1

ÍNDICE
INTRODUCCIÓN 3
3.1 INTRODUCION 4
3.2 CONFIABILIDAD Y SIGNIFICANCIA. 5
3.3 ERRORES TIPO I Y TIPO II. 6
3.4 POTENCIA DE LA PRUEBA. 7
3.5 FORMULACIÓN DE HIPÓTESIS ESTADÍSTICAS. 8
3.6 PRUEBA DE HIPÓTESIS PARA LA MEDIA. 10
3.7 PRUEBA DE HIPÓTESIS PARA LA DIFERENCIA DE MEDIAS. 11
3.8 PRUEBA DE HIPÓTESIS PARA LA PROPORCIÓN. 11
3.9 PRUEBA DE HIPÓTESIS PARA LA DIFERENCIA DE 14
PROPORCIONES.
3.10 PRUEBA DE HIPÓTESIS PARA LA VARIANZA. 15
3.11 PRUEBA DE HIPÓTESIS PARA LA RELACIÓN DE VARIANZAS. 16
ANEXOS 17
CONCLUSIÓN 26
REFERENCIAS BIBLIOGRÁFICAS 27

INTRODUCCIÓN

La estadística desde su origen y a lo largo de la historia ha  mostrado un

respetable
Prestigio en las estrategias de hacer uso de la información recopilada con la

2
finalidad de analizar la información contenida en datos. Para ello ha procurado
disponer de herramientas que le permitan mayor eficiencia, sino también poder
medir longitudes, ordenar y contar objetos, o reconocer fenómenos de la
naturaleza.

La parte de la estadística que analiza y describe a una muestra se conoce como

estadística descriptiva, mientras que a la parte de la estadística que se ocupa de
generalizar al total de la población las características obtenidas al analizar una
muestra se le llama estadística inferencial. El muestreo es, precisamente, uno de
los principales aspectos a considerar en el estudio de las pruebas de hipótesis.

Los temas que aborda la unidad número Tres “Pruebas de hipótesis” de

Estadística Inferencial son: Introducción, confiabilidad y significancia, errores tipo i
y tipo ii, potencia de la prueba, formulación de hipótesis estadísticas, prueba de
hipótesis para la media, prueba de hipótesis para la diferencia de medias, prueba
de hipótesis para la proporción, prueba de hipótesis para la diferencia de
proporciones.

3.1 INTRODUCION
Las investigaciones son diseñadas para responder a múltiples preguntas; sin

3
embargo en el presente capítulo nos concentraremos en una de las preguntas
más simples: ¿existe una diferencia estadísticamente significativa entre un
estimador y el parámetro de la población o entre dos estimadores? Para responder
a esta pregunta recurrimos a la prueba de hipótesis o contrastes.

Al someter a prueba una hipótesis determinamos si dos valores numéricos

obtenidos de un diseño estadísticamente válido--son diferentes a un nivel de
significancia dado. Por ejemplo, podemos preguntarnos ¿es la precipitación
media anual en Cartago diferente a la precipitación media de Liberia para el
periodo 1950-1980? o ¿es el tratamiento pregerminativo “A” superior al “B”? En
estos casos, el objetivo del estudio es estimar las diferencias y su error, para luego
determinar si existe una diferencial estadística entre las variables medidas. Con
frecuencia a este tipo de estudios se les denomina comparativo ya que involucran
sólo dos grupos experimentales.

En el presente capítulo se trata el tema de prueba de significancia, prueba de

hipótesis o contrastes y se retoma del tema de intervalo de confianza y nivel de
significancia. Estos conceptos se utilizarán en los siguientes capítulos para
analizar datos provenientes de diseños más complejos.

A continuación se presentan los supuestos y procedimientos estadísticos

utilizados para comparar una media con un estándar o norma, dos medias
independientes y dos medias dependientes. A lo largo del capítulo usted se
familiarizará con términos como distribución de referencia, distribución de
probabilidad, prueba de significancia, distribución de t, normal y F.

3.2 CONFIABILIDAD Y SIGNIFICANCIA.

El valor α se llama “nivel de significancia o nivel de riesgo” y representa a la

4
probabilidad de que un nivel concreto del estadístico de contraste, caiga en la
zona de rechazo o crítica, es decir, es el conjunto de valores del estadístico de
contraste que nos lleva a la decisión de rechazar la hipótesis nula. El valor (1-
α) se llama “nivel de confianza”, es el conjunto de valores del estadístico de
contraste que nos lleva a la decisión de aceptar la hipótesis nula.
En los contrates unilaterales α está concentrada en uno de los dos extremos de la
distribución, en una única cola. En los contrastes bilaterales α se reparte entre los
dos extremos de la distribución, en las dos colas.
Los contrastes unilaterales suelen ser mejores que los contrates bilaterales. La
elección de uno u otro, está condicionada al planteamiento de la hipótesis
alternativa.

Ejemplo:
Si Ho ≤0.50
⇒
H1 > 0.50 Es unilateral.
Si Ho = 0.50
⇒
H1 ≠ 0.50 Es bilateral.

Nivel de Significancia: La probabilidad (α) más alta de rechazar H0 cuando H0 es

cierto se llama nivel de significancia.
Comentario: Para mantener la probabilidad de cometer el error tipo 1 baja,
debemos escoger un valor pequeño de α.
Usando un valor pre asignado de α se construye una región de rechazo o región
crítica en la curva normal estándar o en la curva t que indica si debemos rechazar
H0.
Región Crítica o de Rechazo: Una región crítica o de rechazo es una parte de la
curva de z o de la curva t donde se rechaza H0.
3.3 ERRORES TIPO I Y TIPO II.
ERROR DE TIPO I

5
Si usted rechaza la hipótesis nula cuando es verdadera, comete un error de tipo I.
La probabilidad de cometer un error de tipo I es α, que es el nivel de significancia
que usted establece para su prueba de hipótesis. Un α de 0.05 indica que usted
está dispuesto a aceptar una probabilidad de 5% de estar equivocado al rechazar
la hipótesis nula. Para reducir este riesgo, debe utilizar un valor menor para α. Sin
embargo, usar un valor menor para alfa significa que usted tendrá menos
probabilidad de detectar una diferencia si está realmente existe.

ERROR DE TIPO II
Cuando la hipótesis nula es falsa y usted no la rechaza, comete un error de tipo II.
La probabilidad de cometer un error de tipo II es β, que depende de la potencia de
la prueba. Puede reducir el riesgo de cometer un error de tipo II al asegurarse de
que la prueba tenga suficiente potencia. Para ello, asegúrese de que el tamaño de
la muestra sea lo suficientemente grande como para detectar una diferencia
práctica cuando está realmente exista.
La probabilidad de rechazar la hipótesis nula cuando es falsa es igual a 1–β. Este
valor es la potencia de la prueba.

Verdad acerca de la población

Decisión basada en la muestra
H0 es verdadera, H0 es falsa
No rechazar H0. Decisión correcta (probabilidad = 1 - α)
Error tipo II - no rechazar H0 cuando es falsa (probabilidad = β)
Rechazar H0. Error tipo I - rechazar H0 cuando es verdadera (probabilidad = α)
Decisión correcta (probabilidad = 1 - β)

Ejemplo de error de tipo I y tipo II

Para entender la interrelación entre los errores de tipo I y tipo II, y para determinar
cuál error tiene consecuencias más graves para su situación, considere el
siguiente ejemplo.
Un investigador médico desea comparar la efectividad de dos medicamentos. Las

6
hipótesis nula y alternativa son:
Hipótesis nula (H0): μ1= μ2
Los dos medicamentos tienen la misma eficacia.

Hipótesis alternativa (H1): μ1≠ μ2

Los dos medicamentos no tienen la misma eficacia.

Un error de tipo I se produce si el investigador rechaza la hipótesis nula y concluye

que los dos medicamentos son diferentes cuando, en realidad, no lo son. Si los
medicamentos tienen la misma eficacia, el investigador podría considerar que este
error no es muy grave, porque de todos modos los pacientes se beneficiarían con
el mismo nivel de eficacia independientemente del medicamento que tomen. Sin
embargo, si se produce un error de tipo II, el investigador no rechaza la hipótesis
nula cuando debe rechazarla. Es decir, el investigador concluye que los
medicamentos son iguales cuando en realidad son diferentes. Este error puede
poner en riesgo la vida de los pacientes si se pone en venta el medicamento
menos efectivo en lugar del medicamento más efectivo.

Cuando realice las pruebas de hipótesis, considere los riesgos de cometer errores
de tipo I y tipo II. Si las consecuencias de cometer un tipo de error son más graves
o costosas que cometer el otro tipo de error, entonces elija un nivel de
significancia y una potencia para la prueba que reflejen la gravedad relativa de
esas consecuencias.

3.4 POTENCIA DE LA PRUEBA.

La potencia de una prueba estadística o el poder estadístico es la probabilidad de
que la hipótesis nula sea rechazada cuando la hipótesis alternativa es verdadera
(es decir, la probabilidad de no cometer un error del tipo II). La potencia es en
general una función de las distribuciones posibles, a menudo determinada por un
parámetro, bajo la hipótesis alternativa. A medida que aumenta la potencia, las
posibilidades de que se presente un error del tipo II disminuyen. La probabilidad

7
de que ocurra un error de tipo II se conoce como la tasa de falsos negativos (β).
Por lo tanto la potencia es igual a 1 - β, que también se conoce como
la sensibilidad.
El análisis de poder se puede utilizar para calcular el tamaño mínimo de la
muestra necesario para que uno pueda detectar razonablemente un efecto de un
determinado tamaño. El análisis de poder también se puede utilizar para calcular
el tamaño del efecto mínimo que es probable que se detecte en un estudio usando
un tamaño de muestra dado. Además, el concepto de alimentación se utiliza para
hacer comparaciones entre diferentes procedimientos de análisis estadísticos: por
ejemplo, entre uno paramétrico y una prueba no paramétrica de la misma
hipótesis.

Cuando se plantea un experimento. Otra pregunta también muy recurrente es

aquella que se refiere a la fiabilidad de una prueba estadística que ya se ha
realizado: ¿me puedo fiar de la “p” que he obtenido? Esta pregunta se hace
frecuentemente cuando los resultados de una prueba estadística no son
significativos: no lo son porque verdaderamente no hay un efecto, o el problema
es que tenemos un tamaño maestral tan reducido que no somos capaces de
detectar estadísticamente un efecto que por otro lado podría ser biológicamente
importante.

A la primera pregunta (el tamaño maestral adecuado) se puede contestar mirando

por ejemplo un libro de estadística que, según el análisis estadístico que estemos
realizando y la distribución de nuestros datos, nos hará una serie de
recomendaciones generales para escoger el tamaño maestral más adecuado.

3.5 FORMULACIÓN DE HIPÓTESIS ESTADÍSTICAS.

Procedimiento sistemático para una prueba de hipótesis de una muestra
Paso 1: Plantear la hipótesis nula Ho y la hipótesis alternativa H1.
Cualquier investigación estadística implica la existencia de hipótesis o
afirmaciones acerca de las poblaciones que se estudian.

8
La hipótesis nula (Ho) se refiere siempre a un valor especificado del parámetro de
población, no a una estadística de muestra. La letra H significa hipótesis y el
subíndice cero no hay diferencia. Por lo general hay un "no" en la hipótesis nula
que indica que "no hay cambio" Podemos rechazar o aceptar Ho.

La hipótesis nula es una afirmación que no se rechaza a menos que los datos
maestrales proporcionen evidencia convincente de que es falsa. El planteamiento
de la hipótesis nula siempre contiene un signo de igualdad con respecto al valor
especificado del parámetro.
La hipótesis alternativa (H1) es cualquier hipótesis que difiera de la hipótesis nula.
Es una afirmación que se acepta si los datos maestrales proporcionan evidencia
suficiente de que la hipótesis nula es falsa. Se le conoce también como la
hipótesis de investigación. El planteamiento de la hipótesis alternativa nunca
contiene un signo de igualdad con respecto al valor especificado del parámetro.

Paso 2: Seleccionar el nivel de significancia.

Nivel de significancia: 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.

9
3.6 PRUEBA DE HIPÓTESIS PARA LA MEDIA.
El propósito de la prueba de hipótesis es determinar si un valor propuesto
(hipotético) para un parámetro poblacional, por ejemplo para una media, debe
aceptarse como plausible con base en la evidencia maestral. Recuérdelas
distribuciones de muestreo, en general el valor de una media muestral difiere del
valor de la media poblacional.

Si el valor de un estadístico muestral, como la media maestral es cercano al valor

propuesto con parámetro y solo difiere en una cantidad que resulta des esperarse
debido al muestreó aleatorio, entonces no se rechaza el valor hipotético. Si el
estadístico maestral difiere del valor propuesto en una cantidad que no es
atribuible a la casualidad, entonces se rechaza la hipótesis por No considerarse
plausible. Se han desarrollado tres métodos para pruebas de hipótesis, todos ellos
conducentes a la misma decisión cuando se usan los mismos estándares de
probabilidad y de riesgo.

Independientemente del método que se utilice en las pruebas de hipótesis,

observe que cuando se rechaza el valor hipotético, y por tanto se acepta, esto no
constituye una prueba de que el valor hipotético sea correcto. La aceptación de un
valor propuesto como un parámetro simplemente indica que es un valor plausible
de acuerdo con el valor observado en el estadístico muestral.
PRUEBA DE HIPOTESIS PARA LA MEDIA
Prueba de hipótesis de
Hipótesis para µ

µ Conocida µ Desconocida

Asumir actualmente la desviacion estandar poblacional µ es conocía

10
3.7 PRUEBA DE HIPÓTESIS PARA LA DIFERENCIA DE MEDIAS.
Cuando se trabaja simultáneamente con una variable categórica (posible VI) y una
variable dependiente (posible VD). Se debe considerar el número de niveles de la
variable categórica. El objetivo es comparar los valores de la variblae cuantittiava
en función de los niveles de la variable categórica. Se asume que los grupos son
independientes. Cuando se trabaja con muestras relacionadas, lo que significa dos
mediciones cuantittivas en el mismo grupo. Lo habitual es considerar al mismo
grupo de sujetos medidos dos veces; también se pueden com parar a pares de
sujetos (gemelos).

Si queremos comparar la media entre dos poblaciones, tendremos dos variables

con distribución normal y para las que queremos contrastar la diferencia de sus
medias. Un buen estadístico para diferencia de medias poblacionales μ x - μ y es la
distribución maestral de la diferencia de medias cuya distribución se aproxima a
una normal.

FASES DE HIPÓTESIS.

1. Se formula la hipótesis nula H0 y la hipótesis alternativa H1.

2. Se establece el nivel de significación
3. Se realiza el estadístico de prueba.
4. Se realiza la regla de decisión
5. Interpretación de la decisión (Toma de decisión).
6.- Conclusión de los resultados.

3.8 PRUEBA DE HIPÓTESIS PARA LA PROPORCIÓN.

Las pruebas de proporciones son adecuadas cuando los datos que se están
analizando constan de cuentas o frecuencias de elementos de dos o más clases.
El objetivo de estas pruebas es evaluar las afirmaciones con respecto a una
proporción (o Porcentaje) de población.
Las pruebas se basan en la premisa de que una proporción maestral (es decir, x

11
ocurrencias en n observaciones, o x/n) será igual a la proporción verdadera de la
población si se toman márgenes o tolerancias para la variabilidad maestral. Las
pruebas suelen enfocarse en la diferencia entre un número esperado de
ocurrencias, suponiendo que una afirmación es verdadera, y el número observado
realmente. La diferencia se compara con la variabilidad prescrita mediante
una distribución de muestreo que tiene como base el supuesto de que Ho es
realmente verdadera.
En muchos aspectos, las pruebas de proporciones se parecen a las pruebas de
medias, excepto que, en el caso de las primeras, los datos muéstrales se
consideran como cuentas en lugar de como mediciones. Por ejemplo, las pruebas
para medias y proporciones se pueden utilizar para evaluar afirmaciones con
respecto a:

1) Un parámetro de población único (prueba de una muestra)

2) La igualdad de parámetros de dos poblaciones (prueba de dos muestras), y
3) La igualdad de parámetros de más de dos poblaciones (prueba de k muestras).
Además, para tamaños grandes de muestras, la distribución de muestreo
adecuada para pruebas de proporciones de una y dos muestras es
aproximadamente normal, justo como sucede en el caso de pruebas de medias de
una y dos muestras.
Prueba de proporciones de una muestra. Una prueba de una muestra.
La metodología de prueba depende de si el número de observaciones de la
muestra es grande o pequeño.
Como se habrá observado anteriormente, las pruebas de grandes muestras de
medias y proporciones son bastante semejantes.
De este modo, valores estadísticos de prueba miden la desviación de
un valor estadístico de muestra a partir de un valor propuesto. Y ambas pruebas
se basan en la distribución normal estándar para valores críticos. Quizá la única
diferencia real entre las ambas radica en la forma corno se obtiene la desviación
estándar de la distribución de muestreo.
Esta prueba comprende el cálculo del valor estadístico de prueba Z.

12
Posteriormente este valor es comparado con el valor de Z, obtenido a partir de una
tabla normal a un nivel de significación seleccionado.

Como ocurrió con la prueba de medias de una muestra, las pruebas de

proporciones pueden ser de una o dos colas .La primera alternativa establecen
una prueba de cola derecha, la segunda, izquierda y la tercera, una prueba de dos
colas.
El objetivo de una prueba de dos muestras es determinar si las dos muestras
independientes fueron tomadas de dos poblaciones, las cuales presentan la
misma proporción de elementos con determinada característica.

La prueba se concentra en la diferencia relativa (diferencia dividida entre la

desviación estándar de la distribución de muestreo) entre las dos proporciones
muéstrales. Diferencias pequeñas denotan únicamente la variación
casual producto del muestreo (se acepta H0), en tanto que grandes diferencias
significan lo contrario (se rechaza H0). El valor estadístico de prueba (diferencia
relativa) es comparado con un valor tabular de la distribución normal, a fin de
decidir si H0 es aceptada o rechazada. Una vez más, esta prueba se asemeja
considerablemente a la prueba de medias de dos muestras.

13
3.9 PRUEBA DE HIPÓTESIS PARA LA DIFERENCIA DE
PROPORCIONES.

El estadístico de prueba que permite contrastar   Ho: π 1=π 2 frente a

H 1: π 1≠ π 2 partir de dos muestras aleatorias e independientes es:

P1−P2
Z=
  P(1−P) P(1−P)  
√ n1
+
n2

Siendo p la estimación de π obtenida del total de observaciones.

Si se consideran las proporciones como medias y se aplica la prueba t utilizada

para comparar medias poblacionales los resultados no son fiables ya que la
estimación del error típico que realiza el programa no coincide con la del
estadístico de prueba. Para resolver el problema con el programa SPSS se deberá
cruzar la variable analizada con la que define los grupos (obtener la tabla de
contingencia) y realizar el contraste de independencia Chi-cuadrado.

2 2
2 (Oij −Eij) 2
El estadístico de prueba Chi-cuadrado se define:  x =∑ ∑ y presenta
j=1 i=1 Eij
una distribución Chi-cuadrado con (I-1) (J-1) grados de libertad. Las Eij se calculan
multiplicando las frecuencias marginales y dividendo el producto por n. Estas Sij
son estimaciones de las frecuencias absolutas que cabría esperar en cada casilla
bajo el supuesto de que la proporción de éxitos es la obtenida a partir del total de
observaciones muéstrales sin considerar diferencias entre los dos grupos.

La secuencia es:

 Analizar
 Estadísticos Descriptivos
 Tablas de contingencia

14
3.10 PRUEBA DE HIPÓTESIS PARA LA VARIANZA.
Pruebas de hipótesis para una varianza. Es un procedimiento para juzgar si una
propiedad que se supone cumple una población estadística es compatible con lo
observado en una muestra de dicha población en este caso la varianza, para ello
formularemos dos Hipótesis (llamada "Hipótesis Nula") y (llamada "Hipótesis
Alternativa"), con ellas realizaremos una o más pruebas, para tratar de encontrar
cual deberíamos rechazar.

En este procedimiento lo que buscamos es, mediante unos criterios de rechazo

preestablecidos, tratar de desmentir nuestra “Hipótesis Nula” por lo cual tomaríamos
la “Hipótesis alternativa”, de lo contrario no rechazaríamos nuestra “Hipótesis Nula”
y desecharíamos la “Hipótesis la función Chi cuadrado tiene una distribución de
datos de la siguiente forma:

Lo que nos da a entender que a diferencia de las distribuciones normales y t

Student que hemos venido trabajando, Chi cuadrado no es simétrica, es por esto
que cuando hallamos los límites para una prueba de hipótesis a dos colas, debemos
hallar el chi cuadrado de y, a diferencia de las otras dos distribuciones mencionadas
anteriormente, en las cuales solo era necesario calcular uno de estos valores y el
otro limite se conocería multiplicando el hallado por 1. A continuación enseñaremos
a manejar la tabla de la distribución Chi cuadrado. En esta nos dan dos parámetros,
el primero es en el que nos relaciona con, y el segundo que representa los grados
de libertad, para efectos prácticos.

Ji cuadrada se representa como la siguiente expresión

2 ( n−1 ) s 2
x=
σ2

15
3.11 PRUEBA DE HIPÓTESIS PARA LA RELACIÓN DE VARIANZAS.
En una forma análoga a las ya descritas para las medias y proporciones, también
interesa determinar si las dos poblaciones tienen o no la misma variabilidad.

Para poder comparar la igualdad de las varianzas de dos poblaciones

independientes, se ha ideado un procedimiento estadístico basado en la razón de
las dos varianzas muéstrales. Si los datos de cada población se suponen
distribuidos normalmente, entonces la razón S12/S22 sigue una distribución
llamada distribución F, que recibe el nombre en honor de R. A. Fisher. El valor
crítico de la distribución F depende de "dos" conjuntos de grados de libertad: los
grados de libertad en el numerador y en el denominador. El estadístico de la
prueba para probar la razón entre las dos varianzas sería.

En donde
n1 = tamaño de la muestra del grupo 1
n2 = tamaño de la muestra del grupo 2
n1 - 1 = grados de libertad en el grupo 1
n2 - 1 = grados de libertad en el grupo 2
S12 = varianza de la muestra del grupo 1
S22 = varianza de la muestra del grupo 2

16
ANEXOS
3.7 PRUEBA DE HIPÓTESIS PARA LA DIFERENCIA DE MEDIAS.

1. Para encontrar si un nuevo suero detiene la leucemia, se seleccionan nueve

ratones, todos con una etapa avanzada de la enfermedad. Cinco ratones
reciben el tratamiento y cuatro no. Los tiempos de sobrevivencia en años, a
partir del momento en que comienza el experimento son los siguientes:

Con 2.1 5.3 1.4 4.6 0.9

Tratamiento

Sin Tratamiento 1.9 0.5 2.8 3.1  

¿Se puede decir en el nivel de significancia del 0.05 que el suero es efectivo?
Suponga que las dos poblaciones se distribuyen normalmente con varianzas
iguales.

Solución:

Primero se probará el supuesto de varianzas iguales con un ensayo de hipótesis

bilateral utilizando la distribución Fisher.

Datos:

Con tratamiento

s= 1.97

n=5

Sin tratamiento

s = 1.1672

n=4

Ensayo de hipótesis:

17
Estadístico de prueba:

 La sugerencia que se hace es que el numerador sea el de valor mayor .

Entonces los grados de libertad uno será el tamaño de la muestra de la población uno
menos uno.  1= 5-1 = 4 y  2  = 4-1=3.

Regla de decisión:

Si 0.10  Fc   15.1 No se rechaza Ho,

Si la Fc < 0.10 ó si Fc > 15.1 se rechaza Ho.

Cálculo:

Decisión y Justificación:

Como 2.85 esta entre los dos valores de H o no se rechaza , y se concluye con un   
= 0.05 que existe suficiente evidencia para decir que las varianza de las poblaciones
son iguales.

Con la decisión anterior se procede a comparar las medias:

Ensayo de Hipótesis

18
Ho;  -
CT =0
ST

H1;  -
CT  >0
ST

Los grados de libertad son (5+4-2) = 7

Regla de decisión:

Si tR  1.895 No se Rechaza Ho

Si tR > 1.895 se rechaza Ho

Cálculos:

por lo tanto sp = 1.848

Justificación y decisión:

Como 0.6332 es menor que 1.895, no se rechaza H o, y se concluye con un nivel de

significancia del 0.05 que no existe suficiente evidencia para decir que el suero
detiene la leucemia.

3.8 PRUEBA DE HIPÓTESIS PARA LA PROPORCIÓN.

19
El expendio Pollos Deliciosos asegura que 90% de sus órdenes se entregan en
menos de 10 minutos. En una muestra de 100 órdenes, 82 se entregaron dentro de
ese lapso. Puede concluirse en el nivel de significancia 0,01, que menos de 90% de
las órdenes se entregan en menos de 10 minutos?

20
 

3.9 PRUEBA DE HIPÓTESIS PARA LA DIFERENCIA DE PROPORCIONES.

la administración de las tiendas Oxxo cree, sobre la base de una investigación, que el
porcentaje de hombres que visitan sus tiendas 9 o más veces al mes (clientes
frecuentes) es mayor que el porcentaje de mujeres que hacen lo mismo. Las
especificaciones requeridas y el procedimiento para probar esta hipótesis es la
siguiente:

1. Las hipótesis nula y alternativa son las siguientes:

H o =P H −PM ≤0 , la proporción de hombres que reportan 9 o más visitas por

mes es la misma o menor que la proporción de mujeres que hacen lo mismo.

H a =P H −PM >0 , la proporción de hombres que reportan 9 o más visitas por

mes es mayor a la proporción de mujeres que hacen lo mismo.

La información proporcionada es:

n H =45 n M =71
PH =.58 PM =. 42
PH −P M =.58−. 42=. 16
2. Especifica el nivel de significación de α=. 05 . El valor crítico para la prueba
de una sola cola es de 1.64.

3. Estima el error estándar de la diferencia de las dos proporciones:

1 1
h−m
√
s p = P (1−P)
donde:
( +
nH nM )
n H P H +nM P M
P=
nH +n M
PH = proporción muestra de hombres (H)
PM = proporción muestra de mujeres (M)
NH = tamaño de muestra hombres

21
NM = tamaño de muestra mujeres
Por lo tanto:
45(.58 )+71(. 42)
P= =0 . 48
45+71
y

1 1
h−m
√
s p = . 48(1−. 48 ) ( + =0 .10
45 71
4. Calcula de prueba estadística:
)
( diferenciaentre )−( diferenciaentre )
Z= proporciones observadas proporciones¿

sp
h− m

(. 58−. 42)−(0 )
Z= =1 . 60
.10
La hipótesis nula es aceptada porque el valor de la Z calculada es menor que el valor
crítico Z. La administración no puede concluir con un 95 por ciento de confianza que
la proporción de hombres que visita 9 o más veces los Oxxo es mayor que la
proporción de mujeres.

SPSS no cuenta con procedimientos para hacer pruebas de hipótesis de

proporciones. Probemos si el porcentaje de hombres dueños de microempresas es
estadísticamente diferente del porcentaje de mujeres.

1634 (83 .9 )+314(16 . 1)

P= =72. 97
1634+314
y

1 1
h−m
√
s p = . . 73(1−. .73 ) ( +
1634 314
=0. 0274 )
(. 839−.161 )−( 0)
Z= =24 . 74
.0274

La hipótesis nula es rechazada porque el valor de la Z calculada es mayor que el

valor crítico Z. Podemos concluir que el porcentaje de hombres dueños de
microempresas es estadísticamente superior al porcentaje de mujeres propietarias de
microempresas.

22
3.10 PRUEBA DE HIPÓTESIS PARA LA VARIANZA.

Un fabricante de detergente liquido esta interesado en la uniformidad de la maquina

utilizada para llenar botellas de manera especifica es deseable que la varianza sea;
0.01 onzas² del liquido. Al tomar una muestra aleatoria de 20 botellas se obtiene una
varianza muestral (s²) para el volumen de llenado de ese cuadrado s²=0.0153.
(distribución normal)
El fabricante esta preocupado por que piensa que la variación del proceso es mayor
que la variación histórica. Con un α=0.05, el fabricante tiene elementos que sustenten
se preocupación?
1) H0: σ²≤0.01
H1: σ²≤0.01

2) Calcular valores críticos.

3)Decisión.

X 2 < X 2 X 20.05,15

No hay evidencia estadística para no aceptar H0.

Conclusión:

Existe evidencia que la varianza no es mayor al valor histórico por lo tanto, no es

necesario hacer ajustes al proceso de llenado.

23
3.11 PRUEBA DE HIPÓTESIS PARA LA RELACION DE VARIANZAS
Un ecólogo afirma que la temperatura del agua en los ríos de páramo es más
homogénea que la temperatura del agua en los ríos de selva nublada, para lo cual
determinó la temperatura máxima diaria en ríos de ambas zonas.¿Apoyan los
resultados la hipótesis del investigador?. Se sabe que la temperatura tiene una
distribución normal y se dispone de la información siguiente:

Formulación de hipótesis: Si se considera que y son las varianzas de la

temperatura del agua en los ríos de páramo y selva nublada respectivamente, y
además que la temperatura del agua en los ríos de páramo es menos variable,
entonces las hipótesis a plantear son las siguientes:

Especificación de un valor de probabilidad crítico o nivel de significación: α = 0.05

Elección de un estadístico de la muestra y de su distribución para someter a
prueba las hipótesis.
Puesto que se trata de la comparación de dos varianzas el estadístico de
prueba es:

Establecer una zona de aceptación para Ho.

Cómputos necesarios.

24
Decisión.
Como Fo = 2.69 > f (0.95 : 25/16) = 2.23 el valor del estadístico de prueba se encuentra
dentro de la zona de rechazo de Ho. Por lo tanto se concluye que los datos
proporcionan suficiente evidencia para rechazar Ho. Entonces, de acuerdo a la
información obtenida de la muestra se puede afirmar con un 95% de confianza
que las varianzas de la temperatura del agua en en los ríos de selva nublada es
mayor que la de los ríos de páramo

25
CONCLUSIÓN
En estadística inferencial se llama estimación al conjunto de técnicas que permiten
dar un valor aproximado de un parámetro de una población a partir de los datos
proporcionados por una muestra, ejemplo de hipótesis, Usted utiliza el valor p para
tomar esa decisión. Si el valor p es menor que el nivel de significancia (denotado
como α o alfa), entonces puede rechazar la hipótesis nula.

La Estadística Inferencial está fundamentada en los resultados obtenidos del

análisis de una muestra de población, con el fin de inferir el comportamiento o
característica de la población, Como sabemos La hipótesis nula (H0) constituye
una parte esencial de cualquier diseño de investigación y siempre es puesta a
prueba, aunque sea indirectamente, aunque el principio es un poco más complejo.

26
REFERENCIAS BIBLIOGRAFICAS

Borroemo, Estadística,
Facultad de Ingeniería
UNAM, México 1985.

Algebra Intermedia
Autor¬: Allen R. Ángel,
4ta Edición,
Editorial: Prentice

Algebra lineal fundamentos y aplicaciones"

Autor: Kolman, Bernard
Editorial: Pearson educación

Bongiovanni, Vincenzo y otros.

Matemática e Vida. 2o Grau.
Volumen 2
Editora Ática S.A.
Sao Paulo. Brasil. 1993.

Hines, Montgomery; Estadística Inf.

Edit. CECSA, 3ª edición,
México 1993.

Canavás, Estadística Inferencial I,

Edit. Mc Graw Hill, México 1988

27