Estadística FI – 2012 Mauro Marcinkevicius

Prueba de Hipótesis

¿Qué es una prueba de hipótesis?

Es una técnica estadística que nos sirve para juzgar si una

propiedad (parámetro) en una población es compatible
con lo observado en una muestra de dicha población.
 Estadística FI – 2012 Mauro Marcinkevicius

Prueba de Hipótesis

¿Qué es una prueba de hipótesis?

Es una técnica estadística que nos sirve para juzgar si una

propiedad (parámetro) en una población es compatible
con lo observado en una muestra de dicha población.

Para realizar este test, debemos formular las hipótesis a

contrastar:
Hipótesis Nula – H0
Hipótesis Alternativa - H1
 Estadística FI – 2012 Mauro Marcinkevicius

Prueba de Hipótesis

Hipótesis Nula – H0
Es la hipótesis que se desea comprobar. Se llama así
porque se establece que no hay diferencia real entre el
verdadero valor poblacional y el que suponemos debería
valer.

Hipótesis Alternativa – H1
Es el complemento de la hipótesis nula. Esto quiere decir
que todos los valores posibles del parámetro en estudio
que no están contemplados en H0 se contemplan acá.
 Estadística FI – 2012 Mauro Marcinkevicius

Prueba de Hipótesis

Ej:
H0: μ=0 α/2 α/2
H1: μ≠0

H0: μ=0
α
H1: μ<0

H0: μ=0
α
H1: μ>0
 Estadística FI – 2012 Mauro Marcinkevicius

Prueba de Hipótesis

Errores de Tipo I y de Tipo II

H0 Rechazo No rechazo
Verdadera Error I Bien
Falsa Bien Error II
 Estadística FI – 2012 Mauro Marcinkevicius

Prueba de Hipótesis

Nivel de significación

α = probabilidad de cometer error de tipo I.

β = probabilidad de cometer error de tipo II.

β α

μ0 Pc μ1

1 – β = Potencia de la prueba.
 Estadística FI – 2012 Mauro Marcinkevicius

Prueba de Hipótesis

Pasos a seguir en una prueba de hipótesis

1) Planteo de la Hipótesis

2) Elección del nivel de significación.

3) Elección del estadístico de prueba ó variable pivotal.

4) Determinación de la región crítica y la regla de decisión

5) Cálculos

6) Decisión y Conclusión.
 Estadística FI – 2012 Mauro Marcinkevicius

Prueba de Hipótesis

Prueba de hipótesis para μ conociendo σ²

Ej: Se realizó un experimento en donde 45 bolillas de

acero, lubricadas con parafina purificada, estaban sujetas
a una carga de 40 kg a 6000 rpm durante 60 min. El
promedio de desgaste, medido por la reducción del
diámetro fue de 673,2 μm. La especificación para el
lubricante es que el desgaste promedio es menor a 675
μm con un desvío estándar de 14,9 μm.

¿Cumple la muestra estudiada con las especificaciones

del fabricante?
 Estadística FI – 2012 Mauro Marcinkevicius

Prueba de Hipótesis

1) H0: μ ≥ 675 μm ; H1: μ < 675 μm

2) α = 0,01
x −μ
̄
3) EP ó VP: Z=
σ/√n

4) RD:
Si Zc ≤ Z(0,01) Rechazo H0
α=0,01
Si Zc > Z(0,01) No Rechazo H0

RC
 Estadística FI – 2012 Mauro Marcinkevicius

Prueba de Hipótesis

5)
x −μ 673,2−675
̄
Z= = =−0,81
σ/√n 14,9 / √ 45

Z(0,01) = -2,33 (Punto crítico - PC)

 Estadística FI – 2012 Mauro Marcinkevicius

Prueba de Hipótesis

6) Como: Zc > Z(0,01) ; -0,81 ≥ -2,33

No Rechazo H0

Por lo tanto, con un nivel de significación del 1%, el

promedio de desgaste de las bolillas, usando parafina
purificada como lubricante, podría ser mayor o igual a 675
μm.

La muestra no cumpliría con las especificaciones del

fabricante.
 Estadística FI – 2012 Mauro Marcinkevicius

Prueba de Hipótesis

Prueba de hipótesis para μ desconociendo σ²

Antes de que una sustancia se pueda considerar segura

como residuo, para ser enterrada, se deben caracterizar
sus propiedades químicas.
En una planta de tratamiento de agua residual se toman 6
muestras de lodo y se determina que el Ph promedio es
de 7,34, con S = 0,2. ¿Se puede concluir que la media del
Ph es menor o igual a 7.0?
 Estadística FI – 2012 Mauro Marcinkevicius

Prueba de Hipótesis

1) H0: μ ≤ 7 ; H1: μ > 7

2) α = 0,05
x −μ
̄
3) EP ó VP: t=
S /√n

4) RD:
Si tc > t(0,95; 5) Rechazo H0
α = 0,05
Si tc ≤ t(0,95; 5) No Rechazo H0
 Estadística FI – 2012 Mauro Marcinkevicius

Prueba de Hipótesis

5)
x −μ
̄ 7,34−7
t= = =4,19
S /√n 0,2/ √ 6

t(1-α;gl) = t(0,95, 5) = 2,01505 (Punto crítico - PC)

 Estadística FI – 2012 Mauro Marcinkevicius

Prueba de Hipótesis

6) Como: tc > t(0,95,5) ; 4,19 ≥ 2,01

Rechazo H0

Por lo tanto, con un nivel de significación del 5%, el Ph

promedio en las muestras de lodo sería mayor 7.
 Estadística FI – 2012 Mauro Marcinkevicius

Prueba de Hipótesis

Pueba de hipótesis para la varianza - σ²

En un proceso de fabricación de placas de silicio cubiertas

con tungsteno, para pasar el control de calidad las placas
no deben tener una variabilidad mayor de 0,3 (μΩ)² en la
resistencia promedio.
Se extrae una muestra de 30 placas y al medir la
resistencia se obtuvo una variabilidad de 0,32 (μΩ)².
¿Pasará la muestra el control de calidad?
 Estadística FI – 2012 Mauro Marcinkevicius

Prueba de Hipótesis

1) H0: σ² ≤ 0,3 ; H1: σ² > 0,3

2) α = 0,05
(n−1) S²
3) EP ó VP: χ ²=
σ²

4) RD:
Si χ²c ≤ χ²(0,95; 29) Rechazo H0
α = 0,05
Si χ²c > X²(0,95; 29) No Rechazo H0
 Estadística FI – 2012 Mauro Marcinkevicius

Prueba de Hipótesis

5)
(n−1) S² (30−1)0,32
χ ²= = =30,93
σ² 0,3

Χ²(1-α;gl)= χ²(0,95; 29)= 42,5569 (Punto crítico - PC)

 Estadística FI – 2012 Mauro Marcinkevicius

Prueba de Hipótesis

6) Como: Χ²c < Χ²(0,95,29); 30,93 < 45,55

No Rechazo H0

Por lo tanto, con un nivel de significación del 5%, se

podría decir que la variabilidad en la resistencia promedio
es menor o igual 30 (μΩ)².
Esto significa que la muestra pasa el control de calidad.
 Estadística FI – 2012 Mauro Marcinkevicius
Análisis de Frecuencias – Usos de Chi ²-
Tablas de Contingencia

Cuando se tiene datos en forma de frecuencias se puede

realizar una prueba de hipótesis utilizando como
distribución de contraste, la distribución Chi² ya vista.

Para esto hay que tener algunas consideraciones

particulares.
 Estadística FI – 2012 Mauro Marcinkevicius
Análisis de Frecuencias – Usos de Chi ²-
Tablas de Contingencia

Cuando se tiene datos en forma de frecuencias se puede

realizar una prueba de hipótesis utilizando como
distribución de contraste, la distribución Chi² ya vista.

Para esto hay que tener algunas consideraciones

particulares.

Frecuencias observadas: en la muestra aleatoria, la

frecuencias absoluta que se observa para cada categoría
a considerar.

Frecuencias esperadas: la frecuencias que se esperaría

tener en cada categoría si la hipótesis nula fuera cierta.
 Estadística FI – 2012 Mauro Marcinkevicius
Análisis de Frecuencias – Usos de Chi ²-
Tablas de Contingencia

Se utiliza como estadístico de contraste:

2
(O – E )
χ 2 =∑ i i
Ei

Analicemos la expresión.
 Estadística FI – 2012 Mauro Marcinkevicius
Análisis de Frecuencias – Usos de Chi ²-
Tablas de Contingencia

Podemos realizar tres pruebas diferentes según la

pregunta que nos aqueja:

- Prueba de Bondad de ajuste (Una variable con sus

categorías y las frecuencias observadas para cada categoría)

- Prueba de Independencia Dos variables con sus

categorías y las frecuencias
- Prueba de Homogeneidad observadas para cada
combinación de posible.
 Estadística FI – 2012 Mauro Marcinkevicius
Análisis de Frecuencias – Usos de Chi ²-
Tablas de Contingencia

Bondad de Ajuste

En una universidad se espera que en el corriente año la

matricula de los alumnos siga el nivel histórico por
facultad. Se conoce que históricamente la cantidad de
alumnos inscriptos es la misma en todas las facultades.
Los siguientes datos presentan la matricula actual:
FACULTAD N⁰ INSCRIPTOS
Ingeniería 300
Ciencias Naturales 220
Hum. Y Cs Sociales 320
Económicas 180
TOTAL 1020
 Estadística FI – 2012 Mauro Marcinkevicius
Análisis de Frecuencias – Usos de Chi ²-
Tablas de Contingencia

Independencia

Se desea conocer si la proporción cemento-arena en una

mezcla de hormigón para la construcción de edificios tiene
alguna relación con la resistencia que tendrá el hormigón
al fraguar. Para esto se toman 88 muestras de hormigón y
se las clasifica según la siguiente tabla:

Muy resistente Poco resistente Total

60/40 32 14 46
70/30 26 16 42
Total 58 30 88
 Estadística FI – 2012 Mauro Marcinkevicius
Análisis de Frecuencias – Usos de Chi ²-
Tablas de Contingencia

Homogeneidad

Una empresa electrónica está desarrollando un nuevo

equipo de medición para la intensidad de corriente que
promete ser mas exacto que el modelo en vigencia. Para
comparar los dos instrumentos se tomaron 300
mediciones con cada uno y se vuelcan los datos en la
siguiente tabla:
Buena Muy buena Total
Nuevo 110 190 300
Viejo 160 140 300
Total 270 330 600