Estadística 1

DMAE E003
Prof. Edmundo Peña Rozas

Prueba de Hipótesis
La inferencia estadística, como ya se mencionó, está relacionada con los métodos para obtener conclusiones o
generalizaciones acerca de una población. Estas conclusiones sobre la población pueden estar relacionadas ó
con la forma de la distribución de una variable aleatoria, ó con los valores de uno o varios parámetros de la misma.

Cuando se trató el problema de Estimación, se señaló que este trata del problema de estimar el valor fijo y
desconocido de un parámetro.

Una hipótesis estadística es una afirmación acerca de la distribución de una o más variables aleatorias. Por lo
que la prueba de hipótesis consiste en que, basados en la información empírica disponible, decidir entre aceptar
o rechazar dicha afirmación.

El campo de las pruebas de hipótesis se pueden considerar dos áreas: Pruebas de hipótesis sobre parámetros,
para determinar si un parámetro de una distribución toma o no un determinado valor, y Pruebas de Bondad de
Ajuste, para definir si un conjunto de datos se puede modelar mediante una determinada función de distribución.

Las técnicas de prueba de hipótesis se encuentran muy relacionadas con los intervalos de confianza pero con
una interpretación contraria, así, cuando se construye un intervalo de confianza, lo que se hace es estimar un
intervalo en donde se espera (con un cierto nivel de seguridad) que se encuentre el parámetro de interés. Cuando
se hace una prueba de hipótesis, se establecen valores posibles para ese mismo parámetro poblacional,
determinando la probabilidad de que se obtengan muestras tan diferentes o más que la que se obtuvo; si esta
probabilidad es inferior a un valor previamente establecido, se rechaza la hipótesis.

Al igual que en los intervalos de confianza, las pruebas de hipótesis siempre son afirmaciones que se
realizan sobre la población o distribución bajo estudio.

Supongamos que en la actualidad el 46% de los adultos de este país son fumadores y que después de una
campaña de educación se tomó una muestra de 100 adultos, donde 35 de ellos afirma ser fumador. El intervalo
al 95% de confianza para la proporción de fumadores después de la campaña es 0,26 – 0,44, lo que permite
afirmar que la proporción de adultos fumadores disminuyó como consecuencia de la campaña. El contraste de
hipótesis para probar si la proporción de fumadores se mantiene igual permite afirmar, también con un 5% de
significación que de mantenerse el mismo porcentaje de fumadores, la muestra obtenida es poco probable

Si la hipótesis estadística identifica por completo la distribución, recibe el nombre de “hipótesis simple”, y si no la
especifica recibe el nombre de “hipótesis compuesta”.

Por ejemplo, la hipótesis “el peso medio de los pollos es de 2.5 kg.” es una hipótesis simple, mientras que la
hipótesis “el peso medio de los pollos es mayor de 2.5 kg” es una hipótesis compuesta.

Hipótesis simples: μ=2.5

Hipótesis compuestas: μ ≠ 2.5 μ < 2.5 μ > 2.5

Frecuentemente los investigadores al plantear sus hipótesis lo hacen como lo contrario de lo que consideran
como verdadero, con la esperanza de que los procedimientos de prueba (y los datos) conduzcan a rechazarlos.
Por ejemplo, si creemos que el peso medio de los pollos faenados en cierta planta no es igual a 2.5 kg., la
planteamos como que el peso medio es igual a 2.5 kg.

De acuerdo con lo anterior, al definir “la hipótesis estadísticas”, es necesario plantear dos hipótesis, denominadas
“Hipótesis Nula” e Hipótesis Alternativa” respectivamente, las cuales son opuestas y generalmente
complementarias.

Hipótesis Nula (H0). Generalmente se plantea como hipótesis “nula” la hipótesis de que no existe diferencia, es
decir, que la diferencia es “nula” entre los valores a comparar. El rechazo de la hipótesis nula siempre conduce a

2019-1 DMAE E003 14 Prueba de Hipotesis 1 Muestra 10/06/2019

Estadística 2
DMAE E003
Prof. Edmundo Peña Rozas

la aceptación de la hipótesis alternativa. Por lo general, la hipótesis nula se plantea de tal modo que especifique
un valor exacto del parámetro.

Hipótesis Alternativa (H1). Se denomina hipótesis alternativa aquella hipótesis contra la cual queremos
contrastar la hipótesis nula. Esta hipótesis puede ser simple o compuesta

Ejemplo: Teniendo en cuenta las hipótesis simple y alternativa y; que una hipótesis puede ser simple o
compuesta, se pueden dar situaciones como las siguientes:

 Hipótesis simple v/s simple H0: θ = θ0 v/s H1: θ = θ1

 Hipótesis simple v/s compuesta H0: θ = θ0 v/s H1: θ < θ0
H0: θ = θ0 v/s H1: θ > θ0
 Hipótesis compuesta v/s compuesta H0: θ ≥ θ0 v/s H1: θ < θ0

Se dice que una hipótesis o prueba es unilateral o a una cola si se desea rechazar en una sola dirección para
los valores del parámetro

Ejemplo: H0: θ = θ0 v/s H1: θ < θ0

H0: θ = θ0 v/s H1: θ >θ0

Se dice que una hipótesis o prueba es bilateral o a dos colas si se desea rechazar en ambas direcciones para
los valores del parámetro

Ejemplo: H0: θ = θ0 v/s H1: θ ≠ θ0

Entonces, en el ejemplo del peso medio de los pollos faenados en una planta, las hipótesis pueden ser planteadas
de la siguiente manera:
H0: μ = 2.5 v/s H1: μ ≠ 2.5 Hipótesis bilateral
H0: μ = 2.5 v/s H1: μ < 2.5 Hipótesis unilateral
H0: μ = 2.5 v/s H1: μ > 2.5 Hipótesis unilateral

La prueba de hipótesis propiamente tal es un procedimiento que conduce a la decisión de rechazar o no la

hipótesis nula en base a la información proporcionada por la muestra, de tal manera que si la información de la
muestra no es consistente con la hipótesis nula, la prueba debe conducir a su rechazo.

Se debe tener presente que no rechazar H0 (“Aceptar H0”) no significa que H0 sea cierta (no se prueba que H0
sea cierta), lo que ocurre es que los datos muestrales no aportan evidencia suficiente para rechazarla. Del mismo
modo, rechazar H0 no significa que H0 sea falsa y que H1 sea verdadera, sino que resulta muy difícil creer que
se haya podido observar algo tan improbable bajo H0, por lo que decide en favor de H1.

Para efectuar la prueba es necesario determinar la Regla de decisión, Estadístico de prueba y la Región crítica.

La regla de decisión es una regla basada en la información de muestral que indica cuando se debe rechazar la
hipótesis nula e inclinarse por la alternativa, estableciendo una región de rechazo y otra de aceptación.

El estadístico de prueba corresponde a un estadígrafo calculado a partir de la muestra, el cual se utilizará para
contratar la hipótesis nula

La Región Crítica o de Rechazo de una prueba, corresponde a la región que nos lleva a rechazar la hipótesis
nula cuando el estadístico de prueba cae en ella.

2019-1 DMAE E003 14 Prueba de Hipotesis 1 Muestra 10/06/2019

Estadística 3
DMAE E003
Prof. Edmundo Peña Rozas

H0: θ = θ0 v/s H1: θ ≠ θ0

H0: θ = θ0 v/s H1: θ < θ0 H0: θ = θ0 v/s H1: θ >θ0

Valor P

Cuando se tiene un problema de prueba de hipótesis, el procedimiento visto hasta ahora indica que una vez que
se ha definido el parámetro de interés y la hipótesis que se desea probar, se debe adoptar un determinado nivel
de significación (α) o en su defecto de confianza (1-α) para a continuación proceder a establecer el estadístico de
prueba , definir la región de rechazo, evaluar el estadístico de prueba para finalmente tomar una decisión respecto
de rechazar o no rechazar la hipótesis que se planteó. Si por alguna razón se decide modificar el nivel de
significación se hace necesario redefinir la región crítica y volver decidir en función de las nuevas zonas de
aceptación y rechazo.

Una forma de solucionar la situación antes descrita, que además es una tendencia imperante desde hace
bastante tiempo y se encuentra implementada en el software estadístico es utilizar el “valor – p”, que corresponde
a un nivel de significación empírico igual al menor nivel de significación para el cual utilizando un estadístico de
prueba se rechazaría la hipótesis nula, es decir, entrega una medida de la cantidad de evidencia en contra de
Ho, que está contenida en la muestra. En general, se rechazará la hipótesis nula si el valor p es menor o igual al
nivel de significación adoptado por el investigador.

En otras palabras, el valor –p es la probabilidad de que el valor del estadístico de prueba que sea al menos tan
extremo como el que representa a los datos muestrales, suponiendo que la hipótesis nula es verdadera.
El valor p es el nivel de significación más pequeño que permite rechazar la hipótesis nula

Existe una escala empírica que relaciona el valor p con la cantidad de evidencia en contra de la hipótesis nula
que se encuentra contenida en la muestra. Esta escala, sin embargo, no debe considerarse como una regla
estricta debido a que los niveles de tolerancia de los errores pueden variar de un problema a otro. La escala es
la siguiente:

2019-1 DMAE E003 14 Prueba de Hipotesis 1 Muestra 10/06/2019

Estadística 4
DMAE E003
Prof. Edmundo Peña Rozas

 si v-p > 0.10, diremos que la muestra no contiene evidencia en contra de H0;
 si 0.05 < v-p < 0.10, diremos que la evidencia en contra de H0 es débil o moderada;
 si 0.01 < v-p < 0.05, diremos que existe evidencia en contra de H0;
 si 0.01 < v-p < 0.001, diremos que existe evidencia fuerte en contra de H0.
 si v-p < 0.001, diremos que existe evidencia muy fuerte en contra de H0.

Tipos de Errores

Cuando se realiza una prueba de hipótesis y se toma una determinada decisión, se espera tomar las decisiones
adecuadas en el sentido de aceptar la hipótesis nula si esta es verdadera o bien rechazarla si es falsa, sin
embargo, es posible cometer dos tipos de errores: aceptar una hipótesis siendo falsa o bien rechazar la hipótesis
siendo esta verdadera.

H0 verdadera H0 falsa
Aceptar H0 Decisión Correcta Error Tipo II (β)
Rechazar H0 Error Tipo I (α) Decisión Correcta

Error tipo I

El error tipo I corresponde al rechazo de una hipótesis nula H 0 cuando ésta es verdadera. La probabilidad de
cometer este error es α, es decir:

P(Error Tipo I) = P(Rechazar H0 / H0 es verdadera)

= P(Estadístico de prueba caiga en la región crítica/ H 0 es verdadera)
=α

A este valor α se le denomina también nivel de significación.

De lo anterior se observa con claridad que el nivel de confianza 1- α, corresponde a la probabilidad de aceptar H0
cuando H0 es verdadera

Un error tipo I de 0,05 (α=0,05) implica que un 5% de todas las muestras aleatorias conducirán a
rechazar la hipótesis nula cuando esta sea verdadera

Error tipo II

El error tipo II corresponde a la probabilidad de aceptar la hipótesis nula H0, siendo esta falsa, o sea, cuando la
verdadera es la hipótesis alternativa H1. La probabilidad de cometer este error es β, es decir:

P(Error Tipo II) = P(Aceptar H0 / H0 es falsa)

= P(Estadístico de prueba caiga fuera de la región crítica/ H0 es falsa)
=β

Un error tipo II de 0,08 (β=0,08) implica que un 8% de todas las muestras aleatorias conducirán a
aceptar la hipótesis nula cuando esta sea en realidad falsa

A partir del Error tipo II surge la potencia de la prueba que corresponde a la capacidad de la prueba para rechazar
una hipótesis cuando esta es falsa, es decir:

2019-1 DMAE E003 14 Prueba de Hipotesis 1 Muestra 10/06/2019

Estadística 5
DMAE E003
Prof. Edmundo Peña Rozas

Potencia = P(Rechazar H0 / H0 es falsa)

= P(rechazar H0 / H1 es verdadera)
= P(Estadístico de prueba dentro de la región crítica/ H0 es falsa)
=1–β

Una potencia de 0,92 (1-β=0,92) implica que cuando la hipótesis nula sea falsa, en el 92% de los
casos la hipótesis nula será rechazada.

PASOS A SEGUIR AL PLANTEAR UNA HIPÓTESIS ESTADÍSTICA:

1. Identificar el parámetro de interés

2. Establecer las hipótesis H0 y H1.
3. Fijar un nivel de significación α
4. Describir la distribución de la población y del estadístico de prueba.
5. Establecer las regiones de aceptación y rechazo
6. Calcular el valor que toma el estadístico de prueba para la muestra seleccionada.
7. Tomar la decisión sobre la hipótesis nula (Aceptar o Rechazar)
8. Interpretar los resultados en el contexto del problema.

PRUEBA DE HIPOTESIS PARA μ CON σ2 CONOCIDA

Sea X1, …, Xn una muestra aleatoria de una distribución normal con media μ desconocida, y varianza poblacional
conocida. En este caso el interés recae en probar uno de los siguientes conjuntos de hipótesis

H0: μ = μ0 H0: μ = μ 0 H0: μ = μ

Hipótesis
H1: μ ≠ μ0 H1: μ < μ0 H1: μ > μ0
Estadístico x  0
Z ~ N (0,1)
de 
Prueba n
R.C.:{Z | Z  Z1 /2  Z  Z1 /2 } R.C.:{Z | Z   Z1 }
Región
Crítica
o equivalentemente o equivalentemente R.C.:{Z | Z  Z1 }
R.C.:{Z | Z  Z /2  Z  Z1 /2 } R.C.:{Z | Z  Z }

Ejemplo.

Una asociación de consumidores sostiene que el aceite comestible producido por cierta industria tiene en
promedio más de 12 gramos de ácidos grasos saturados. A partir de los datos muestrales que se presentan a
continuación, pruebe la afirmación de la asociación de consumidores considerando un nivel de significación del
5%. Suponga que la cantidad de ácidos grasos saturados sigue una distribución normal con varianza 12gr 2.
Los resultados de la muestra aleatoria son los siguientes:

12,00 11,00 6,10 10,90 11,00 9,90 14,40 16,00 15,20 17,00 11,00

Solución:

n  11 x  12, 23  2  12
  0.05  z1  z0,95  1, 645

1. X: Contenido de ácidos grasos saturados.

2019-1 DMAE E003 14 Prueba de Hipotesis 1 Muestra 10/06/2019

Estadística 6
DMAE E003
Prof. Edmundo Peña Rozas

El parámetro de interés es la media del contenido de ácidos grasos saturados.

2. H0: μ = 12 v/s H1: μ >12.
3. α=0.05
4.
x  0
X ~ N ( 0 ,12) Z ~ N (0,1)

n
5. R.C.:{Z | Z  Z1 } , es decir
R.C.:{Z | Z  Z 0.95}
R.C.:{Z | Z  1, 645}
6.
x  0 12, 23  12, 00
Z   0, 22
 12
n 11
7. Como el estadístico de prueba cae en la zona de aceptación, con los datos disponibles no es posible rechazar
la hipótesis nula.

8. De acuerdo a los antecedentes disponibles y con un 5% de significación se puede concluir que no existe
evidencia para afirmar que el contenido medio de ácidos grasos saturados sea superior a 12 gramos.

Ejemplo:

El gerente de producción de una empresa productora de suplementos alimenticios, informa que el contenido de
hierro cierto producto, tiene una distribución normal con un promedio de 200 mg por cada kilo de producto y una
desviación estándar de 5 mg. El departamento de control de calidad debe verificar que el promedio señalado por
el gerente de producción sea el correcto antes de lanzar el producto al mercado, motivo por el cual toma una
muestra de 10 bolsas de producto, obteniendo un contenido medio de 198 mg de Hierro por cada kilo de producto.
En base a estos antecedentes, y suponiendo que efectivamente se trata de una distribución normal con desviación
estándar de 5mg/kilo, si usted es el jefe del departamento de control de calidad, ¿qué decisión tomaría?

Solución:

1. X: Contenido de hierro por kilo de producto.

El parámetro de interés es la media del contenido de hierro por kilo de producto.
2. H0: μ = 200 v/s H1: μ ≠ 200.
3. α=0.05
4.
x  0
X ~ N (  0 ,25) Z ~ N (0,1)

n
5. R.C.:{Z | Z  Z /2  Z  Z1 /2 } , es decir
R.C.:{Z | Z  Z 0.025  Z  Z 0.975}
R.C.:{Z | Z  1.96  Z  1.96}
6.
x  0 198  200
Z   1.26
 5
n 10
7. Como el estadístico de prueba cae en la zona de aceptación, con los datos disponibles no es posible rechazar
la hipótesis nula.

2019-1 DMAE E003 14 Prueba de Hipotesis 1 Muestra 10/06/2019

Estadística 7
DMAE E003
Prof. Edmundo Peña Rozas

8. De acuerdo a los antecedentes disponibles se puede concluir que el contenido medio de Hierro por kilo de
producto es de 200 mg, por lo cual el producto puede salir al mercado.

Al utilizar Excel 2010, la función a emplear es PRUEBA.Z.N, que devuelve el valor p al aplicar la prueba a una
cola (cola derecha), su sintaxis es:

PRUEBA.Z.N(matriz;x;[sigma] Matriz corresponde a los datos de la muestra

X equivale a μ0
Sigma es σ. Si se omite, usa la desviación estándar de la muestra

Si se desea aplicar la Prueba Z a dos colas, se debe usar la siguiente sintaxis:

=2 * MIN(PRUEBA.Z.N(matriz;x;sigma); 1 - PRUEBA.Z.N(matriz;x;sigma)).

Ejemplo:

Supongamos que una muestra de 100 estudiantes universitarios de primer año arrojó una edad media de 20,205
años. Se supone que la edad de los estudiantes de primer año sigue una distribución normal con desviación
estándar poblacional de 1,25 años. Con un 5% de significación, probar las siguientes hipótesis:
a) H0: μ = 20 v/s H1: μ ≠ 20
b) H0: μ ≤ 21 v/s H1: μ > 21
c) H0: μ ≥ 20 v/s H1: μ < 20

Solución:

a) H0: μ = 20 v/s H1: μ ≠ 20

1. El parámetro de interés es la media de la edad de los estudiantes de primer año.

2. H0: μ = 20 v/s H1: μ ≠ 20.
3. α=0.05
4.
x  0
X ~ N ( 0 ;1,56) Z ~ N (0,1)

n
5. R.C.:{Z | Z  Z /2  Z  Z1 /2 } , es decir
R.C.:{Z | Z  Z 0.025  Z  Z 0.975}
R.C.:{Z | Z  1.96  Z  1.96}

6.
x  0 20, 205  20
Z   1, 64
 1, 25
n 100
7. Como el estadístico de prueba cae en la zona de aceptación, con los datos disponibles no es posible rechazar
la hipótesis nula.

8. De acuerdo a los antecedentes disponibles se puede concluir que la edad media de los estudiantes es de 20
años.

Como se trata de una prueba a dos colas, el p-valor se calcula como sigue:

2019-1 DMAE E003 14 Prueba de Hipotesis 1 Muestra 10/06/2019

Estadística 8
DMAE E003
Prof. Edmundo Peña Rozas

  
p  valor  2  P X  0 / 0  20  2 1  P X  0 / 0  20 
  
  
  20, 205  20  
 2 1  P  Z 
1, 25    2 1  P  Z  1, 64    2 1  0,9495  0,101
  
  100  
Utilizando Excel 2010, el cálculo del p-valor se logra de la siguiente manera:

=2 * MIN(PRUEBA.Z.N(matriz;x;sigma); 1 - PRUEBA.Z.N(matriz;x;sigma))
=2 * MIN(PRUEBA.Z.N(C2:C101;K5;1,25); 1 - PRUEBA.Z.N(C2:C101;K5;1,25))

b) H0: μ = 21 v/s H1: μ > 21

1. El parámetro de interés es la media de la edad de los estudiantes de primer año.

2. H0: μ = 21 v/s H1: μ > 21
3. α=0.05

4.
x  0
X ~ N ( 0 ;1,56) Z ~ N (0,1)

n

5. R.C.:{Z | Z  Z1 } , es decir

R.C.:{Z | Z  Z 0.95 }
R.C.:{Z | Z  1.645}
6.
x  0 20, 205  21
Z   6,36
 1, 25
n 100
7. Como el estadístico de prueba cae en la zona de aceptación, con los datos disponibles no es posible rechazar
la hipótesis nula.

8. De acuerdo a los antecedentes disponibles se puede concluir que la edad media de los estudiantes no supera
los 21 años.

2019-1 DMAE E003 14 Prueba de Hipotesis 1 Muestra 10/06/2019

Estadística 9
DMAE E003
Prof. Edmundo Peña Rozas

Como se trata de una prueba a una cola, el p-valor se calcula como sigue:

  
p  valor  P X  0 / 0  21  1  P X  0 / 0  21 
 
 20, 205  21 
 1 P  Z 
1, 25   1  P  Z  6,36   1
 
 100 

Con Excel 2010

=PRUEBA.Z.N(matriz;x;sigma)
=PRUEBA.Z.N(C2:C101;K11;L3)

c) H0: μ = 20 v/s H1: μ < 20

1. El parámetro de interés es la media de la edad de los estudiantes de primer año.

2. H0: μ = 20 v/s H1: μ < 20.
3. α=0.05

4.
x  0
X ~ N ( 0 ;1,56) Z ~ N (0,1)

n
5. R.C.:{Z | Z  Z } , es decir
R.C.:{Z | Z  Z 0.05}
R.C.:{Z | Z  1.645}
6.
x  0 20, 205  20
Z   1, 64
 1, 25
n 100
7. Como el estadístico de prueba no cae en la zona de rechazo, con los datos disponibles no es posible rechazar
la hipótesis nula.

2019-1 DMAE E003 14 Prueba de Hipotesis 1 Muestra 10/06/2019

Estadística 10
DMAE E003
Prof. Edmundo Peña Rozas

8. De acuerdo a los antecedentes disponibles se puede concluir que la edad media de los estudiantes es mayor
o igual a 20 años.

Como se trata de una prueba a dos colas, el p-valor se calcula como sigue:
 
 20, 205  20 

p  valor  P X  0 / 0  20  P  Z  1, 25   P  Z  1, 64   0,9495
 
 100 

Utilizando Excel 2010, el cálculo del p-valor se logra de la siguiente manera:

=1-PRUEBA.Z.N(matriz;x;sigma)
=1-PRUEBA.Z.N(C2:C102;K15;L3)

PRUEBA DE HIPOTESIS PARA μ CON σ2 DESCONOCIDA

Sea X1, …, Xn una muestra aleatoria de una distribución normal con media μ desconocida, y varianza
poblacional también desconocida. En este caso el interés recae en probar uno de los siguientes conjuntos de
hipótesis

H0: μ = μ0 H0: μ = μ 0 H0: μ = μ

Hipótesis
H1: μ ≠ μ0 H1: μ < μ0 H1: μ > μ0
Estadístico x  0
de
T ~ t n1
s
Prueba n
R.C.:{T | T  t( n1;1 /2)  T  t( n1;1 /2) } R.C.:{T | T  t( n1;1 ) }
Región R.C.:{T |T  t( n1;1 ) }
Crítica o equivalentemente o equivalentemente
R.C.:{T | T  t( n1; /2 )  T  t( n1;1 /2) } R.C.:{T | T  t( n1; ) }

Ejemplo:

Los datos que se presentan más abajo, corresponden al porcentaje de fibra que contiene cierto producto
alimenticio. El productor sostiene que el porcentaje de fibra de su producto es superior al 54%. Realice la prueba
de hipótesis correspondiente a objeto de confirmar o rechazar lo planteado por el productor.

57.8 56.2 61.9 54.4 53.6 56.4 53.2

2019-1 DMAE E003 14 Prueba de Hipotesis 1 Muestra 10/06/2019

Estadística 11
DMAE E003
Prof. Edmundo Peña Rozas

Solución:

1. X: porcentaje de fibra.

2. H0: μ = 54 v/s H1: μ > 54.

3. α=0.05
4.
x  0
X ~ N ( 0 ,  2 ) T ~ tn1
s
n
5. R.C.:{T |T  t( n1;1 ) } , es decir
R.C.:{T |T  t(6;0.95) }
R.C.:{T |T  1.94318}
6.
x  0 56.21  54.00
T   1.9512
s 9.015 / 7
n
7. Como el estadístico de prueba cae en la zona de rechazo, con los datos disponibles se rechaza la hipótesis
nula, optando por la hipótesis alternativa.

Se concluye con un nivel de significación del 5% que en promedio el porcentaje de fibra de este producto es
superior al 54%

En Excel no existe una función que permita calcular directamente esta prueba, razón por la cual es necesario
implementarla según se muestra a continuación.

A continuación se muestra el resultado que se obtiene al aplicar la prueba t para una muestra en Infostat.

2019-1 DMAE E003 14 Prueba de Hipotesis 1 Muestra 10/06/2019

Estadística 12
DMAE E003
Prof. Edmundo Peña Rozas

Con SPSS

Ejemplo:

Cuando las personas fuman, la nicotina que consumen se convierte en cotinina. Una muestra de 20 fumadores
de una marca específica de cigarrillos tiene un nivel de cotinina medio de 172,5 ng/ml y una desviación estándar
de 45 ng/ml. Aplique una prueba de hipótesis al 5% de significación que permita probar que el nivel medio de
cotinina en los fumadores de ese tipo de cigarrillos es menor a 180 ng/ml. Suponga que el nivel de cotinina se
distribuye normal.
Solución:

1. X: Contenido de cotinina.

2. H0: μ = 180 ng/ml v/s H1: μ < 180 ng/ml

3. α=0.05
4.
x  0
X ~ N ( 0 ,  2 ) T ~ tn1
s
n
5. R.C.:{T |T  t( n1;1 ) } , es decir
R.C.:{T |T  t(19;0,05) }
R.C.:{T |T  1,7291}
6.
x  0 172,5  180, 0
T   0, 745
s 45
n 20

2019-1 DMAE E003 14 Prueba de Hipotesis 1 Muestra 10/06/2019

Estadística 13
DMAE E003
Prof. Edmundo Peña Rozas

7. Como el estadístico de prueba no cae en la zona de rechazo, con los datos disponibles no es posible rechazar
la hipótesis nula.

8. Se concluye con un 5% de significación que el nivel medio de cotinina en fumadores de esa marca de
cigarrillos no es inferior a 180 ng/ml.

PRUEBA DE HIPÓTESIS PARA LA PROPORCION POBLACIONAL

H0: π = π 0 H0: π = π 0 H0: π = π 0

Hipótesis
H1: π ≠ π 0 H1: π < π 0 H1: π > π 0
p 0
Z ~ N (0,1)
Estadístico  0 (1   0 )
de
Prueba n

R.C.:{Z | Z  Z1 /2  Z  Z1 /2 } R.C.:{Z | Z   Z1 }

Región
Crítica o equivalentemente o equivalentemente R.C.:{Z | Z  Z1 }
R.C.:{Z | Z  Z /2  Z  Z1 /2 } R.C.:{Z | Z  Z }

Ejemplo:

El porcentaje de pacientes, que con los medicamentos actuales, se logra recuperar de cierto tipo de enfermedad
a la sangre es del 55%. Un grupo de investigadores desarrolló un nuevo fármaco, con el que aseguran que la
proporción de pacientes recuperados de esta enfermedad será superior a la tasa actual. A objeto de probar la
eficacia de este nuevo fármaco, se aplicó la nueva droga a un grupo de 150 pacientes que voluntariamente
accedieron a participar del experimento, logrando al término del experimento, la recuperación total de 90 de los
150 pacientes. De acuerdo a los resultados del experimento, ¿es posible afirmar que la nueva droga es mejor
que las actualmente en uso?

Solución:

1. X: Número de pacientes recuperados.

El parámetro de interés es la proporción de pacientes recuperados

2. H0: π = 0.55 v/s H1: π > 0.55

3. α=0.05
4.
p 0
Z ~ N (0,1)
 0 (1   0 )
n
5.

R.C.:{Z | Z  Z 0.95 }
R.C.:{Z | Z  1.64}

2019-1 DMAE E003 14 Prueba de Hipotesis 1 Muestra 10/06/2019

Estadística 14
DMAE E003
Prof. Edmundo Peña Rozas

p 0 0.60  0.55 0.05

Z    1.23
 0 (1   0 )
6.
0.55(1  0.55) 0.041
n 150

7. Como el estadístico de prueba cae en la zona de aceptación, con los datos disponibles no es posible rechazar
la hipótesis nula.

8. De acuerdo a los antecedentes disponibles se puede concluir que no hay evidencia suficiente para afirmar
que la nueva droga ofrece mejores resultados que los medicamentos actuales.

PRUEBA DE HIPÓTESIS PARA LA VARIANZA

Si la varianza σ2 de una población normal es desconocida, y queremos verificar si es igual o no a un

determinado valor, podemos plantear las siguientes pruebas:

H 0 : 2   02 H 0 : 2   02 H 0 : 2   02
Hipótesis
H1 : 2   02 H1 : 2   02 H1 : 2   02
Estadístico (n  1) S 2
 calc
2
~  n21
de  02
Prueba

Región
R.C.:{calc
2
| calc
2
 2 /2;n 1  R.C.:{ calc
2
|  calc
2
 2 ;n 1} R.C.:{ calc
2
|  calc
2
 12 ;n 1}
Crítica
calc
2
 12 /2;n1}

Ejemplo:

Suponga que el espesor de un componente de un semiconductor es una dimensión crítica. El proceso de

producción de tal característica se distribuye normalmente con una desviación estándar de 0.6 milésimas de
pulgada. Para controlar el proceso se toman muestras periódicas de veinte piezas, y se define un límite de control
con base en una probabilidad de 0.01 de que la varianza muestral exceda dicho límite, si el proceso está bajo
control. ¿Qué se puede concluir si para una muestra dada la desviación estándar es 0.84 milésimas de pulgada?

Solución:

El proceso se considera fuera de control si la desviación estándar muestral (o la varianza) exceden de un cierto
límite.

1. X: espesor del componente.

El parámetro de interés es la varianza del espesor del componente

2. H 0 : 2   02 v / s H 0 : 2   02
3. α=0.01
4.
(n  1) S 2
 calc
2
~  n21
 02

2019-1 DMAE E003 14 Prueba de Hipotesis 1 Muestra 10/06/2019

Estadística 15
DMAE E003
Prof. Edmundo Peña Rozas

5.
R.C.:{ calc
2
|  calc
2
 12 ;n 1}
R.C.:{ calc
2
|  calc
2
  0.99;20
2
1}

R.C.:{calc
2
| calc
2
 36.191}
(n  1) S 2 (20  1)0.84 2
6.  calc
2
  37.24
 02 0.6 2

7. Como el estadístico de prueba cae en la zona de rechazo, con un 1% de significación, se rechaza la hipótesis
nula.

8. De acuerdo a los antecedentes disponibles se puede concluir que el proceso se encuentra fuera de control.

Ejemplo:

Cuando las personas fuman, la nicotina que consumen se convierte en cotinina. Una muestra de 20 fumadores
de una marca específica de cigarrillos tiene un nivel de cotinina medio de 172,5 ng/ml y una desviación estándar
de 45 ng/ml. Aplique una prueba de hipótesis con una significación del 5% que permita probar que la desviación
estándar de la cotinina sea menor que 50 ng/ml. Suponga que el nivel de cotinina se distribuye normal.

Solución:

1. X: nivel de cotinina.
El parámetro de interés es la varianza del nivel de cotinina

2. H0 : 2   02 v / s H 0 : 2   02
3. α=0,95
4.
(n  1) S 2
 calc
2
~  n21
 02
5.
R.C.:{ calc
2
|  calc
2
 12 ;n 1}
R.C.:{ calc
2
|  calc
2
  0,05;20
2
1}

R.C.:{calc
2
| calc
2
 10,117}
(n  1) S 2 (20  1)452
6.  calc
2
  15,39
 02 502

7. Como el estadístico de prueba no cae en la zona de rechazo, con un 5% de significación, no se rechaza la

hipótesis nula.

8. De acuerdo a los antecedentes disponibles se puede concluir que la desviación estándar del nivel de cotinina
en los consumidores de esa marca de cigarrillos no es inferior a 50 ng/ml.

Bibliografía

 Triola, M. F. (2004). Estadística (9a. ed.). México Pearson Educación.

 Walpole, R. Myers, R. (2005). Probabilidad y Estadística, 4° ed., México: McGraw-Hill Interamericana.
 Webster, A., (2000), Estadística Aplicada a la Economía y los Negocios, 3°ed., Bogotá: McGraw-Hill

2019-1 DMAE E003 14 Prueba de Hipotesis 1 Muestra 10/06/2019