174

DÓCIMA DE HIPÓTESIS

IDEA BASICA EN EL PROCEDIMIENTO

1.- HIPOTESIS ESTADISTICA

2.- SE PLANTEA UNA HIPOTESIS ACERCA DE UN PARAMETRO

ES DECIR SE TIENE UNA IDEA DEL VALOR QUE PUEDE TOMAR
EL PARAMETRO.

3.- SE TOMA UNA MUESTRA ALEATORIA DESDE LA POBLACION

(X1,X2,X3,...,Xn)

4.- SE CONSTRUYE UNA ESTADISTICA DE PRUEBA

5.- SE ESTABLECE UNA REGLA DE DECISIÓN CONSIDERANDO UN

ERROR EXPERIMENTAL PARA LA TOMA DE DECISIÓN, QUE
PUEDE ACEPTAR LA HIPOTESIS O RECHAZARLA.

INTRODUCCIÓN

Una hipótesis estadísticas es un procedimiento para establecer una decisión con respecto a
parámetros que están presentes en un modelo de probabilidad, y en algunas ocasiones también
se aplica para tomar una decisión acerca de una determinada distribución de probabilidad. El
problema en la tarea de decisiones es probar mediante hipótesis, si la afirmación mantenida en ella
se encuentra efectivamente apoyada por una estadística obtenida de la muestra aleatoria de
tamaño (n).

DEFINICIÓN DE HIPÓTESIS ESTADÍSTICAS

Una hipótesis o prueba de hipótesis es un procedimiento para tomar la decisión de

rechazar o aceptar una hipótesis que se considera, en función de ciertos datos experimentales que
provienen de la m. a.(n).
Las hipótesis estadísticas que se pueden plantear son:

1.- Hipótesis nula (notación: Ho): Se plantea un valor particular del parámetro,
sobre el cual se desea tomar una decisión.

Por ejemplo:

H0 : = 40
2
H0 : σ = 2
H0 : P = ¼

2.- Hipótesis alternativa (H1): Se plantea la tesis de investigación o valores posibles que puede
tomar un parámetro. También se puede decir que es el conjunto
complemento de la hipótesis Ho.
Por ejemplo:

H1 : >40 ∨ H1 : <40 ∨ H1 : ≠40

2 2 2
H1 : σ <2 ∨ H1 : σ >2 ∨ H1 : σ ≠2
H1 : P<1/4 ∨ H1 : P>1/4 ∨ H1 : P≠1/4
 175

REGIÓN CRÍTICA O REGIÓN DE RECHAZO DE H0

Definición:
Si (x1, x2, .... , xn) son los valores muestrales, en los cuales se basa la toma de
decisión. Se tendrá ciertos valores de esta muestra que conducirán al rechazo H0.

Sea C = (x1, x2, .... , xn) / la estadística de prueba que delimita una región de
rechazo de la hipótesis Ho de tamaño α.

donde α es una probabilidad de error dada experimentalmente por el tomar de decisiones, se

conoce como nivel de significación o error tipo I, sus posibles valores más clásicos son: α =0.01;
0.05; y 0.10.

Entonces C se llama región crítica o de rechazo de H0. Si la estadística de prueba

pertenece a la regiòn de rechazo “ C” la decisión será rechazar H0. Por el contrario, si la
estadística de prueba no está en la región crítica la decisión será no rechazar Ho ( aceptar Ho ).
Estas posibles decisiones deben considerar un error experimental de tamaño α

ERRORES EN LA DECISIÓN
Definición:
Dado que la dócima de hipótesis está basada en datos experimentales (x1, x2, .... ,
xn) y sobre ellos se toma una decisión, es posible que dicha decisión no sea la correcta, es decir
está sujeta a un error. Los errores estadísticos en la toma de decisiones son:

Error tipo I : Consiste en rechazar Ho, cuando Ho es verdadero.

Error tipo II : Consiste en no rechazar Ho, cuando Ho es falso (H1 es verdadero).

Calculo probabilístico de los errores

Error tipo I:

P ( rechazar Ho / Ho es verdad) =

Observaciones:

Valor P value = Mínima P ( rechazar Ho / Ho es verdad) =

Esta probabilidad significa hallar la mínima probabilidad del error tipo I.

Por lo tanto, la toma de decisiones también se puede hacer considerando esta probabilidad ( α
mínima ) :

Si p-value ( < 0.01 ) entonces la decisión será rechazar Ho, ya que el error tipo I
Tiene una muy baja probabilidad.

Si p-value ( > 0.1 ) entonces la decisión será no rechaza Ho ( aceptar Ho), ya que
El Error tipo I tiene una muy alta probabilidad.
 176

Error tipo II

P (no rechaza Ho / Ho es falso) =

Se puede calcular con el complemento de :

= 1- P ( rechazar Ho / Ho es falso)

Nota: El evento = rechaza Ho C ( región crítica )

El evento = Ho es falso = H1 es verdadero

Obs. Comparando las consecuencias probabilísticas de estos dos errores (α y

β), se puede decir que el error tipo I α es el más grave que puede ocurrir. Por
tanto, el investigador lo controla tomando la decisión en base a este error.

FUNCION DE POTENCIA

La función de potencia de una dócima de hipótesis H0 v/s H1 corresponde

a una función de probabilidades calculada en los puntos dados por la condición “Ho es falsa”.

( ) = P (rechazar Ho / Ho es falso)

( )= 1 - ( ) = 1 - Probabilidad (error del tipo II para valores de dados en H1)

( )= P ( rechazar Ho / H1 es verdadero, para valores del dados en H1 )

Nota: El evento = rechaza Ho C ( región crítica )

Obs.- Una forma de evaluar la dócima de hipótesis es tener idealmente, errores

tipo I y II muy cercanos a cero, y tener probabilidades de la función de
potencia muy cercanas a uno.
 177

DOCIMAS PARA LA MEDIA EN UNA POBLACION NORMAL

2
CASO 1 CON VARIANZA CONOCIDA (σ )

Hipótesis: H0: µ = µo (donde µo ∈ ℜ )

Versus

i.- H1: µ ≠ µo
ii.- H1: µ > µo
iii.- H1: µ < µo
2
Sea X1, X2,...,Xn una m.a.(n) desde X con distribución N ( µ; σ ).

Se sabe que la estadística: X ≈ N ( µ ; σ 2 / n) la estandarización

Entrega la estadística de prueba

X −µ
Z= ≈ N (0;1)
σ 2 /n
Si x es el valor observado de la media muestral se tiene:

x − µo
Zcal = donde Z cal debe ser comparado en la respectiva región crítica o de rechazo
σ 2 /n
de Ho.

Hipótesis alternativas Regiones de Rechazo de Ho de tamaño α

i.- H1: µ ≠ µo C = Z / Zcal < -Z1-α/2 v Zcal > Z1-α/2

ii.- H1: µ > µo C = Z / Zcal > Z1-α
iii.- H1: µ < µo C = Z / Zcal < Zα

Obs. Si Zcal ∈ a la región crítica o de rechazo de Ho dada por C, entonces la decisión será
rechazar la hipótesis H0 con un error α.

2
CASO 2 CON VARIANZA DESCONOCIDA (σ )

Hipótesis: Ho: µ = µo (donde µo ∈ ℜ )

Versus

i.- H1: µ ≠ µo
ii.- H1: µ > µo
iii.- H1: µ < µo
2
Sea X1, X2,...,Xn una m.a.(n) desde X con distribución N ( µ; σ ).
Se sabe que la estadística: X ≈ N ( µ ; σ / n) la estandarización es de la forma:
2
 178

X −µ
Z= ≈ N (0;1)
σ 2 /n

(n − 1) S 2
Sea la estadística Chi – cuadrado: χ2 = ≈ χ 2 (n − 1)
σ 2

n
( Xi − X ) 2
Donde S2 = i =1
es la varianza muestral.
n −1
Luego la estadística (estadística de prueba) T de Student se logra construir con:

( X − µ)
T= ≈ T (n − 1)
S2 /n

Six es el valor observado de la media muestral se tiene:

x − µo
Tcal = donde Tcal debe ser comparado en la respectiva región crítica o de rechazo
S2 /n
de H0.

Hipótesis alternativas Regiones de Rechazo de Ho de tamaño α

i.- H1: µ ≠ µo C = T / Tcal < -T1-α/2(n-1) v Tcal >T1-α/2(n-1)

ii.- H1: µ > µo C = T / Tcal > T1-α(n-1)
iii.- H1: µ < µo C = T / Tcal < Tα (n-1)

Obs. Si Tcal ∈ a la región crítica o de rechazo de Ho dada por C, entonces la decisión será
rechazar la hipótesis H0 con un errorα.

DOCIMAS PARA LA VARIANZA EN UNA POBLACION NORMAL

2 2 2 +
Hipótesis: H0: σ = σ 0 (donde σ 0 ∈ℜ )

Versus
2 2
i.- H1: σ ≠ σ 0
2 2
ii.- H1: σ > σ 0
2 2
iii.- H1: σ < σ 0
2
Sea X1,X2,...,Xn una m.a.(n) desde X con distribución N ( µ; σ ).
Se sabe que la estadística ( estadística de prueba): Chi – cuadrado:

(n − 1) S 2
Q= ≈ χ 2 (n − 1)
σ 02
 179

n
( Xi − X ) 2
Donde S2 = i =1
es la varianza muestral.
n −1
2
Si s es el valor observado de la varianza muestral se tiene:

(n − 1) s 2
Qcal =
σ 20
donde Qcal debe ser comparado en la respectiva región crítica o de rechazo de Ho.

Hipótesis alternativas Regiones de Rechazo de Ho de tamaño α

2 2 2 2
i.- H1: σ ≠ σ 0 C = Q / Qcal < χ α/2 (n-1) v Qcal > χ 1-α/2 (n-1)
2 2 2
ii.- H1: σ > σ 0 C = Q / Qcal > χ 1-α (n-1)
2 2 2
iii.- H1: σ < σ 0 C = Q / Qcal < χ α (n-1)

Obs. Si Qcal ∈ a la región crítica o de rechazo de Ho dada por C, entonces la decisión será
rechazar la hipótesis H0 con un errorα.

Obs. Este procedimiento es valido para construir una dócima para la desviación estándar
poblacional ( σ ), aplicando la raíz cuadrada positiva a la estadística de prueba y también en las
regiones críticas.

DOCIMA PARA LA PROPORCION EN UNA POBLACION BINOMIAL

Hipótesis: H0: P = p0 ( donde p0 ∈ (0;1) )

Versus

i.- H1: P ≠ p0
ii.- H1: P > p0
iii.- H1: P < p0

Sea X1,X2,...,Xn una m.a.(n) ( n es grande ) desde X con distribución BIN ( n; P )

n
Xi
i =1
El estimador puntual de P es la proporción muestral p = donde
n
Xi = 1 si es un éxito
0 si es un fracaso

Entonces a través del teorema central del límite se tiene la estadística de prueba:

( p − po)
Z= ≈ app.N (0;1)
po(1 − po)
n

Si p es el valor observado de la proporción muestral se tiene:

 180

( p − po)
Zcal = , donde Zcal debe ser comparado en la respectiva región crítica o de
po(1 − po)
n
rechazo de Ho.

Hipótesis alternativas Regiones de Rechazo de Ho de tamaño α

i.- H1: P≠ po C = Z / Zcal < -Z1-α/2 v Zcal > Z1-α/2

ii.- H1: P > po C = Z / Zcal > Z1-α
iii.- H1: P < po C = Z / Zcal < Zα

Obs. Si Zcal ∈ a la región crítica o de rechazo de Ho dada por C, entonces la decisión será
rechazar la hipótesis H0 con un error α.