Prueba de

HIPÓTESIS  
 

 
SEMANA 5
 

[ ESTADÍSTICA INFERENCIAL ]
  

PRUEBA  DE  HIPÓTESIS  

 PRUEBAS  DE  HIPÓTESIS  
 PASOS  PARA  PROBAR  UNA  HIPÓTESIS  
 HIPÓTESIS  PARA  LA  MEDIA  
 HIPÓTESIS  PARA  LA  PROPORCIÓN.  

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.  

Los  elementos  de  una  hipótesis  estadística  son:  

1.   Hipótesis   Alternativa:   es   aquella   en   donde   se   escribe   lo   que   se   quiere   probar   y   se   nota  

como    H1.  

2.   Hipótesis   Nula:   se   nota   como   H0     es   la   contradicción   de   la   hipótesis   alternativa   y  

generalmente   se   plantea   tratando   de   rechazarla,   esto   es,   si   la   hipótesis   nula   es   falsa,   la  
hipótesis  que  se  quiere  probar  (la  alternativa)  debe  ser  cierta.  

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   procedimiento   que   se   emplea   en   la   prueba   estadística   de   una   hipótesis   es   contrario   a   la  

forma   usual   de   pensar.   De   hecho   es   semejante   al   método   matemático   de   prueba   por  
contradicción.  

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.  

Decisión   Ho  es  verdadera   Ho  es  falsa  

 
Aceptar  Ho   No  hay  error   Error  tipo  II  ó  

1  -­‐  β   β  
Rechazar  Ho   Error  tipo  I     No  hay  error  

α   1  -­‐  α  

Lo   deseable   entonces   es   desarrollar   el   proceso   de   tal   manera   que   la   probabilidad   de   error  

sea   lo   mas   pequeña   posible,   pero   los   dos   tipos   de   errores   no   son   independientes  
probabilísticamente   hablando   sino   que   por   el   contrario,   tienen   una   relación   inversa   de   tal  
manera  que,  el  disminuir  la  probabilidad  de  uno  de  ellos  lleva  involucrado  un  aumento  de  la  
probabilidad  de  cometer  el  otro,  este  problema  que  solo  se  resuelve  mediante  la  utilización  
de  muestras  grandes.  

La   forma,   quizás   un   poco   extraña,   de   desarrollar   un   proceso   de   prueba   de   hipótesis  

estadística,   se   basa   en   problemas   para   evaluar   las   probabilidades   de   las   decisiones  
incorrectas,  siendo  en  general  mas  fácil  resolver  el  asociado  con  la  de  cometer  error  tipo  I,  
llamada  el  nivel  de  significanciade  la  prueba,  que  el  de  la  de  tipo  II.  

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
  

El   concepto   de   nivel   de   significancia   implica   puntos   de   referencia   hasta   los   cuales   se  

consideran  insignificantes  las  diferencias  y  está  asociado  con  la  proporción  de  muestras  de  
un  tamaño  dado,  que  pueden  llevar  a  cometer  error  tipo  I,  siendo  los  niveles  más  usuales  del  
10%,  5%  y  1%.  

Pasos  para  probar  una  hipótesis  

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)  

a.  Prueba  bilateral  o  a  dos  colas:  se  plantea  en  la  forma:  

H0:  µ  =  50      H1:    µ  ≠  50      

b.  Prueba  unilateral  a  la  izquierda  o  a  una  cola  a  la  izquierda.  

H0:  µ  ≥  50      H1:  µ  <  50  

c.  Prueba  unilateral  a  la  derecha  o  a  una  cola  a  la  derecha.  

H0:  µ  ≤  50      H1:    µ  >  50          

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.  

2.  Definimos  del  nivel  de  significancia  α  

 
4 [ POLITÉCNICO GRANCOLOMBIANO ]
  

3.  Consideramos  los  supuestos  bajo  los  cuales  se  va  a  realizar  la  prueba:  

a.  Tamaño  de  la  población  (finita,  infinita)  

b.  Tamaño  de  la  muestra  (grande,  pequeña)  

c.   Para   que   parámetro   poblacional   se   esta   realizando   la   prueba.   (Media,   proporción,  

varianza,  diferencia  de  medias,  diferencia  de  proporciones)  

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.  

4.   Definición   de   la   estadística   de   prueba   que   se   usará   para   la   prueba   (distribución   muestral   a  

la  que  se  recurre  para  realizarla).  

5.  Calcular  el  valor  de  la  estadística  de  trabajo.  

6.   Tomar   la   decisión   mediante   la   comparación   del   valor   encontrado   con   la   estadística   de  

prueba  y  los  puntos  críticos  que  separan  las  zonas  de  aceptación  y  rechazo.  

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.    
 

  Prueba  de  hipótesis  para  la  media  poblacional  de  

  una  distribución  normal  con  varianza  conocida.  

 
[ 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.  

Siguiendo  los  pasos  para  la  prueba  de  hipótesis:  

1.  Planteamiento  de  la  hipótesis:  

● En  este  contexto  estamos  interesados  en  probar  la  hipótesis  nula:  H :  μ  ≥  125.  
0

Con  la  hipótesis  alternativa:   H1 : µ < 125  

Observemos   antes   de   realizar   la   prueba   de   hipótesis   que   si   rechazamos   la   hipótesis   nula  

diríamos  que  se  están  enviando  al  mercado  bolsas  de  agua  con  menos  de  125  mililitros  y  esto  
conllevaría  a  la  empresa  a  tener  posibles  pleitos  legales.  

2.  Nivel  de  significancia  α  =  5%  

3.    n  =  25                  ! =  124                              S=  0,9  

Lo  primero  que  haremos  entonces  es  estandarizar  la  variable  aleatoria   X :  

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.  

● También   hubiésemos   podido   hacer   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  0.9  mililitros  con  una  muestra  aleatoria  de  25  bolsas  de  agua.  En  este  
caso  determinaríamos  los  valores  del  promedio  muestral  para  los  cuales  se  rechazaría  
la   hipótesis   nula   pero   en   este   caso   los   valores   superarían   el   promedio   de   mililitros  
ofrecido  en  el  mercado;  esto  significa  que  no  se  demandaría  a  la  empresa  pero  ella  sí  
tendría   que   revisar   su   proceso   de   producción   porque   está   enviando   más   mililitros   y  
como  consecuencia  está  perdiendo  dinero.  

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.  

● Por   último   analizaremos   la   prueba   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  0.9  mililitros  con  una  muestra  aleatoria  de  25  bolsas  de  agua.  

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

cuyo   caso   zα = z0.025 = 1.96

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
  

De   este   modo   obtendremos   que   se   rechaza   la   hipótesis   nula   si  

X − 125 X − 125
> 1.96 o < −1.96  con   lo   cual   al   despejar   X  en   ambas   desigualdades   se  
0.9 0.9
25 25
tendrá  que  rechazaremos   H 0  si  :  

⎛ 0.9 ⎞ ⎛ 0.9 ⎞
X > 125 + 1.96 ⎜ ⎟ o X < 125 − 1.96 ⎜ ⎟  
⎝ 25 ⎠ ⎝ 25 ⎠

Con  lo  cual: X > 125 + 0.3528 o X < 125 − 0.3528  

X > 125.3528 o X < 124.6472  

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.  

 Probar  la  hipótesis  nula:     H 0 : µ ≥ 125  

 Con  la  hipótesis  alternativa:   H1 : µ < 125  

 Probar  la  hipótesis  nula:     H 0 : µ ≤ 125  
 Con  la  hipótesis  alternativa:   H1 : µ > 125  
Existe   otro   método   para   examinar   una   prueba   de   hipótesis,   éste   es   el   p-­‐valor   que   determina  
el   nivel   menor   de   significancia   al   que   puede   rechazarse   la   hipótesis   nula,   nos   preguntaremos  
entonces  ¿para  qué  determinar  este  nuevo  valor?  Esto  se  debe  a  que  alguien  podría  pensar  
que   sería   mejor   realizar   la   prueba   de   hipótesis   con   un   nivel   de   significancia   de   0.01   porque   él  
nos  diría  que  la  probabilidad  de  cometer  un  error  de  tipo  I  es  muy  pequeña;  por  ello  según  
los   datos   muestrales   buscaremos   el   nivel   más   pequeño   al   cual   podemos   rechazar   una  
hipótesis  nula.  

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.  

Veamos   ahora   el   análisis   de   prueba   de   hipótesis   para   la   media   poblacional   cuando   no   se  

conoce  la  varianza  o  la  desviación  típica.    

Prueba  de  hipótesis  para  la  media    

poblacional  de  una  distribución  normal  con    

varianza  desconocida.    

Como   vimos   en   la   sección   de   distribuciones   muestrales   cuando   se   estudia   una   distribución  

muestral   con   varianza   desconocida   ésta   se   distribuye   t-­‐student   con   n-­‐1   grado   de   libertad  
(recordemos  que  n  es  el  tamaño  de  la  muestra).  El  análisis  que  realizaremos  es  análogo  al  de  
la   distribución   normal   con   varianza   conocida   sólo   que   ahora   nuestra   distribución   no   es  
normal  sino  t-­‐student  por  ello  expondremos  los  casos  con  sus  respectivas  conclusiones.  

 
[ ESTADÍSTICA INFERENCIAL ] 11
  

Si   tenemos   una   muestra   aleatoria   de   tamaño   n   cuyas   observaciones   provienen   de   una  

distribución  normal  con  media   µ  para  un  nivel  de  significancia   α  tenemos:  

• 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
  

establecer,   por   ejemplo,   el   porcentaje   de   productos   de   cierta   empresa   que   solicitan  

mensualmente  los  consumidores  o  el  porcentaje  de  una  población  que  utiliza  cierta  marca  de  

Prueba  de  hipótesis  para  la  proporción  

poblacional  con  tamaño  de  muestra  grande.  

automóviles  entre  muchos  otros  contextos.  

A   continuación   describiremos   los   posibles   casos   de   pruebas   de   hipótesis   que   se   pueden  

presentar  en  un  contexto.  

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= > !∝  
!!   (!!!! )
!

• Si   se   desea   probar   la   hipótesis   nula      !!   ∶  ! = !!           con   la   hipótesis   alternativa  !!   ∶  ! ≠

!!  
Que   es   lo   mismo   que   probar     la   hipótesis   nula    !!   ∶  ! = !!         con   la   hipótesis   alternativa:  
 !!   ∶  ! < !! o!!   :  ! > !!  

!!!! !!!!
Entonces  se  rechaza   H 0        si        Z= < −!∝          o  si    Z= > !∝  
!!   (!!!! ) !!   (!!!! )
! !

Ejemplo:  

En   una   muestra   aleatoria   de   100   auditores,   78   se   mostraron   de   acuerdo   con   la   siguiente  

afirmación:   el   flujo   de   caja   es   un   importante   indicador   de   la   rentabilidad.   Efectúe   una  
prueba  de  hipótesis  para  la  hipótesis  nula  de  que  la  mitad  de  los  miembros  de  la  población  
estaría   de   acuerdo   con   la   afirmación   frente   a   la   hipótesis   alternativa   bilateral   con   un   nivel   de  
significancia  del  10%.  

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.  

GUTIERREZ,   Humberto   y     DE   LA   VARA,   Román.   Control   estadístico   de   Calidad   y   Seis   Sigma  

(6s).  México:  McGraw-­‐Hill,  2005.    

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