MÓDULO III:

«PRUEBAS DE HIPOTESIS: PRUEBAS

PARAMETRICAS Y NO
PARAMETRICAS»

1
 ÍNDICE

MÓDULO III: PRUEBAS DE HIPOTESIS: PRUEBAS PARAMETRICAS

Y NO PARAMETRICAS Pág.

I. PRUEBAS DE HIPÓTESIS EN EL CAMPO

SOCIOECONÓMICO. PASOS PARA PROBAR UNA
HIPÓTESIS. NIVEL DE SIGNIFICACIÓN. ERROR DE
TIPO I. 2
II. DÓCIMAS DE HIPÓTESIS EN VARIABLES
CUANTITATIVAS. DÓCIMAS PARA LA MEDIA
POBLACIONAL. DÓCIMAS PARA LA DIFERENCIA
DE MEDIAS. 5
III. Dócimas de hipótesis en variables cualitativas.
Dócimas para la Proporción Poblacional. Dócimas
para la Diferencia de Proporciones. 3
IV. PRUEBAS NO PARAMÉTRICAS LA PRUEBA
CHI CUADRADO 18

2
 MÓDULO III

PRUEBAS DE HIPOTESIS: PRUEBAS PARAMETRICAS Y NO PARAMETRICAS

I. PRUEBA DE HIPÓTESIS EN EL CAMPO SOCIOECONÓMICO. PASOS

PARA PROBAR UNA HIPÓTESIS. NIVEL DE SIGNIFICACIÓN. ERROR DE TIPO I.
1.1 Prueba de hipótesis en el campo socioeconómico.
Aunque realizar pruebas de hipótesis se oye como un término estadístico formal sin
relación con la toma de decisiones de negocios, de hecho los economistas,
administradores, etc proponen y prueban hipótesis todo el tiempo. Las hipótesis
administrativas se basan en la intuición; el mercado decide si esa intuición era correcta.
Una prueba de hipótesis se refiere a hacer inferencias acerca de la población a partir de
una muestra muy pequeña. Lo más importante de las pruebas de hipótesis es que nos
permiten preguntarnos (y después decidir) si es probable que una población como la que
creemos que es ésta producirá una muestra como la que buscamos.
En los estudios económicos, se supone que el mercado está compuesto por pequeñas
empresas que no pueden influir en su comportamiento general. Hasta que una hipótesis no
se apruebe, tendrá un valor relativo y probable, ya que el fenómeno, al que se refiere la
misma, puede explicarse de varias formas diferentes y aunque las hipótesis son muchas,
su efecto final dependerá del tipo de investigación desarrollada. Claro está que con la
inducción, no se podrá lograr una certeza absoluta. Pero sí se podrá llegar hasta una
certeza condicionada, que se relaciona con las leyes empíricas.

1.2 Pasos para probar una hipótesis.

Hipótesis
Una hipótesis es una expresión a manera de conjetura, es decir, una proposición tentativa
en modo afirmativo acerca de la relación general o específica entre dos o más variables.
En la formulación de cualquier hipótesis es conveniente observar los dos criterios
siguientes: deben expresar relaciones entre variables; y además, ser inferencias que
permitan probar las relaciones establecidas.
Esto indica que toda expresión hipotética estará integrada por dos o más variables
mensurables y tener una forma explícita del tipo de relación que se supone existe entre
éstas.
Una hipótesis estadística, es un enunciado sobre la población. Su posibilidad de ser
evaluada es en base en la información obtenida de una muestra aleatoria de la población.

3
Ejemplo:
Un mayor gasto en publicidad provoca un incremento en los votos obtenidos por un partido
político. En este caso, del planteamiento del problema, se desprende de manera directa
que hay dos variables: gasto en publicidad y votos obtenidos. Ambas pueden ser
cuantificadas y por lo tanto es posible hacer inferencias estadísticas que permitan probar la
relación mencionada.
Hipótesis Alterna e Hipótesis nula.
En una investigación la hipótesis alterna se denota por Ha, es un enunciado sobre la
población a investigar, y la hipótesis nula se denota por H0, es la negación de la hipótesis
alterna.
Ejemplo
La experiencia ha demostrado que el porcentaje de alumnos aprobados usando un cierto
método de enseñanza es del 75%. Se anticipa que si se usa un nuevo método de
enseñanza, el porcentaje de aprobados será mayor que cuando se usa el método
tradicional.
En este caso la Hipótesis alterna y la hipótesis nula serían:
Ha : Existe evidencia sustancial de que el nuevo método de enseñanza es mejor que el
método tradicional.
H0 : No existe evidencia sustancial de que el nuevo método de enseñanza sea mejor que
el método tradicional.
Prueba de hipótesis.
Una prueba de hipótesis es una prueba estadística que se utiliza para determinar si existe
suficiente evidencia en una muestra de datos para inferir que cierta condición es válida
para toda la población.

Una prueba de hipótesis examina dos hipótesis opuestas sobre una población: la hipótesis
nula y la hipótesis alternativa. La hipótesis nula es el enunciado que se probará. Por lo
general, la hipótesis nula es un enunciado de que "no hay efecto" o "no hay diferencia". La
hipótesis alternativa es el enunciado que se desea poder concluir que es verdadero.
En base a los datos de la muestra, la prueba determina si se debe rechazar la hipótesis
nula. Para tomar la decisión se utiliza un valor p. Si el valor p es menor que o igual al nivel
de significancia, que es un punto de corte que usted define, entonces puede rechazar la
hipótesis nula.
Un error común de percepción es que las pruebas estadísticas de hipótesis están
diseñadas para seleccionar la más probable de dos hipótesis. En realidad, una prueba

4
mantendrá la validez de la hipótesis nula hasta que haya suficiente evidencia (datos) en
favor de la hipótesis alternativa.
Para probar una hipótesis se siguen los siguientes pasos:
a) Paso 1.- Planteamiento de hipótesis.
H0: Hipótesis Nula
H1: Hipótesis Alternativa

b) Paso 2.- Niveles de significación. (teórico) ”α”

c) Paso 3.- Estadístico de prueba.

«Z» para n ≥ 30
«T» de student para n < 30
d) Paso 4.- Formular la regla de decisión
Indicar si se acepta o serechaza H0
e) Paso 5.- Conclusión:
En este caso se especifica la hipótesis estadística que no ha
sido rechazada indicando el nivel de significancia teórico
considerado (α)

Paso 1: Plantear la hipótesis nula y alterna

Paso 2: Seleccionar un nivel de significancia

Paso 3: Identificar el estadístico de prueba

Paso: 4 Formular una regla de decisión

Paso 5: Conclusión

No rechazar la hipótesis nula Rechazar la hipótesis nula y

aceptar la alterna

El propósito de la prueba de hipótesis no es cuestionar el valor calculado del estadístico

(muestral), sino hacer un juicio con respecto a la diferencia entre estadístico de muestra y
un valor planteado del parámetro.

5
Tipos de prueba
a) Prueba bilateral o de dos extremos: la hipótesis planteada se formula
con la igualdad
Ejemplo
H0 : θ = 200
Ha : θ ≠ 200

b) Pruebas unilateral o de un extremo: la hipótesis planteada se formula

con ≥ o ≤
H0 : θ ≥ 200
Ha: θ < 200

Región crítica

H0 : θ ≤ 200
Ha : θ > 200

6
1.3 Nivel de significancia.
Es la probabilidad de rechazar la hipótesis nula cuando es verdadera. Se le denota
mediante la letra griega α, también es denominada como nivel de riesgo, este término es
más adecuado ya que se corre el riesgo de rechazar la hipótesis nula, cuando en realidad
es verdadera. Este nivel está bajo el control de la persona que realiza la prueba.
Si suponemos que la hipótesis planteada es verdadera, entonces, el nivel de significación
indicará la probabilidad de no aceptarla, es decir, estén fuera de área de aceptación. El
nivel de confianza (1-α), indica la probabilidad de aceptar la hipótesis planteada, cuando es
verdadera en la población.
1.4 Error tipo I.
En una prueba de hipótesis para la toma de decisiones se haya sujeta a los datos
recolectados a través de un experimento o de una muestra aleatoria, por lo que es posible
cometer dos tipos de errores que pueden llevar a una pérdida sustancialmente diferente,
estos errores son:
• Error tipo 1: Rechazar una hipótesis verdadera.
• Error tipo 2: No rechazar una hipótesis falsa.

Esquemáticamente este tipo de errores se puede representar de la manera siguiente:

DECISIÓN SITUACIÓN REAL DE H0

CIERTO FALSO
Rechazar H0 Error tipo I
α
No Rechazar H0 Error tipo II
β

7
 El tamaño de estos dos tipos de error se define como la probabilidad de que cada uno
de ellos ocurra; al término α (alfa) se le llama nivel de significancia de la prueba,
generalmente se le asignan los valores 0.10, 0.05 ó 0.01 y se determina al inicio de la
investigación; a β (beta) se le denomina potencia de la prueba. Nótese que debido a la
relación existente entre las hipótesis, los dos tipos de error se hayan relacionados, al
controlar el tipo 1 automáticamente se controla el otro, para un tamaño de muestra
dado.
En la práctica se busca trabajar con errores pequeños del tipo 1, es decir, se puede
tomar como el error más serio rechazar Ho cuando es verdadera, que no rechazarla
cuando es falsa. En el peor de los casos se queda uno con H0, porque como ya se
mencionó no incluirá nuevos riesgos o cambio alguno. Esto último debe tomarse con
ciertas reservas dependiendo del problema en particular que se esté trabajando.
En estadística, la probabilidad de cometer el error tipo I se llama nivel de significancia
o nivel de significación.

II. DÓCIMAS DE HIPÓTESIS EN VARIABLES CUANTITATIVAS. DÓCIMAS

PARA LA MEDIA POBLACIONAL. DÓCIMAS PARA LA DIFERENCIA DE
MEDIAS.
Es otra forma de hacer inferencia estadística, cuyo objetivo es probar una hipótesis acerca
de los parámetros de una población (media, varianza, proporción) Definiendo un
procedimiento o regla de decisión que nos permita concluir probabilísticamente la
aceptación o rechazo de tal hipótesis.
2.1 Docimas de hipótesis en variables cuantitativas
Una de las situaciones más comunes a las que debe enfrentarse un investigador es la
comparación de las medias de dos grupos. Por ejemplo en la comparación de dos
situaciones, en los que se mide su eficacia en función unos resultados obtenidos y
medidos numéricamente.

2.2 Docimas para la media poblacional.

Paso 1.-Planteamiento de hipótesis.

Paso 2.-Niveles de significación: ””

Paso 3.-Estadístico de prueba.

8
Para la varianza conocida

Para la varianza desconocida

n < 30 n≥ 30

Paso 4.-Formular la regla de decisión

Si el p-valor <  Se rechaza H0
Si el p-valor ≥  No se rechaza H0
Paso 5.-Conclusión: En este caso se especifica la hipótesis estadística que no ha
sido rechazada indicando el nivel de significancia teórico considerado.
Ejemplo 1:
Una empresa eléctrica fabrica focos que tienen una duración que se distribuye de
forma aproximadamente normal con una media de 800 horas y una desviación
estándar de 40 horas. Pruebe la hipótesis de que µ≠800 horas si una muestra
aleatoria de 30 focos tiene una duración promedio de 788 horas. Utilice un nivel de
significancia de 0.04.
H : µ =800 H : µ ≠ 800
0 1 1 2

σ=40 horas
n = 30
_
X=788 horas
Nivel de Significancia=0.04

9
Recordemos que n = 30 por ello se trabaja con Z crítico.

Zona de
aceptación
Zona de Zona de
Rechazo Rechazo

z=-1.75 z=1.75
z=-1.64

Con la resolución del ejercicio, se acepta la hipótesis nula y se llega a la conclusión de

que la duración media de los focos si corresponde a 800 horas por lo que la hipótesis nula
es aceptada.

2.3 Docimas para la diferencia de medias.

Paso 1.-Planteamiento de hipótesis.

Paso 2.-Niveles de significación. (teórico) ””

Paso 3.-Estadístico de prueba.

Para varianza conocida

Para varianzas poblacionales desconocidas pero homogéneas (σ 2 1=σ2 2 )

10
 2
Para Varianzas poblacionales desconocidas pero no homogéneas (σ 1 distinta de
σ2 2)

Paso 4.- Formular la regla de decisión

Si el p-valor <  Se rechaza H0
Si el p-valor ≥  No se rechaza H0

Paso 5.- Conclusión: En este caso se especifica la hipótesis estadística que no ha

sido rechazada indicando el nivel de significancia teórico considerado (α)
Ejemplo 2
Se lleva a cabo un experimento para comparar el desgaste por abrasivo de dos diferentes
materiales laminados. Se prueban 12 piezas del material 1 mediante la exposición de cada
pieza a una máquina para medir el desgaste. 10 piezas del material 2 se prueban de
manera similar. En cada caso, se mide la profundidad del desgaste. Las muestras del
material 1 dan un desgaste promedio de 85 unidades con una desviación estándar
muestral de 4, mientras que las muestras del material 2 dan un promedio de 81, desviación
estándar muestral de 5. ¿Podemos concluir con un nivel de significancia del 0.05 que el
desgaste abrasivo del material 1 excede el del material 2 en 2 unidades?

Representemos con µ₁ y µ₂ las medias poblacionales del desgaste abrasivo para el

material 1 y 2, respectivamente.

11
 1.
2.
3.
4.

Las regiones criticas unilaterales rechaza a H₀: µ₁ - µ₂ = d₀ cuando t > tαn₁+n₂-2

x 1  85 s1  4 n 1  12

x 2  81 s 2  5 n 2  10

µ =2

Tcal = X2 - x1 - µ0 =

Sp 1 + 1
n1 n2

Calculamos primero Sp

( 11 )( 16 )  ( 9 )( 25 )
sp  = 4,478
12  10 - 2

( 85  81 )  2
t  = 1,04
4 . 478 (1 / 12 )  (1 / 10 )

P = P(T>1.04)
Decisión: No rechazar H₀.

12
III. DÓCIMAS DE HIPÓTESIS EN VARIABLES CUALITATIVAS. DÓCIMAS PARA
LA PROPORCIÓN POBLACIONAL. DÓCIMAS PARA LA DIFERENCIA DE
PROPORCIONES.
3.1 Docimas de hipótesis en variables cualitativas.
Es el valor determinado a partir de la información muestral, que se utiliza para determinar
si se rechaza la hipótesis nula., existen muchos estadísticos de prueba para nuestro caso
utilizaremos los estadísticos z y t. La elección de uno de estos depende de la cantidad de
muestras que se toman, si las muestras son de la prueba son iguales a 30 o más se utiliza
el estadístico z, en caso contrario se utiliza el estadístico t.

3.2 Docimas para la proporción poblacional.

Paso 1.-Planteamiento de hipótesis.

Paso 2.-Niveles de significación.””

Paso 3.-Estadístico de prueba.

Paso 4.-Formular la regla de decisión

Si el p-valor <  Se rechaza H0
Si el p-valor ≥  No se rechaza H0
Paso 5.-Conclusión: En este caso se especifica la hipótesis estadística que no ha
sido rechazada indicando el nivel de significancia teórico considerado (α)
Ejemplo 3
En el pasado, el 15% de las solicitudes de pedidos por correo para cierta obra de caridad
dio lugar a una contribución financiera. Un nuevo formato de solicitud se ha diseñado y se
envía a una muestra de 200 personas y 45 respondieron con una contribución. ¿En el nivel
de significación del .05 se puede concluir que la nueva solicitud es más eficaz?
Paso 1: Establezca la hipótesis nula y la hipótesis alternativa

13
 H0: π ≤ 0,15 H1: π >0,15

Paso 2: Seleccione el nivel de significancia.

Es 0,05.

Paso 3: Encuentre un estadístico de prueba.

La distribución de z es el estadístico de prueba.
Paso 4: Indique la regla de decisión.
Se rechaza la hipótesis nula si z es mayor que 1.65.
Paso 5: Tome una decisión e interprete los resultados.

45
 . 15
p   200
z    2 . 97
 (1   ) . 15 (1  . 15 )
n 200

Se rechaza la hipótesis nula. Más de 15% de solicitudes responde con un compromiso. El

nuevo formato es más eficaz.
3.3 Docimas para la diferencia de proporciones.
Paso 1.-Planteamiento de hipótesis.

Paso 2.-Niveles de significación. (teórico) ””

Paso 3.-Estadístico de prueba.

Paso 4.-Formular la regla de decisión

Si el p-valor <  Se rechaza H0
Si el p-valor ≥  No se rechaza H0

14
Paso 5.-Conclusión: En este caso se especifica la hipótesis estadística que no ha
sido rechazada indicando el nivel de significancia teórico considerado (α)

V. PRUEBAS NO PARAMÉTRICAS LA PRUEBA CHI CUADRADO.

4.1 Pruebas no paramétricas.
Estas pruebas no se basan en ninguna suposición en cuanto a la distribución de
probabilidad a partir de la que fueron obtenidos los datos. Son muy útiles cuando
no puede suponerse que los datos cumplen las condiciones de una prueba
paramétrica o cuando los datos se presentan en forma ordinal. Las principales
pruebas no paramétricas son:

Ventajas:
 El procedimiento es relativamente fácil de entender y de aplicar.
 Su uso es apropiado para muestras de tamaño mayor o igual que 25.
 No se afectan significativamente en presencia de observaciones atípicas o
outliers. Si uno o más de los supuestos distribucionales en una prueba
paramétrica no se cumplen, la correspondiente prueba no paramétrica es más
eficiente.
 Tienen un gran campo de aplicación.

15
Desventajas:
 Serán menos eficientes que el procedimiento paramétrico correspondiente
cuando se pueden aplicar ambos métodos. Es decir, si se puede utilizar una
prueba paramétrica y se usa una no paramétrica, entonces hay una pérdida
de información. Son menos eficientes si las muestras son menores que 25.

4.2 La Prueba Chi cuadrado.

Se utiliza para variables cualitativas con escala de medición nominal. Fórmula de trabajo:

Ei= (Total de fila)(Total columna)

Gran total

Mide el grado de concordancia entre los pares de frecuencias observadas y esperadas de

las celdas, dado que la Ho sea verdadera.

Aplicaciones mas usuales

de chi cuadrado

PRUEBA DE INDEPENDENCIA PRUEBA DE HOMOGENEIDAD

.- Una muestra .- Mas de una muestra

.- Dos variables cualitativas .- Una variable cualitativas
.- Ho : Independencia .- Ho : Homogeneidad
H1 : No independencia H1 : No homogeneidad

.- Se rechaza la hipótesis nula si P-valor < α

Ejemplo 4
Estamos interesados en estudiar la fiabilidad de cierto componente informático con relación
al distribuidor que nos lo suministra. Para realizar esto, tomamos una muestra de 100
componentes de cada uno de los 3 distribuidores que nos sirven el producto comprobando

16
el número de defectuosos en cada lote. La siguiente tabla muestra el número de
defectuosos en para cada uno de los distribuidores.

Debemos realizar un contraste de homogeneidad para concluir si entre los

distribuidores existen diferencias de fiabilidad referente al mismo componente.

Las frecuencias esperadas bajo homogeneidad son las representadas entre paréntesis.
El estadístico del contraste será:

Este valor del estadístico Ji-cuadrado es mayor que el valor para el nivel de significación
del 5%, por lo tanto debemos concluir que no existe homogeneidad y por lo tanto que hay
diferencias entre los tres distribuidores. X 2 0.05 (2) = 5.99

17
Ejemplo 5
Se desea estudiar hasta qué punto existe relación entre el tiempo de residencia de
inmigrantes en nuestro país y su percepción de integración. Se dispone de una muestra
pequeña de 230 inmigrantes a los que se les evaluó en ambas variables obteniéndose la
siguiente tabla de frecuencias observadas. ¿Confirman estos datos la hipótesis planteada
con un nivel de confianza del 95%?

f i. f .
Calculando la frecuencia esperada: j
e ij 
n

( f ij  e ij )
2

   
2
Calculando el Chi cuadrado: exp
i j e ij

 exp  15 , 2534  19 , 8294  19 , 8294  25 , 778  80 , 69

2

 exp  80 , 69
2

18
Calculemos el valor de la tabla Chi-cuadrado

El valor alfa 0,05

   1 ; 0 , 05  3 , 84
2 2
g . l .; 

Tenemos

 exp  80 , 69
2

   1 ; 0 , 05  3 , 84
2 2
g . l .; 

Por tanto

 exp   1 ; 0 , 01
2 2

SIGNIFICADO: Las variables no son independientes, El tiempo de residencia y el

grado de integración estás asociadas.

19
20