOTESIS

1. ¿Qué es una hipótesis?

Hipótesis es una afirmación o suposición respecto al valor de un parámetro poblacional
Son ejemplos de hipótesis, o afirmaciones hechas sobre un parámetro poblacional las siguientes:
 El ingreso mensual promedio de todos los ciudadanos es S/.1500.00
 El 20% de los delincuentes capturados son sentenciados a prisión
 El 90% de las formas fiscales son llenadas correctamente
 Dos de cada diez ciudadanos aprueban la gestión del alcalde
Todas estas hipótesis tienen algo en común, las poblaciones de interés son tan grandes que no es
factible estudiar todos sus elementos. Como ya sabemos, una alternativa a estudiar la población
entera es tomar una muestra de la población de interés. De esta manera podemos probar una
afirmación para determinar si la evidencia soporta o no la afirmación.

2. ¿Qué es una prueba de hipótesis?

Una prueba de hipótesis comienza con una afirmación o suposición acerca de un parámetro
poblacional, tal como la media poblacional.
Una hipótesis podría ser que la colegiatura que pagan los ingenieros de las diferentes
especialidades (CIP) es en promedio de 300 soles mensuales. Para comprobar esta hipótesis no
podríamos contactar a todos los ingenieros del Perú, el costo sería exorbitante. Para probar la
validez de esta afirmación podríamos seleccionar una muestra de la población de dichos
ingenieros y basados en ciertas reglas de decisión, aceptar o rechazar la hipótesis. Si la media
muestral fuera de 100 soles ciertamente tendríamos que rechazar la hipótesis, pero si la media
muestral fuera 299 soles ¿podríamos asumir que la media poblacional si es de 300 soles?,
¿podemos atribuir al error de muestreo la diferencia de un sol entre las dos medias, o es una
diferencia significativa?
Prueba de hipótesis es un procedimiento basado en una evidencia muestral y la teoría de la
probabilidad, usado para determinar si la hipótesis es una afirmación razonable para no ser
rechazada, o es una afirmación poco razonable y ser rechazada.

3. Procedimiento de 4 pasos para probar una hipótesis

Supongamos que la muestra es de 20 ingenieros y el nivel de significancia es de 0.05. Los cuatro
pasos son los siguientes:

Paso 1. Establecer las hipótesis nula y alternativa

El primer paso es establecer la hipótesis a ser probada. Esta es llamada la hipótesis nula,
simbolizada por Ho, el subíndice cero implica “cero diferencias”. La hipótesis nula de la
introducción podría ser “los montos promedios de colegiatura mensual de los ingenieros no es
diferente de 300 soles mensuales”. Esto es lo mismo que decir “…es igual a 300 soles”. La hipótesis
nula se puede simbolizar Ho: µ = 300.

La hipótesis nula es una afirmación que será aceptada si los datos de la muestra no nos proveen
de evidencia convincente de que sea falsa, es decir, si se acepta la hipótesis nula decimos que la
evidencia no es suficiente para rechazarla, pero no podemos afirmar que es verdadera.

La hipótesis alterna (o alternativa) es la afirmación que se acepta, si se rechaza la hipótesis nula.

Esta hipótesis, también llamada hipótesis de investigación, se simboliza con Ha (H1). La hipótesis
 alterna es aceptada si la evidencia proporcionada por la muestra es suficiente para afirmar que
Ho es falsa.

Para nuestro este ejemplo las hipótesis serían las siguientes:

Ho: Los montos promedio mensuales de colegiatura de los ingenieros no es diferente de 300 soles
Entonces Ho: µ = 300

Ha: Los montos promedio mensuales de colegiatura de los ingenieros es diferente de 300 soles
Entonces Ha: µ ≠ 300

Paso 2. Determinar el criterio de contraste

Determinar el criterio de contraste consiste en especificar el nivel de significancia, el tipo de
distribución, y los valores críticos.

Existen cuatro posibilidades al tomar una decisión respecto a una hipótesis:

Aceptar Ho Rechazar Ho

Decisión
Ho verdadera Error Tipo I
correcta

Decisión
Ho falsa Error Tipo II
correcta

• Tipo I: Es la probabilidad de rechazar la hipótesis nula, cuando Ho es cierta o verdadera.

– Esta probabilidad es comúnmente denotada por la letra α, conocido también como el
nivel de significancia.
• Tipo II: Es la probabilidad de no rechazar la hipótesis nula cuando H1 es cierta (Ho falso).
– Esta probabilidad es comúnmente denotada por la letra β.
• El poder de la prueba es definido como:
1-β=1- probabilidad de error tipo II; P (rechazar Ho | H1 cierta)

Nivel de significancia es la probabilidad de rechazar una hipótesis nula verdadera. El nivel de

significancia es simbolizado por a α
No hay un nivel de significancia para todos los estudios, se puede utilizar cualquier valor de
probabilidad entre 0 y 1. Tradicionalmente, el nivel de 0.05 es aplicado a proyectos de
investigación, el nivel 0.01 a control de calidad, y 0.10 a sondeos políticos. Tú como investigador
debes decidir el nivel de significancia antes de recolectar la muestra de datos.

El tipo de distribución se determinará dependiendo de la naturaleza de la hipótesis y del tamaño

de la muestra. Cuando la hipótesis es relativa a medias poblacionales y las muestras son grandes
(n ≥ 25) se utiliza la distribución normal. Cuando la hipótesis es relativa a la media y la muestra es
chica (n < 25) se utiliza la distribución t de student.

Los valores críticos son los valores de la variable de la distribución que limitan el área crítica, que
es la parte de la curva que corresponde al nivel de significancia.

El área crítica cuando:

 la hipótesis alterna (Ha) tiene el símbolo (≠) se divide entre dos y se dice que el problema
es de dos colas, y cada cola vale α /2. (prueba bilateral)
 Si la Ha tiene el signo (<) el problema es de la cola izquierda y la cola vale α (prueba
unilateral)
  Si la Ha si tiene el signo (>) es de la cola derecha, y en este caso también, la cola vale α.
(prueba unilateral)

Nuestro problema es de dos colas:

𝑡1−𝛼 ;𝑛−1 = 𝑡0.975;19 = 2.093

2

Paso 3. Calcular el estadístico de prueba

El estadístico de prueba es un valor obtenido de la información de la muestra para compararlo con el
criterio de contraste y rechazar o aceptar la hipótesis alterna. El estadístico de prueba cambia de acuerdo
a la distribución que se utilice.
En este problema el estadístico de prueba es t y se simboliza t*; primero calculamos el error estándar y
luego t*
𝑆
𝑆𝑥 =
𝑛
𝑥 − 𝜇0
𝑡∗ =
𝑆𝑥
Supongamos que los montos pagados para la colegiatura de 20 ingenieros entrevistados son los
siguientes:

282 310 239 251 322 232 310 272 362 293 382 304 312 265 274 305 328 229 295 246

La media y la desviación estándar de la muestra son 290.65 y 41.2045922; respectivamente, se procede

enseguida a calcular el error estándar y la t*

𝑆 41.20459223
𝑆𝑥 = = = 9.213626922
𝑛 20

𝑥 − 𝜇0 290.65 − 300
𝑡∗ = = = −1.014801237 ≈ −1.015
𝑆𝑥 9.213626922

Paso 4. Tomar decisión y conclusión

Una regla de decisión es establecer las condiciones sobre las cuales la hipótesis nula es o no rechazada.
Si el estadístico de prueba queda dentro de la zona crítica la hipótesis nula deberá ser rechazada. Si el
estadístico de prueba queda fuera de la zona crítica la hipótesis nula no deberá ser rechazada.
 𝑡 ∗ = −1.015

Como el valor del estadístico de prueba cae en la región de no rechazo para hipótesis nula, se puede
concluir que el monto promedio mensual pagado por un ingeniero colegiado al CIP, si es de 300 soles
mensuales, a un nivel de confianza del 95%.

Ejemplos de hipótesis simple:

- La edad promedio de los estudiantes universitarios es igual a 25 años (µ=25)
- La proporción de trabajadores de una empresa que sufren de estrés es 35% (P=0.35)

Ejemplos de hipótesis compuesto:

- El fármaco A tiene mayor efecto que el fármaco B (µA < µB); el tiempo promedio de efecto del
fármaco A es menor al del fármaco B.
- El promedio de gastos mensuales en alimentación por familia en la ciudad de Huaraz es superior
a 1000 soles (µ ˃ 1000)
- La proporción de adultos que votaran en las próximas elecciones es superior al 70% (P ˃ 0.7)
- La proporción de personas que usan adecuadamente los tachos de basura en una municipalidad
es inferior al 6% (P < 0.06)

Ejemplo
1. Supongamos que si la rapidez media de combustión es menor que 50 cm/seg se desea demostrar
esto con una conclusión fuerte. ¿cómo deben plantearse las hipótesis?

H0: µ=50 cm/seg

H1: µ<50 cm/seg

Nótese que, aunque H0 está planteada como una igualdad, se sobre-entiende que incluye
cualquier valor de µ no especificado por H1, es decir, la incapacidad de rechazar H0 no significa
que µ=50, sino que no se tiene evidencia fuerte que apoye a H1, es decir, pudiera ser que µ=50 o
que µ>50

2. Un embotellador de refresco desea estar seguro de que las botellas que usa tienen en promedio
un valor que supera el mínimo de presión de estallamiento de 200 psi. El embotellador puede
formular una prueba de hipótesis de dos maneras:

A) Ho: µ=200 psi B) Ho: µ=200 psi

H1: µ>200 psi H1: µ<200 psi

Con el planteamiento (A) Como el rechazo de H0 es una conclusión fuerte, esto obliga al fabricante a
demostrar (aportar evidencia) de que las botellas soportan mayor presión que 200 psi
 Con el planteamiento (B) si se rechaza H0 se concluye que las botellas no soportan los 200 psi, es decir,
se concluye que las botellas son satisfactorias a menos que haya evidencia fuerte en sentido contrario

¿cuál planteamiento es el correcto?

Es decir, en la Hipótesis alternativa se debe poner la proposición sobre la cual es importante llegar a
una conclusión fuerte:
H0: µ=200 psi H0: µ=200 psi
H1: µ>200 psi H1: µ<200 psi

I. Inferencias acerca de la Media Poblacional (varianza conocida)

Supongamos que de una población normal con media desconocida μ y varianza conocida σ2 se
extrae una muestra de tamaño n, entonces de la distribución de la media muestral se obtiene que:

𝑥−𝜇
𝑍=𝜎
⁄ 𝑛

Fórmulas para prueba de hipótesis de medias:

Caso I Caso II Caso III

Ho: μ= μ0 H o: μ= μ0 H o: μ= μ0
H a: μ< μ0 Ha: μ ≠ µ0 Ha: μ > μ0

Prueba Estadística:

𝑥 − 𝜇𝑜
𝑍= 𝜎
⁄ 𝑛

Región de aceptación y rechazo

H1: ≠ H1: <

H1: >
 Para muestras mayores o igual a 30

𝑥 −𝜇𝑜
𝑍𝑜 = 𝜎
⁄ 𝑛

Donde:
̅ = Promedio parcial (de la muestra)
𝒙
σ = Desviación poblacional total
µ = Valor de la hipótesis
n = Número de datos

Para muestras mayores o igual a 30

𝑥 −𝜇𝑜
𝑇𝑜 = 𝑆⁄
𝑛

Donde:
̅ = Promedio parcial (de la muestra)
𝒙
S = Desviación de la muestra

µ = Valor de la hipótesis
n = Número de datos
EJEMPLO 01

Se afirma que los fumadores adultos del país consumen en promedio al menos 10 cigarrillos por día.
Para comprobar esta afirmación, s escoge una muestra aleatoria de 36 fumadores adultos y se observa
Xi , el número de cigarrillo9s que fuman por día, resultando : ∑36
𝑖=1 𝑥𝑖 = 324 ∑36 2
𝑖=1 𝑥𝑖 = 324 31

Utilizando alfa igual al 1%, ¡parecería esto indicar que el promedio del consumo es menor a 10?
Ejemplo 2

Cierta prueba de inteligencia para estudiantes preuniversitarios tiene una media de 100 puntos. para
verificar el valor de la media se aplicó la prueba a una muestra aleatoria de 36 estudiantes
preuniversitari8os dando una media de 90 puntos y una desviación estándar de 30 puntos. Si alfa es
igual 0.05, ¿se puede afirmar que no es igual a lo manifestado?