Documentos de Académico
Documentos de Profesional
Documentos de Cultura
HIPÓTESIS
SEMANA 5
[ ESTADÍSTICA INFERENCIAL ]
PALABRAS CLAVE:
Hipótesis
estadística,
hipótesis
nula,
hipótesis
alternativa,
error
tipo
I,
error
tipo
II,
nivel
de
significancia.
INTRODUCCIÓN
Las
secciones
anteriores
han
mostrado
cómo
puede
estimarse
un
parámetro
a
partir
de
los
datos
contenidos
en
una
muestra.
Puede
encontrarse
ya
sea
un
sólo
número
(estimador
puntual)
o
un
intervalo
de
valores
posibles
(intervalo
de
confianza).
Sin
embargo,
muchos
problemas
de
ingeniería,
ciencia
y
administración,
requieren
que
se
tome
una
decisión
entre
aceptar
o
rechazar
una
proposición
sobre
algún
parámetro.
Esta
proposición
recibe
el
nombre
de
hipótesis.
Este
es
uno
de
los
aspectos
más
útiles
de
la
inferencia
estadística,
puesto
que
muchos
tipos
de
problemas
de
toma
de
decisiones,
pruebas
o
experimentos
en
el
mundo
de
la
ingeniería,
pueden
formularse
como
problemas
de
prueba
de
hipótesis.
Una
hipótesis
estadística
es
una
proposición
o
supuesto
sobre
los
parámetros
de
una
o
más
poblaciones.
3.
Estadística
de
prueba:
es
la
fórmula
que
se
utiliza
con
los
datos
de
la
muestra
y
que
permite
obtener
un
valor
numérico
de
comparación
para
tomar
una
decisión
con
respecto
a
la
hipótesis
nula.
4.
Región
de
rechazo:
el
conjunto
de
todos
los
valores
que
la
estadística
de
prueba
puede
tomar
se
dividen
en
dos
conjuntos
o
regiones,
uno
que
corresponde
a
la
región
de
rechazo
y
el
otro
que
corresponde
a
la
región
de
aceptación.
2 [ POLITÉCNICO GRANCOLOMBIANO ]
El
proceso
se
basa
nuevamente,
en
información
muestral
por
lo
cual,
así
como
se
puede
llegar
a
una
buena
decisión
en
el
sentido
de
rechazar
la
hipótesis
nula
cuando
es
falsa
o
no
hacerlo
cuando
es
cierta,
también
se
pueden
cometer
errores
que
consistirán
en
rechazar
la
hipótesis
nula
cuando
es
cierta
o
en
no
rechazarla
cuando
es
falsa.
El
primero
de
ellos
constituye
el
Error
tipo
I
y
el
segundo
el
Error
tipo
II.
La
siguiente
tabla
ayuda
a
entender
la
explicación
de
la
terminología
básica
de
la
prueba
de
hipótesis.
Aceptar
Ho
No
hay
error
Error
tipo
II
ó
1
-‐
β
β
Rechazar
Ho
Error
tipo
I
No
hay
error
α 1 -‐ α
Una
prueba
de
hipótesis
consiste
en
términos
muy
simples,
en
observar
si
entre
el
supuesto
que
la
hipótesis
nula
contiene
y
la
información
proporcionada
por
la
muestra,
existe
diferencia
significativaque
lleve
sobre
el
rechazo
de
aquella,
o
si
tal
diferencia
es
insignificante
y
se
debe
a
las
fluctuaciones
propias
al
azar,
caso
en
el
cual
se
considera
que
no
existe
evidencia
suficiente
para
rechazarla.
Por
esta
visión
del
proceso
se
habla
también
de
pruebas
de
significancia.
[ ESTADÍSTICA INFERENCIAL ] 3
1.
Planteamiento
de
la
hipótesis:
las
hipótesis
se
pueden
plantear
de
tres
formas
diferentes:
(como
ejemplo
se
plantea
una
hipótesis
para
la
media,
pero
el
parámetro
puede
ser
la
proporción
o
la
varianza
en
una
o
dos
muestras)
Cuando
se
define
la
hipótesis
se
escoge
una
de
estas
tres
pruebas,
una
mala
escogencia
en
la
hipótesis
a
plantear
causa
error
en
la
decisión.
4 [ POLITÉCNICO GRANCOLOMBIANO ]
3. Consideramos los supuestos bajo los cuales se va a realizar la prueba:
d. Cuando sea necesario hay que indicar si se conoce o no la varianza poblacional.
Por
lo
general
se
supone
que
la
muestra
es
aleatoria
y
que
la
población
tiene
distribución
normal.
Es
importante
recordar
que
las
hipótesis
siempre
son
afirmaciones
sobre
la
población
o
distribución
bajo
estudio,
no
afirmaciones
sobre
la
muestra.
Por
lo
general,
el
valor
del
parámetro
de
la
población
especificado
en
la
hipótesis
nula
se
determina
en
una
de
tres
maneras
diferentes:
1.
Puede
ser
resultado
de
la
experiencia
pasada
o
del
conocimiento
del
proceso,
entonces
el
objetivo
de
la
prueba
de
hipótesis
usualmente
es
determinar
si
ha
cambiado
el
valor
del
parámetro.
2.
Puede
obtenerse
a
partir
de
alguna
teoría
o
modelo
que
se
relaciona
con
el
proceso
bajo
estudio.
En
este
caso,
el
objetivo
de
la
prueba
de
hipótesis
es
verificar
la
teoría
o
modelo.
3.
Cuando
el
valor
del
parámetro
proviene
de
consideraciones
externas,
tales
como
las
especificaciones
de
diseño
o
ingeniería,
o
de
obligaciones
contractuales.
En
esta
situación,
el
objetivo
usual
de
la
prueba
de
hipótesis
es
probar
el
cumplimiento
de
las
especificaciones.
[ ESTADÍSTICA INFERENCIAL ] 5
Para
comprender
el
proceso
que
se
realiza
para
probar
una
hipótesis
para
la
media
poblacional
de
una
distribución
normal
con
varianza
conocida
se
realizan
tres
ejemplos
en
los
que
se
consideran
diferentes
tipos
de
hipótesis
alternativa.
Ejemplo:
Si
una
empresa
que
produce
botellones,
botellas
y
bolsas
de
agua
desea
probar
que
el
peso
promedio
de
una
bolsa
de
agua,
en
su
proceso
de
producción,
es
de
125
ml,
en
caso
de
encontrar
que
el
supuesto
no
se
cumple
la
empresa
debería
realizar
ajustes
en
su
proceso
de
producción
ya
que
podría
incurrir
en
pleitos
legales
por
ofrecer
a
los
consumidores
un
producto
que
no
cumple
con
las
características
ofrecidas
en
el
mercado.
Se
quiere
probar
con
un
nivel
de
significancia
del
5%
si
el
producto
no
cumple
con
las
especificaciones,sabiendo
que
la
distribución
de
la
variable
aleatoria
muestral
es
normal
con
media
124
mililitros
y
desviación
típica
0.9
mililitros
y
se
toma
una
muestra
aleatoria
de
25
bolsas
de
agua.
● En
este
contexto
estamos
interesados
en
probar
la
hipótesis
nula:
H :
μ
≥
125.
0
X −µ X − 125 X − 125
Z= = =
σ 0.9 0.18
n 25
X −µ
Lo
que
buscamos
es
rechazar
H 0
si
< − zα
cuando
α = 0.05 .
El
valor
de
zα
corresponde
σ
n
al
valor
de
la
normal
que
tiene
probabilidad
acumulada
α = 0.05
en
la
cola
inferior:
P( Z < − zα ) = 0.05
6 [ POLITÉCNICO GRANCOLOMBIANO ]
Gráfica de distribución
Normal, Media=0, Desv.Est.=1
0.4
0.3
Densidad
0.2
0.1
0.05
0.0
-1.64 0
X
En
otras
palabras
queremos
hallar
zα
para
el
cual
(en
la
cola
superior)
P(Z > zα ) = 0.05
por
propiedades
de
la
simetría
de
la
distribución
normal.
Nótese
que
debemos
realizar
este
proceso
porque
la
tabla
que
tenemos
en
este
caso
determina
tan
solo
los
valores
de
las
probabilidades
menores
o
iguales
que
un
número
y
mayores
o
iguales
que
cero.
Gráfica de distribución
Normal, Media=0, Desv.Est.=1
0.4
0.3
Densidad
0.2
0.1
0.05
0.0
0 1.64
X
Pero
como
P( Z > zα ) = P( Z ≥ zα ) = 1 − P( Z < zα ) = 1 − 0.95 = 0.05
(por
propiedades
de
la
simetría
de
la
distribución
normal),
entonces
queremos
el
valor
para
el
cual
P(Z < zα ) = 0.95
y
este
valor
es
1.64.
Finalmente
como
el
valor
requerido
está
ubicado
en
la
cola
izquierda
el
valor
solicitado
es
−1.64 .
X −µ
Retomando
nuestra
búsqueda
tenemos
que
rechazar
H 0
si
< −1.64 ,
otra
manera
de
σ
n
expresar
lo
anterior
se
obtiene
despejando
la
media
muestral
así:
[ ESTADÍSTICA INFERENCIAL ] 7
σ 0.9
Se
rechaza
H 0
si
X < µ − 1.64 = 125 − 1.64 = 125 − 0.2952 = 124.7048 ,
esto
significa
que
n 25
rechazamos
la
hipótesis
nula
si
al
tomar
una
muestra
aleatoria
el
promedio
de
los
pesos
de
las
bolsas
de
agua
es
inferior
a124.7048
mililitros.
Como
podemos
ver
es
muy
interesante
realizar
una
prueba
de
hipótesis
porque
con
ella
establecemos
para
qué
valores
del
estadístico
muestral
debemos
rechazar
la
hipótesis.
Realicemos
entonces
la
prueba
de
hipótesis
y
veamos
cuándo
tendría
que
revisar
la
empresa
su
proceso
de
producción.
X −µ
Buscamos
es
rechazar
H 0
si
> zα
cuando
α = 0.05
en
este
caso
el
zα = 1.64
porque
se
σ
n
busca
el
valor
que
arroja
la
probabilidad
resaltada
con
rojo.
Gráfica de distribución
Normal, Media=0, Desv.Est.=1
0.4
0.3
Densidad
0.2
0.1
0.05
0.0
0 1.64
X
8 [ POLITÉCNICO GRANCOLOMBIANO ]
X − 125
Entonces
se
rechaza
H 0
si
> 1.64 ;
otra
manera
de
expresar
lo
anterior
se
obtiene
0.9
25
despejando
la
media
muestral
así:
σ 0.9
Se
rechaza
H 0
si
X > µ + 1.64 = 125 + 1.64 = 125 + 0.2952 = 125.2952 ,
esto
significa
que
n 25
rechazamos
la
hipótesis
nula
si
al
tomar
una
muestra
aleatoria,
el
promedio
de
los
pesos
de
las
bolsas
de
agua
es
superior
a125.2952
mililitros
o
125.3
mililitros.
Como
la
hipótesis
alternativa
puede
expresarse
como
H1 : µ < 125 o µ > 125
entonces
X − 125 X − 125
rechazaremos
la
hipótesis
nula
se
rechaza
si
> zα o < − zα
debe
resaltarse
0.9 2 0.9 2
25 25
que
ahora
buscaremos
en
la
distribución
de
la
normal
P ( Z < − zα ) = α
y
P( Z > zα ) = α
en
2 2 2 2
Gráfica de distribución
Normal, Media=0, Desv.Est.=1
0.4
0.3
Densidad
0.2
0.1
0.025 0.025
0.0
-1.96 0 1.96
X
[ ESTADÍSTICA INFERENCIAL ] 9
⎛ 0.9 ⎞ ⎛ 0.9 ⎞
X > 125 + 1.96 ⎜ ⎟ o X < 125 − 1.96 ⎜ ⎟
⎝ 25 ⎠ ⎝ 25 ⎠
Diremos
que
si
la
media
muestral
del
peso
en
mililitros
de
las
bolsas
de
agua
es
inferior
a
124.6472
e
inferior
a
125.3528
entonces
la
hipótesis
nula
se
rechaza.
● También
hubiésemos
podido
analizar
las
siguientes
pruebas
de
hipótesis
y
el
mismo
es
muy
similar
al
tratado
anteriormente.
El
p-‐valor
será
entonces
la
probabilidad
de
obtener
un
valor
del
estadístico
de
la
prueba
igual
de
extremo
o
más
que
el
valor
obtenido
cuando
la
hipótesis
nula
es
verdadera.
Esto
significa
que
si
la
probabilidad
o
e
p-‐valor
es
mayor
que
el
nivel
de
significancia,
no
se
rechaza
la
hipótesis
nula
porque
este
valor
es
el
menor
valor
al
que
se
rechaza
la
misma;
por
el
contrario
si
el
valor
es
menor
que
el
nivel
de
significancia
es
muy
posible
que
la
hipótesis
nula
sea
falsa
y
como
consecuencia
es
rechazada
por
ser
el
menor
nivel
de
significancia
al
cual
se
puede
rechazar
la
hipótesis
nula.
El
p-‐valor
no
es
sólo
una
forma
de
decidir
el
rechazo
o
no
de
la
hipótesis
nula
sino
que
proporciona
información
adicional
acerca
de
la
fuerza
con
que
podemos
apoyar
o
no
la
prueba
de
hipótesis.
Por
ejemplo
si
el
p-‐valor
es:
(Mason/Lind/Marchal).
10 [ POLITÉCNICO GRANCOLOMBIANO ]
• Menor
que
0.10
se
tiene
una
evidencia
no
muy
fuerte
de
que
la
hipótesis
nula
no
es
verdadera.
• Menor
que
0.05
se
tiene
una
evidencia
fuerte
de
que
la
hipótesis
nula
no
es
verdadera.
• Menor
que
0.01
se
tiene
una
evidencia
muy
fuerte
de
que
la
hipótesis
nula
no
es
verdadera.
• Menor
que
0.001
se
tiene
una
evidencia
extremadamente
fuerte
de
que
la
hipótesis
nula
no
es
verdadera.
Como
ejemplo
consideremos
el
segundo
caso
de
prueba
de
hipótesis
que
vimos:
H 0 : µ = 125
con
hipótesis
alternativa
H1 : µ > 125 bajo
un
nivel
de
significancia
de
0.05,
sabiendo
que
la
distribución
de
la
variable
aleatoria
muestral
es
normal
con
media
125
mililitros
y
desviación
típica
0.9
mililitros
con
una
muestra
aleatoria
de
25
bolsas
de
agua.
En este ejemplo se rechazaba la hipótesis si X > 125.2952 , determinemos el p-‐valor:
⎛ ⎞
⎜ 125.3 − 125 ⎟
P( X > 125.3) = P ⎜ Z > ⎟ = P(Z > 1.67) = 1 − P( Z < 1.67) = 1 − 0.9525 = 0.0475
⎜ 0.9 ⎟
⎜ ⎟
⎝ 25 ⎠
Esto
quiere
decir
que
al
menor
nivel
de
significancia
que
se
puede
rechazar
la
hipótesis
nula
es
0.0475;
como
0.05
es
mayor
podemos
pensar
que
la
hipótesis
nula
no
es
verdadera
y
debería
rechazarse.
varianza desconocida.
[ ESTADÍSTICA INFERENCIAL ] 11
• Si
se
desea
probar
la
hipótesis
nula
H 0 : µ = µ0
con
la
hipótesis
alternativa
H1 : µ < µ0
O
se
desea
probar
la
hipótesis
nula
H 0 : µ ≥ µ0
con
la
hipótesis
alternativa
H1 : µ < µ0
X − µ0
Entonces
se
rechaza
H 0
si
t = < −tn −1,α .
Donde
tn −1,α
es
el
valor
de
la
t-‐Student
con
n-‐1
s
n
grados
de
libertad
y
probabilidad
α .
• Si
se
desea
probar
la
hipótesis
nula
H 0 : µ = µ0
con
la
hipótesis
alternativa
H1 : µ > µ0
O
se
desea
probar
la
hipótesis
nula
H 0 : µ ≤ µ0
con
la
hipótesis
alternativa
H1 : µ > µ0
X − µ0
Entonces
se
rechaza
H 0
si
t = > tn −1,α .
Donde
tn −1,α
es
el
valor
de
la
t-‐Student
con
n-‐1
s
n
grados
de
libertad
y
probabilidad
α .
• Si
se
desea
probar
la
hipótesis
nula
H 0 : µ = µ0
con
la
hipótesis
alternativa
H1 : µ ≠ µ0
Que
es
lo
mismo
que
probar
la
hipótesis
nula
H 0 : µ = µ0
con
la
hipótesis
alternativa
H1 : µ > µ0 o µ < µ0 .
X − µ0 X − µ0
Entonces
se
rechaza
H 0
si
t = > tn −1,α
o
t = < −tn −1,α
Donde
tn −1,α
es
el
valor
s 2 s 2 2
n n
de
la
t-‐Student
con
n-‐1
grados
de
libertad
y
probabilidad
α .
2
Ejemplo:
Consideremos
de
nuevo
el
estudio
de
hipótesis
nula
H 0 : µ = 125
con
la
hipótesis
alternativa
H1 : µ > 125 bajo
un
nivel
de
significancia
de
0.05,
sabiendo
que
la
distribución
de
la
variable
aleatoria
muestral
es
normal
con
media
125
mililitros
y
desviación
típica
muestral
0.12
mililitros
en
una
muestra
aleatoria
de
25
bolsas
de
agua.
X − µ0
Se
rechaza
H 0
si
t = > tn −1,α
Donde
tn −1,α
es
el
valor
de
la
t-‐Student
con
n-‐1
grados
de
s
n
libertad
y
probabilidad
α :
Hallemos
el
valor
de
t24,0.05
,
buscamos
en
la
tabla
de
la
distribución
t-‐Student
el
valor
para
el
cual
la
probabilidad
es
0.05
con
24
grados
de
libertad.
12 [ POLITÉCNICO GRANCOLOMBIANO ]
Luego
el
valor
de
t24,0.05
para
el
cual
P(t > t24 ) = 0.05
es
t24,0.05 = 1.71.
Con
lo
anterior
diremos
que
se
rechaza
la
hipótesis
nula
si:
X − µ0
t= > tn−1,α
s
n
Es
decir
si
t
es
superior
a
1.71
Nuestro
último
análisis
de
pruebas
de
hipótesis
está
orientado
a
las
proporciones
muestrales
que
tanto
en
el
área
empresarial
como
en
muchas
otras
áreas
es
de
interés
porque
permite
[ ESTADÍSTICA INFERENCIAL ] 13
Si se desea probar la hipótesis nula !! ∶ ! = !! con la hipótesis alternativa !! ∶ ! ≠ !!
O
se
desea
probar
la
hipótesis
nula
!! ∶ ! ≥ !!
con
la
hipótesis
alternativa
!! ∶ ! < !!
!!!!
Entonces
se
rechaza
H 0
si
Z= < −!∝
!! (!!!! )
!
• Si
se
desea
probar
la
hipótesis
nula
!! ∶ ! ≤ !!
con
la
hipótesis
alternativa
!! : ! > !!
!!!!
Entonces
se
rechaza
H 0
si
Z= > !∝
!! (!!!! )
!
!!!! !!!!
Entonces
se
rechaza
H 0
si
Z= < −!∝
o
si
Z= > !∝
!! (!!!! ) !! (!!!! )
! !
Ejemplo:
Se desea probar la hipótesis nula !! : ! = 0,50 con la hipótesis alternativa: !! : ! ≠ 0,50
14 [ POLITÉCNICO GRANCOLOMBIANO ]
Que
es
lo
mismo
que
probar
la
hipótesis
nula
!! : ! = 0,50
con
la
hipótesis
alternativa.
!! : ! < 0,50o!! : ! > 0,50
µ − 0.50
P µ − 0.50
P
Entonces
se
rechaza
H 0
si
Z = > zα
o
Z = < − zα
0.50(1 − 0.50) 2 0.50(1 − 0.50) 2
100 100
Entonces,
dado
que
el
valor
de
la
proporción
muestral
es
P µ = 78 = 0.78
tenemos
que
este
100
!,!"!!,!"
valor
en
la
ecuación
planteada
es:
! =
=
5,6
!,!"(!!!,!")
!""
Para
el
nivel
de
significancia
del
10%
el
valor
!!,!" =1,64
(Tabla
de
la
distribución
normal)
entonces
se
rechaza
la
hipótesis
H0.
Indicando
que
con
este
nivel
de
significancia
se
puede
decir
que
la
proporción
si
es
diferente
a
0,5.
BIBLIOGRAFÍA
FREUND,
John
E.,
MILLER,
Irwin
y
MILLER,
Marylees.
Estadística
Matemática
con
aplicaciones.
6ed.
Madrid
Prentice
Hall,
2000.
KENNET,
Ron
S.,
y
ZACKS,
Shelemyahu.
Estadística
Industrial
Moderna.
Barcelona,
Thomson,
2000.
MONTGOMERY,
Douglas
C.
y
RUNGER,
George
C.
Probabilidad
y
Estadística
aplicadas
a
la
Ingeniería.
2ed.
México:
Limusa,
2002.
NEWBOLD. Paul. Estadística para los Negocios y la Economía. 4ed. Madrid Prentice Hall, 1988.
WALPOLE
Ronal,
E.,
MYERS,
Raymond
H.
y
MYERS,
Sharon
L.
Probabilidad
y
Estadística
para
Ingenieros.
6ed.
Madrid
Prentice
Hall,
1998.
[ ESTADÍSTICA INFERENCIAL ] 15