Lección 4

Teoría de las decisiones estadísticas

Hipótesis
Para tomar decisiones necesitamos hacer supuestos
sobre una población o una muestra, los que puede ser
verídicos o no, debiendo someterse a análisis.

Supuestos = Hipótesis Estadísticas

Afirmaciones tentativas a las distribuciones de
probabilidad de las poblaciones, debe confirmarse o
rechazarse.
Identificación de hipótesis

Hipótesis nula: Ho. Se formula a priori. Hipótesis alternativa: H1. Difiere de Ho

Hipótesis nula: Ho Hipótesis alternativa: H1

– La que probamos – Niega a H0
– Los datos pueden refutarla
– Los datos pueden mostrar evidencia a
– No se rechazada sin una buena razón. favor
– No debería ser aceptada sin una gran
evidencia a favor.

p  50 % , , 
H 0 :
 p  50 % , , 
 1
H :
¿Cómo formular hipótesis?

• Suponer un cierto valor para asignarlo como parámetro de

una población y luego compararlo con el resultado del
estadístico en la muestra.

• Suponer que “no hay diferencia” entre los dos valores: el

supuesto como parámetro de la población y el encontrado
en la muestra.
Ejemplo de hipótesis
Ejemplo. En un estudio sobre las filas de espera del público en las
ventanillas de pago de los bancos, se supone que el tiempo
promedio es de una hora con treinta minutos. Las formas de
expresar las hipótesis son:

Ho:  = 1.30 horas.

Ho: x -  = 0

Hipótesis alternativas:

Para Ho definida como en 1. H1:  1.30 horas.

Para Ho definida como en 2. H1 ::X -  0.

Para una hipótesis nula pueden haber varias hipótesis alternativas,

por ejemplo Para Ho =   1.30;  = 1.20,  = 1.40. etc.
Contrastando una hipótesis Son Muchos...

Creo que la edad

media es 50 años...

¡Gran
diferencia!
Muestra
aleatoria Rechazo la
hipótesis

X  30 años
Icons made by Freepik from www.flaticon.com
 Si supongo H0
¿Qué hacemos cuando la teoría no
coincide con la suposición?
  50
X  30
... Aceptamos hipótesis alternativa
Razonamiento básico
Si suponemos H0
X  47   50
¿Si una teoría hace predicciones con
éxito, queda probado que es cierta?
•No hay evidencia contra H0
•No se rechaza H0
•El experimento no es concluyente
•El contraste no es significativo
Aceptamos la Ho.
Tipos de error al probar hipótesis
Realidad

Ho verdadera Ho Falsa

Correcto Error tipo II

No Rechazo H0
El tratamiento si tiene
El tratamiento no tiene
efecto pero no lo
efecto y así se decide.
percibimos.
Probabilidad β

Ho verdadera Ho Falsa
Rechazo H0
Error tipo I Correcto

Acepto H1 El tratamiento no tiene El tratamiento tiene

efecto pero se decide efecto y el
que sí experimento lo
confirma.
Probabilidad α
Nivel de significación

• Máxima probabilidad de cometer un error tipo I.

• Especificarla antes de la prueba para no influir en la
decisión.
• En la práctica se usan niveles de significación del 5%,
o sea,  = 0.05 o del 1 %, aunque se pueden usar otros
valores.
 Región crítica y nivel de significación
Región crítica
• Valores ‘improbables’ si...
• Es conocida antes de realizar el
experimento: resultados
experimentales que refutarían H0
Reg. Crit.
No rechazo H0
H0: m=50
Nivel de significación: 
• Número pequeño: 1% , 5%
• Fijado de antemano por el
investigador
• Es la probabilidad de rechazar
H0 cuando es cierta
a=5%
Reg. Crit.
Pruebas: dos colas, una cola

Dos colas H1: 50

Una cola, lado

Una cola, lado
derecho
izquierdo

H1: <50 H1: >50

Significación: p
Probabilidad de cometer error tipo I
p se conoce al realizar la prueba
La prueba no es significativa cuando p>

No se rechaza
H0: =50
P 

X  52 P 
Significación : p

La prueba es significativa cuando p<

 P

Se rechaza H0: =40

Se acepta H1: >40

 P

X  50
Ejemplo

• Ejemplo: Sea Ho hipótesis nula: La media de ingresos

es Q.5000.00. El error estándar de la distribución en el
muestreo de la media es de Q. 50.00. El nivel de
significación es 5 %.
• Se tiene entonces: Ho :  = 5000.00 ; x = 50.00 ;  = 5%
= 0.05
Prueba dos colas

• Cuál debe ser la cantidad de una media muestral

que puede estar por abajo o por arriba de la media
hipotética 5000 que permitirá decidir rechazar la
hipótesis?
• El intervalo es entonces definido por los valores
críticos:
Xcr = 5000  1.96 (50) = 5000  98
( 4902 a 5098 )

• Si sucede 4902  x  5098 se acepta la hipótesis

nula: de lo contrario se rechaza.
0.025*2
Z=1.96
Prueba una cola lado derecho

• Valores extremos altos. Cuál deberá ser la cantidad de

una media muestral, la cual es mayor que la media
hipotética de la población Q. 5000.00, que nos
permitirá decidir rechazar la hipótesis?
Xcr = o + z x = 5000 + 1.645 (50) = 5082.25

donde z = 1.645 Si al tomar la muestra aleatoria, su

media es mayor que 5082.25 se rechaza la hipótesis.
Prueba cola lado izquierdo

• Valores extremos bajos. Cual debe ser la cantidad de

una media muestral, la cual es menor que la media
hipotética de la población Q. 500.00 que permitirá
decidir rechazar la hipótesis?
Xcr = o – z x = 5000 – 1.645 (50) = 4917.75
donde z = -1.645 Si al tomar la muestra aleatoria, su
media es menor que 4917.75 se rechaza la hipótesis
porque la diferencia es significativa.
Usando z

• Puede usarse valores estándares en vez de los valores

reales; en términos de valores estándar z. Para  = 5 %, se
buscan los valores de z que son  1.96 y cuando se
determina el valor de la media de la muestra, se transforma
ese valor en su correspondiente z y se compara con los
valores críticos de z. Para la transformación se usa:
Usando z
• Ho: media = 260.00 y H1: media no es igual a 260.00. Se
sabe que los valores críticos de z son los valores estándar
ya conocidos ± 1.96; así que al obtener la media de la
muestra se procede a la prueba de hipótesis. Si resultara
una media muestral de Q. 240.00 se procede como sigue: z
= (240 – 260)/7.17 = -2.79.

• Comparando los valores críticos de z, que son ± 1.96, con el

valor estándar de la media de la muestra, se nota que –2.79,
está fuera del intervalo aceptado, porque –2.79 es menor
que –1.96, y esto significa que este valor de z está en el área
de rechazo de Ho y así se rechaza Ho y se acepta la
hipótesis alternativa donde la media no es igual a Q. 260.00.
Prueba sobre la media de una población:
caso muestra pequeña

• Si el tamaño de muestra es menor que 30 y se supone

que la población tiene una distribución normal, con la
distribución t se pueden hacer inferencias acerca del
valor de la media de la población.


x 
t
s/ n
Ejemplo
• Se quiere calificar un servicio en una escala de 0 a 10. De
los que tienen una clasificación de media de población de 7
o más se considera que ofrecen un servicio superior.
Supongamos que a una muestra de 12 personas se les pidió
calificar y que las 12 calificaciones obtenidas son 7, 8,7, 10,
9, 6, 7, 7, 7, 8, 9 y 8. La media para estos datos es 7.75 y la
desviación estándar es de 1.09. Suponiendo que la
población se puede aproximar a una normal. ¿Puede
decirse que Heathrow ofrece un servicio superior?
• Usando un nivel de significancia de .05, necesitamos una
prueba que determine si la media de la población de
calificaciones es mayor de 7.
Solución
La región de rechazo está en el extremo superior de la distribución
muestral. Con n= 12-1 = 11 grados de libertad del valor de t de la
tabla = 1.796. Así la regla de rechazo será:

Rechazar Ho si t  1.796

7.75  7
Cálculo del estadístico de prueba: t   2.38
1.09 / 12

Como 2.38 es mayor que 1.796 se rechaza la hipótesis nula. En el

nivel de significancia de .05 podemos llegar a la conclusión de que
la media de la población de calificaciones para el servicio es mayor
de 7. En consecuencia, se puede decir que se proporciona servicios
superiores.
1.796
Pruebas chi cuadrado

• Chi cuadrado fue desarrollada por Karl Pearson en

1900.
Suceso E1 E2 E3 ... Ek
Frecuencias observada o1 o2 o3 ... ok
Frecuencia esperadas e1 e2 e3 ... ek
Ejemplo

En 200 nacimientos de niños 115 fueron mujeres y 85

hombres. Ensayar la hipótesis al 5% significancia.
Ho: p = 0.5
Ha: p diferente a 0.5

• No. Categorías o clases k = 2, grados libertad es 2-1

=1
• El valor crítico para 5% es 3.84.
• 4.50 es mayor que 3.84 por lo que se rechaza la Ho.
• Conclusión….
3.84
Tablas de contingencia
h = filas, k = columnas
Ho: clasificaciones son independientes
I II Totales
A A1 A2 Na
B B1 B2 Nb
Totales N1 N2 N

Grados libertad: v = (h-1) (k-1) – m

Ejemplo
Conciencia de marca Ho mbre Mujer Totales
Consciente 36 34 70
No Consciente 24 6 30
Totales 60 40 100

• Ho: sexo y conciencia independientes

• H1: sexo y conciencia dependientes

Conciencia de marca Ho mbre Mujer Totales

Consciente 42 28 70
No Consciente 18 12 30
Totales 60 40 100

• Chi tabla 5% = 3.841, si hay dependencia

En Excel
Calculando chi
Pruebas de dos medias
Pruebas de varianzas