PASOS PARA PROBAR UNA HIPÓTESIS

ESTADÍSTICA II
AUTOR: Rogelio Alvarado Martinez
ÍNDICE
ÍNDICE  

1. Planteamiento  de  la  hipótesis  

2. Definimos  del  nivel  de  significancia  α  

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

4. Definición  de  la  estadística  de  prueba  que  se  usará  para  la  prueba  

5. Calcular  el  valor  de  la  estadística  de  trabajo  

Acceso rápido
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.    

7. Prueba   de   hipótesis   para   la   media   poblacional   de   una   distribución   normal   con   varianza  

conocida  

8. Distribución  normal  con  varianza  desconocida   GENERALIDADES DESARROLLO

9. Prueba  de  hipótesis  para  la  proporción  poblacional  con  tamaño  de  muestra  grande  

 
REFERENCIAS

Este material pertenece al Politécnico

Grancolombiano y a la Red Ilumno. Por ende, son
de uso exclusivo de las Instituciones adscritas a
la Red Ilumno. Prohibida su reproducción total
o parcial.
  
01 -------
INTRODUCCIÓN   Prueba  de  hipótesis  
02 ------- D
Las  secciones  anteriores  han  mostrado  cómo  puede  estimarse  un  parámetro  a  partir  de  los  datos   Una   hipótesis   estadística   es   una   proposición   o   supuesto   sobre   los   parámetros   de   una   o   más  
poblaciones.  
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   Los  elementos  de  una  hipótesis  estadística  son:  
una  proposición  sobre  algún  parámetro.  Esta  proposición  recibe  el  nombre  de   hipótesis.  Este  es  
1.  Hipótesis  Alternativa:  es  aquella  en  donde  se  escribe  lo  que  se  quiere  probar  y  se  nota  
uno  de  los  aspectos  más  útiles  de  la  inferencia  estadística,  puesto  que  muchos  tipos  de  problemas   como  H1.  
de  toma  de  decisiones,  pruebas  o  experimentos  en  el  mundo  de  la  ingeniería,  pueden  formularse  
2.   Hipótesis   Nula:   Se   nota   como   H0   y   es   la   contradicción   de   la   hipótesis   alternativa   y  
como  problemas  de  prueba  de  hipótesis.   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.  
RECOMENDACIONES  ACADÉMICAS  
4.  Región  de  rechazo:  el  conjunto  de  todos  los  valores  que  la  estadística  de  prueba  puede  
Para  la  mejor  comprensión  del  tema  se  recomienda  que  haga  una  lectura  detallada  y  comprenda   tomar  se  divide  en  dos  conjuntos  o  regiones,  uno  que  corresponde  a  la  región  de  rechazo  
y  el  otro  que  corresponde  a  la  región  de  aceptación.  
el  planteamiento  de  las  pruebas  de  hipótesis,  luego,  en  forma  pausada,  siga  la  lectura  con  papel,  
lápiz  y  calculadora  o  ayuda  del  computador,  para  que  aprenda  a  utilizar  las  fórmulas  dadas.  No  le    
gaste  tiempo  a  memorizar  las  fórmulas,  trate  de  comprender  su  razonamiento,  la  forma  como  la  
El  procedimiento  que  se  emplea  en  la  prueba  estadística  de  una  hipótesis  es  contrario  a  la  forma  
aplica  y  sobre  todo  la  interpretación  que  le  pueda  dar  al  resultado  obtenido.  Recuerde  que  el  uso   usual  de  pensar.  De  hecho,  es  semejante  al  método  matemático  de  prueba  por  contradicción.  
de  las  funciones  estadísticas  que  tienen  las  calculadoras  o  que  encuentra  en  programas  como  el   El  proceso  se  basa  nuevamente,  en  información  muestral  por  lo  cual,  así  como  se  puede  llegar  a  
Excel,  le  reducen  el  tiempo  que  gastaría  haciendo  cálculos  aritméticos.     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.  

   

     

3 POLITÉCNICO GRANCOLOMBIANO ESTADÍSTICA II 4

  

Decisión   Ho  es  verdadera   Ho  es  falsa   PASOS  PARA  PROBAR  UNA  HIPÓTESIS  
No  hay  error     Error  tipo  II  ó      
Aceptar  Ho   1  –  β   β  
1. Planteamiento  de  la  hipótesis  
Error  tipo  I     No  hay  error  
Rechazar  Ho   α   1  -­‐  β   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):  
Tabla  1:  Ejemplo  3,  diferencia  de  muestras  pareadas    
 
Fuente:  Elaboración  propia  (2016)  
a)  Prueba  bilateral  o  a  dos  colas:  se  plantea  en  la  forma:  
 
H0:    µ  =  50    
Lo  deseable  entonces  es  desarrollar  el  proceso  de  tal  manera  que  la  probabilidad  de  ¨error¨  sea  
lo  más  pequeña  posible,  pero  los  dos  tipos  de  errores  no  son  independientes  probabilísticamente   H1:    µ  ≠  50    
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   más   fácil   resolver   el   asociado   con   la   de   cometer   error   tipo   I,   llamada   el   nivel   de  
significancia  de  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    
significativa  que  lleve  sobre  el  rechazo  de  aquella,  o  si  tal  diferencia  es  insignificante  y  se  debe  a  
Figura  1.  Prueba  bilateral  o  a  dos  colas  
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.   Fuente: Elaboración propia (2016)

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%.    

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

  H0:  µ  ≥  50  

H1:  µ  <  50  

5 POLITÉCNICO GRANCOLOMBIANO ESTADÍSTICA II 6

  

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  

Se  define  así  a  la  máxima  cantidad  de   error  que  estamos  dispuestos  a  aceptar  para  dar  como  
válida  la  hipótesis  del  investigador.  

 
Figura  2.  Prueba  unilateral  a  la  izquierda  o  a  una  cola  a  la  izquierda   3. Consideramos  los  supuestos  bajo  los  cuales  se  va  a  realizar  la  prueba  
Fuente: Elaboración propia (2016) a.  Tamaño  de  la  población  (finita,  infinita).  

  b.  Tamaño  de  la  muestra  (grande,  pequeña).  

  c.  Para  qué  parámetro  poblacional  se  está  realizando  la  prueba.  (Media,  proporción,  varianza,  
diferencia  de  medias,  diferencia  de  proporciones).  
c)  Prueba  unilateral  a  la  derecha  o  a  una  cola  a  la  derecha  
d.  Cuando  sea  necesario  hay  que  indicar  si  se  conoce  o  no  la  varianza  poblacional.  
H0:    µ  ≤  50  
Por  lo  general,  se  supone  que  la  muestra  es  aleatoria  y  que  la  población  tiene  distribución  normal.  
H1:    µ  >  50  

 
4. Definición  de  la  estadística  de  prueba  

             Se  debe  recurrir  a  la  distribución  muestral  para  establecer  la  estadística  de  prueba,  es  decir,  
la  fórmula  matemática  que  permite  obtener  un  valor  calculado  con  los  datos  de  la  muestra.      

5.  Calcular  el  valor  de  la  estadística  de  trabajo  

           Se   deben   hacer   los   cálculos   teniendo   en   cuenta   los   valores   estimados   con   los   datos   de   la  
muestra.  Para  facilitar  el  manejo  matemático  se  puede  recurrir  a  las  funciones  estadísticas  de  
Excel.  
 
Figura  3.  Prueba  unilateral  a  la  derecha  o  a  una  cola  a  la  derecha    

Fuente: Elaboración propia (2016)

7 POLITÉCNICO GRANCOLOMBIANO ESTADÍSTICA II 8

  

6. Tomar  la  decisión  mediante  la  comparación  del  valor  encontrado  con  la  estadística   Observemos  antes  de  realizar  la  prueba  de  hipótesis  que  si  rechazamos  la  hipótesis  nula  diríamos  
de  prueba  y  los  puntos  críticos  que  separan  las  zonas  de  aceptación  y  rechazo   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.  
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   2.  Nivel  de  significancia  α  =  5%  
de  la  población  especificado  en  la  hipótesis  nula  se  determina  en  una  de  tres  maneras  diferentes:  
 

• n  =  25    
7. Prueba  de  hipótesis  para  la  media  poblacional  de  una  distribución  normal  con  
varianza  conocida   • 𝑋𝑋 =  124    

Para   comprender   el   proceso   que   se   realiza   para   probar   una   hipótesis   para   la   media   poblacional   • S=  0,9  ≈ 𝜎𝜎  
de   una   distribución   normal   con   varianza   conocida,   se   realizan   tres   ejemplos   en   los   que   se  
• 𝜇𝜇 = 125  
consideran  diferentes  tipos  de  hipótesis  alternativa.  

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

Ejemplo  1:     𝑋𝑋 − 𝜇𝜇 124 − 125

𝑍𝑍 = 𝜎𝜎 = = −5.55  
0.9
  𝑛𝑛 25

Alternativa  1    

Si   una   empresa   que   produce   botellones,   botellas   y   bolsas   de   agua   desea   probar   que   el   peso   X −µ
Lo  que  buscamos  es  rechazar   H 0  si   < − zα  cuando   α = 0.05 .  El  valor  de   zα    
promedio  de  una  bolsa  de  agua,  en  su  proceso  de  producción,  es  de  125  ml,  en  caso  de  encontrar   σ
que  el  supuesto  no  se  cumple,  la  empresa  debería  realizar  ajustes  en  su  proceso  de  producción,   n
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   corresponde  al  valor  de  la  normal  que  tiene  probabilidad  acumulada   α = 0.05  en  la  cola  
significancia   del   5%,   si   el   producto   no   cumple   con   las   especificaciones,   sabiendo   que   la   inferior:   P( Z < − zα ) = 0.05  
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:   En   otras   palabras,   queremos   hallar  𝑍𝑍1  para   el   cual   (en   la   cola   superior)  𝑃𝑃 𝑍𝑍 > 𝑍𝑍1 = 0.05  por  
propiedades  de  la  simetría  de  la  distribución  normal.  Nótese  que  debemos  realizar  este  proceso  
1.  Planteamiento  de  la  hipótesis:   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.  
• En  este  contexto  estamos  interesados  en  probar  la  hipótesis  nula  
 
H0:  μ  ≥  125  
Pero   como   𝑃𝑃 𝑍𝑍 > 𝑍𝑍1 = 𝑃𝑃 𝑍𝑍 ≥ 𝑍𝑍1 = 1 − 𝑃𝑃 𝑍𝑍 < 𝑍𝑍1 = 1 − 0.95 = 0 − 0.05  (por  
Con  la  hipótesis  alternativa:   propiedades  de  la  simetría  de  la  distribución  normal),  entonces  queremos  el  valor  para  el  cual  
𝑃𝑃 𝑍𝑍 < 𝑍𝑍1 = 0.95  y  este  valor  es  1.64.  Finalmente,  como  el  valor  requerido  está  ubicado  en  la  
H1 : µ < 125   cola  izquierda  el  valor  solicitado  es  −1.64.  

9 POLITÉCNICO GRANCOLOMBIANO ESTADÍSTICA II 10

  

Alternativa  2  

También   hubiésemos   podido   hacer   el   estudio   de   hipótesis   nula  𝐻𝐻= :  𝜇𝜇 = 125  con   la   hipótesis  
alternativa  𝐻𝐻> :  𝜇𝜇 > 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.  

Realicemos  entonces  la  prueba  de  hipótesis  y  veamos  cuándo  tendría  que  revisar  la  empresa  su  
proceso  de  producción.  
 
Figura 4. Prueba unilateral a la izquierda o a una cola a la izquierda, ejemplo 1. X −µ
Buscamos  es  rechazar   H 0  si   > zα  cuando   α = 0.05  en  este  caso  el   zα = 1.64    
σ
Fuente: Elaboración propia (2016)
n
 
𝑋𝑋 − 𝜇𝜇 125 − 125
𝑍𝑍 = 𝜎𝜎 = = 0 < 𝑍𝑍1  
0.9
X −µ
Retomando  nuestra  búsqueda,  tenemos  que  rechazar   H 0  sí   < −1.64 ,  es  decir,     𝑛𝑛 25
σ
n

789
𝑍𝑍 = : = −5.55 < −1.64  (cae  en  la  zona  de  rechazo,  ver  figura  4)  
;

Esto  implica  que  se  rechaza  𝐻𝐻=  y  se  acepta  𝐻𝐻> ,  es  decir,  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.  

Otra  manera  de  expresar  lo  anterior  se  obtiene  despejando  la  media  muestral,  así:  
 
σ 0.9 Figura 5. Prueba unilateral a la derecha o a una cola a la derecha-alternativa 2.
Se   rechaza   H 0  si   X < µ − 1.64 = 125 − 1.64 = 125 − 0.2952 = 124.7048 ,   esto   significa   que  
n 25
Fuente: Elaboración propia (2016)
rechazamos  la  hipótesis  nula  si  al  tomar  una  muestra  aleatoria  el  promedio  de  los  pesos  de  las  
bolsas  de  agua  es  inferior  a  124.7  mililitros.    
  Esto   implica   que   se   acepta  𝐻𝐻=  y   se   rechaza  𝐻𝐻> ,   pero   en   este   caso   los   valores   superarían   el  
promedio  de  mililitros  ofrecido  en  el  mercado;  esto  significa  que  no  se  demandaría  a  la  empresa,  
Como  podemos  ver,  es  muy  interesante  realizar  una  prueba  de  hipótesis  porque  con  ella  
pero  ella  sí  tendría  que  revisar  su  proceso  de  producción  porque  está  enviando  más  mililitros  y  
establecemos  para  qué  valores  del  estadístico  muestral  debemos  rechazar  la  hipótesis.  
como  consecuencia  está  perdiendo  dinero.  

11 POLITÉCNICO GRANCOLOMBIANO ESTADÍSTICA II 12

  

Otra  manera  de  expresar  lo  anterior,  se  obtiene  despejando  la  media  muestral,  así:    

  X − 125 X − 125
De  este  modo,  obtendremos  que  se  rechaza  la  hipótesis  nula  si   > 1.96 o < −1.96  
0.9 0.9
σ 0.9
Se   rechaza   H 0  si   X > µ + 1.64 = 125 + 1.64 = 125 + 0.2952 = 125.2952 ,   esto   significa   que   25 25
n 25
con  lo  cual  al  despejar   X  en  ambas  desigualdades  se  tendrá  que  rechazaremos   H 0  si    
rechazamos   la   hipótesis   nula   si   al   tomar   una   muestra   aleatoria,  el   promedio   de   los   pesos   de   las  
bolsas  de  agua  es  superior  a  125.2952  mililitros  o  125.3  mililitros.  
⎛ 0.9 ⎞ ⎛ 0.9 ⎞
X > 125 + 1.96 ⎜ ⎟ o X < 125 − 1.96 ⎜ ⎟  
  ⎝ 25 ⎠ ⎝ 25 ⎠

Alternativa  3   Con  lo  cual  

Por   último,   analizaremos   la   prueba   de   hipótesis   nula   H 0 : µ = 125  con   la   hipótesis   alternativa   X > 125 + 0.3528 o X < 125 − 0.3528  
H1 : µ ≠ 125  bajo   un   nivel   de   significancia   de   0.05,   sabiendo   que   la   distribución   de   la   variable  
aleatoria  muestral  es  normal  con  media  126.08,  mililitros  y  desviación  típica  0.9  mililitros,  con  una   X > 125.3528 o X < 124.6472  
muestra  aleatoria  de  25  bolsas  de  agua.  
 
 
Diremos  que  si  la  media  muestral  del  peso  en  mililitros  de  las  bolsas  de  agua  es  inferior  a  124.6472  
Como   la   hipótesis   alternativa   puede   expresarse   como   H1 : µ < 125 o µ > 125  entonces   la   e  inferior  a  125.3528  entonces  la  hipótesis  nula  se  rechaza.  
X − 125 X − 125 También  hubiésemos  podido  analizar  las  siguientes  pruebas  de  hipótesis  y  el  mismo  es  muy  
hipótesis   nula   se   rechaza   si     > zα o < − zα  debe   resaltarse   que   ahora   •
0.9 2 0.9 2
similar  al  tratado  anteriormente.  
25 25
buscaremos   en   la   distribución   de   la   normal   P ( Z < − zα ) = α  y   P( Z > zα ) = α  en   cuyo   caso    
2 2 2 2

zα = z0.025 = 1.96  
2 Ø Probar  la  hipótesis  nula  

H 0 : µ ≥ 125  

Con  la  hipótesis  alternativa  

H1 : µ < 125  

Ø Probar  la  hipótesis  nula  

H 0 : µ ≤ 125  

Con  la  hipótesis  alternativa  

  H1 : µ > 125  

Figura 6. Prueba bilateral o a dos colas-alternativa 3 /Fuente: Elaboración propia (2016)  

13 POLITÉCNICO GRANCOLOMBIANO ESTADÍSTICA II 14

  

Existe  otro  método  para  examinar  una  prueba  de  hipótesis,  éste  es  el  p-­‐valor  que  determina  el   En  este  ejemplo  se  rechazaba  la  hipótesis  si   X > 125.2952 ,  determinemos  el  p-­‐valor:  
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   ⎜ 125.3 − 125 ⎟
P( X > 125.3) = P ⎜ Z > ⎟ = P(Z > 1.67) = 1 − P(Z < 1.67) = 1 − 0.9525 = 0.0475  
que   la   probabilidad   de   cometer   un   error   de   tipo   I   es   muy   pequeña;   por   ello,   según   los   datos   ⎜ 0.9 ⎟
muestrales  buscaremos  el  nivel  más  pequeño  al  cual  podemos  rechazar  una  hipótesis  nula.   ⎜
⎝ 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  
El  p-­‐valor  será  entonces  la  probabilidad  de  obtener  un  valor  del  estadístico  de  la  prueba  igual  de  
rechazarse.  
extremo  o  más  que  el  valor  obtenido  cuando  la  hipótesis  nula  es  verdadera.  Esto  significa,  que  si  
la  probabilidad  o  el  p-­‐valor  es  mayor  que  el  nivel  de  significancia,  no  se  rechaza  la  hipótesis  nula   Veamos  ahora  el  análisis  de  prueba  de  hipótesis  para  la  media  poblacional  cuando  no  se  conoce  
porque  este  valor  es  el  menor  valor  al  que  se  rechaza  la  misma;  por  el  contrario,  si  el  valor  es   la  varianza  o  la  desviación  típica.  
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   solo   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   8. Distribución  normal  con  varianza  desconocida  
de  hipótesis.  Por  ejemplo,  si  el  p-­‐valor  es  (Mason/Lind/Marchal):  
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  
o Menor   que   0.10   se   tiene   una   evidencia   no   muy   fuerte   de   que   la   hipótesis   nula   no   es   distribución  normal  con  varianza  conocida,  solo  que  ahora  nuestra  distribución  no  es  normal  sino  
verdadera.   t-­‐student,  por  ello  expondremos  los  casos  con  sus  respectivas  conclusiones.  

o Menor  que  0.05  se  tiene  una  evidencia  fuerte  de  que  la  hipótesis  nula  no  es  verdadera.    

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

o Menor   que   0.01   se   tiene   una   evidencia   muy   fuerte   de   que   la   hipótesis   nula   no   es  
distribución  normal  con  media   µ  para  un  nivel  de  significancia   α  tenemos:  
verdadera.  
 
o Menor  que  0.001  se  tiene  una  evidencia  extremadamente  fuerte  de  que  la  hipótesis  
nula  no  es  verdadera.   • 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  
   
Como  ejemplo  consideremos  el  segundo  caso  de  prueba  de  hipótesis  que  vimos:  
X − µ0
Entonces   se   rechaza   H 0  sí   t = < −tn −1,α .   Donde   tn −1,α  es   el   valor   de   la   t-­‐Student   con   n-­‐1  
H 0 : µ = 125  con   hipótesis  alternativa   H1 : µ > 125 bajo   un   nivel   de   significancia   de   0.05,   sabiendo   s
que   la   distribución   de   la   variable   aleatoria   muestral   es   normal   con   media   125   mililitros   y   n
desviación  típica  0.9  mililitros  con  una  muestra  aleatoria  de  25  bolsas  de  agua.   grados  de  libertad  y  probabilidad   α .  

15 POLITÉCNICO GRANCOLOMBIANO ESTADÍSTICA II 16

  

• Si  se  desea  probar  la  hipótesis  nula     H 0 : µ = µ0  con  la  hipótesis  alternativa   H1 : µ > µ0   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
• O  se  desea  probar  la  hipótesis  nula   H 0 : µ ≤ µ0  con  la  hipótesis  alternativa   H1 : µ > µ0   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  
X − µ0 la  probabilidad  es  0.05  con  24  grados  de  libertad.    
Entonces  se  rechaza   H 0  sí   t = > tn −1,α .  Donde   tn −1,α  es  el  valor  de  la  t-­‐Student  con  n-­‐1  grados  
s
n  
de  libertad  y  probabilidad   α .  
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:  

• Si  se  desea  probar  la  hipótesis  nula   H 0 : µ = µ0  con  la  hipótesis  alternativa   H1 : µ ≠ µ0   X − µ0
t= > tn −1,α  
s
• Que  es  lo  mismo  que  probar  la  hipótesis  nula   H 0 : µ = µ0  con  la  hipótesis  alternativa   n

  Es  decir,  si  t  es  superior  a  1.71.  

H1 : µ > µ0 o µ < µ0 .   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  
 
establecer,   por   ejemplo,   el   porcentaje   de   productos   de   cierta   empresa   que   solicitan  
X − µ0 X − µ0 mensualmente  los  consumidores  o  el  porcentaje  de  una  población  que  utiliza  cierta  marca  de  
 Entonces,  se  rechaza   H 0  si   t = > tn −1,α  o   t = < −tn −1,α  Donde   tn −1,α  es  el  valor  de  la   automóviles  entre  muchos  otros  contextos.  
s 2 s 2 2

n n
 
t-­‐Student  con  n-­‐1  grados  de  libertad  y  probabilidad   α .  
2
 
 
 
 
 
 
 
Ejemplo  2:    
 
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.  

17 POLITÉCNICO GRANCOLOMBIANO ESTADÍSTICA II 18

  

9. Prueba  de  hipótesis  para  la  proporción  poblacional  con  tamaño  de  muestra  grande   Que  es  lo  mismo  que  probar  la  hipótesis  nula      𝐻𝐻= : 𝜋𝜋 = 0,50                con  la  hipótesis  alternativa  

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

presentar  en  un  contexto.  
𝐻𝐻> : 𝜋𝜋 < 0,50      o    𝐻𝐻> : 𝜋𝜋 > 0,50  
 
P − 0.50 P − 0.50
 Entonces  se  rechaza   H 0  si   Z = > zα  o   Z = < − zα      
Si  se  desea  probar  la  hipótesis  nula  𝐻𝐻=   ∶  𝜋𝜋 = 𝜋𝜋=  con  la  hipótesis  alternativa  𝐻𝐻>   ∶  𝜋𝜋 ≠ 𝜋𝜋=   0.50(1 − 0.50) 2 0.50(1 − 0.50) 2

100 100
• O  se  desea  probar  la  hipótesis  nula    𝐻𝐻=   ∶  𝜋𝜋 ≥ 𝜋𝜋=    con  la  hipótesis  alternativa  𝐻𝐻>   ∶  𝜋𝜋 < 𝜋𝜋=  
 
 
78
 Entonces  se  rechaza   H 0  si  Z=
C8DE
< −𝑍𝑍∝     Entonces,   dado   que   el   valor   de   la   proporción   muestral   es   P = = 0.78  tenemos   que   este   valor  
FE   (HIFE ) 100
;
en  la  ecuación  planteada,  es:    
• Si  se  desea  probar  la  hipótesis  nula      𝐻𝐻=   ∶  𝜋𝜋 ≤ 𝜋𝜋=            con  la  hipótesis  alternativa  𝐻𝐻>   :  𝜋𝜋 > 𝜋𝜋=   =,NO8=,P=
𝑍𝑍 =  =  5,6  
E,QE(HIE,QE)
C8DE HEE
Entonces  se  rechaza   H 0  si  Z= > 𝑍𝑍∝    
FE   (HIFE )
; Para   el   nivel   de   significancia   del   10%   el   valor   𝑍𝑍=,=P =1,64   (Tabla   de   la   distribución   normal),  
entonces  se  rechaza  la  hipótesis  H0.  Indicando  que  con  este  nivel  de  significancia  se  puede  decir  
• Si  se  desea  probar  la  hipótesis  nula      𝐻𝐻=   ∶  𝜋𝜋 = 𝜋𝜋=          con  la  hipótesis  alternativa  𝐻𝐻=   ∶  𝜋𝜋 ≠ 𝜋𝜋=  
que  la  proporción  si  es  diferente  a  0,5.  
• Que  es  lo  mismo  que  probar  la  hipótesis  nula    𝐻𝐻=   ∶  𝜋𝜋 = 𝜋𝜋=        con  la  hipótesis  alternativa    
𝐻𝐻>   ∶  𝜋𝜋 < 𝜋𝜋=              o                  𝐻𝐻>   :  𝜋𝜋 > 𝜋𝜋=    

Entonces  se  rechaza   H 0        si        Z=

C8DE
< −𝑍𝑍∝          o  si  Z=
C8DE
> 𝑍𝑍∝    
FE   (HIFE ) FE   (HIFE )
; ;
 
 
 
 
 
Ejemplo  3:    
 
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      𝐻𝐻= : 𝜋𝜋 = 0,50              con  la  hipótesis  alternativa        𝐻𝐻> : 𝜋𝜋 ≠ 0,50        

19 POLITÉCNICO GRANCOLOMBIANO ESTADÍSTICA II 20

 04 -------
REFERENCIAS  

Textos:  

• Montgomery,   D.   C.,   &   Runger,   G.   (2002).   Probabilidad   y   Estadística   aplicadas   a   la  

Ingeniería  (2ª  ed.).  Limusa  Wiley.  

• Pulido,   H.   G.   (2013).   CONTROL   ESTADÍSTICO   DE   LA   CALIDAD   Y   SEIS   SIGMA   (3ª   ed.).  

MCGRAW-­‐HILL.  

• John   E.   Freund,   I.   M.   (2000).   Estadística   matemática   con   aplicaciones   (6ª   ed.).   Pearson  
Educación.  

• Walpole,  R.  E.  (2007).  Probabilidad  y  estadística  para  ingeniería  y  ciencias  (8ª  ed.).  Pearson  
Educación.  

• Kenett,   R.   S.,   &   Zacks,   S.   (2000).   ESTADISTICA   INDUSTRIAL   MODERNA.   MEXICO:   S.A.  
THOMSON  PARANINFO.  

• NEWBOLD,   P.   (2013).   ESTADISTICA   PARA   ADMINISTRACIÓN   Y   ECONOMIA   (6ª   ed.).  

Pearson.  

4.2  LISTA  DE  FIGURAS  

Figura  1.  Prueba  bilateral  o  a  dos  colas  .........................................................................................................  5  

Figura  2.  Prueba  unilateral  a  la  izquierda  o  a  una  cola  a  la  izquierda  ...........................................................  6  

Figura  3.  Prueba  unilateral  a  la  derecha  o  a  una  cola  a  la  derecha  ...............................................................  6  

Figura  4.  Prueba  unilateral  a  la  izquierda  o  a  una  cola  a  la  izquierda,  ejemplo  1.  ......................................  10  

Figura  5.  Prueba  unilateral  a  la  derecha  o  a  una  cola  a  la  derecha-­‐alternativa  2.  ......................................  11  

Figura  6.  Prueba  bilateral  o  a  dos  colas-­‐alternativa  3  .................................................................................  12  

21 POLITÉCNICO GRANCOLOMBIANO ESTADÍSTICA II 22

POLITÉCNICO GRANCOLOMBIANO - 2016 ©