Esquema

general de la
prueba de
hipótesis

Herramientas
Matemáticas V -
Estadística II

1
 Esquema general de la prueba
de hipótesis
Pruebas de hipótesis. Fundamentos

Bibliografía básica Concepto y estrategia general de las pruebas de hipótesis

Para cumplir con los
objetivos de la Unidad
En algunas ocasiones, el estadístico debe proveer soporte para responder
2 del Programa, es un interrogante sobre si es cierta o no determinada idea previa que
necesario profundizar tenemos, por ejemplo, sobre el valor de algún parámetro.
en los temas
desarrollados en el Para poder dar respuesta, las pruebas de hipótesis tienen la siguiente lógica:
Capítulo 11 del texto
de Berenson y Levine,
si conocemos la distribución muestral de un estadístico que relacione el
(1996), parámetro sobre el cual nos interesa comprobar una afirmación con un
relacionándolos con estimador de este, podemos decidir que la afirmación es aceptable si en la
los comentarios, muestra obtenemos un resultado razonablemente cercano al previsto en la
ejemplos y afirmación. Si, por el contrario, la evidencia de la muestra arroja un valor
recomendaciones de
las lecturas del
muy alejado, desconfiaremos de la validez de la idea supuesta sobre el valor
módulo. del parámetro. Como puede verse, este tipo de razonamiento es de lo más
habitual en la forma de proceder y tomar decisiones a diario: someter
Capítulos: 11 nuestras ideas a alguna evidencia (siempre parcial, limitada, accesible, como
(Apartados 11.1, 11.2, una muestra) y considerar válida la idea en el caso de que la información
11.3, 11.4, 11.5, 11.6,
11.7, 11.8, 11.9, 11.10,
recogida parezca consistente con ella, o descartarla en caso contrario.
11.11, 11.12)
Como permite ver esta estrategia, estamos dispuestos a asumir ciertos
riesgos de equivocarnos, justamente por basar nuestra decisión en
información parcial. La realidad podría ser diferente a la situación descripta
por los datos que reunimos en nuestra muestra y, en definitiva, estar
tomando una decisión equivocada acerca del valor del parámetro
poblacional. De estos aspectos se trata la unidad que comenzamos a
recorrer.

Algunas analogías útiles para comprender esta

metodología
Antes de iniciar el abordaje estadístico de las pruebas de hipótesis,
recorreremos algunas comparaciones útiles que suelen presentarse en la
literatura:

1) Se desea informar sobre la presencia de alguien o algo en una habitación

cerrada. Solo podemos observar por la rendija de la puerta (la zona que

2
 nos permite observar sería nuestra muestra). Si alguien o algo es visible
en ese sector, podemos tomar una decisión correcta. Si no aparece nada
en la muestra, podría suceder que efectivamente no haya nadie en la
habitación o que haya alguien o algo, pero se encuentra en una zona de
la habitación no accesible desde nuestro punto de observación. Este es
uno de los errores de las pruebas estadísticas que estudiaremos.

Figura 1:

Muestra: observación por la

cerradura de una habitación
cerrada.

Error posible: considerar que

no hay nada o nadie por no
observarlo en la muestra.

2) Otro ejemplo interesante es el vinculado con un juicio, donde se está

analizando la culpabilidad o inocencia de un acusado de un crimen. El
proceso trata de reunir pruebas para determinar la culpabilidad o
inocencia del acusado. La decisión que se tome con base en la evidencia
(muestral, de las pruebas) puede ser correcta si se lo declara inocente y
efectivamente no cometió el crimen. También es correcta si el acusado
es culpable y el veredicto así lo determina.

Figura 2:
Muestra: evidencia reunida por
la fiscalía (o por los querellantes,
de acuerdo con las reglas del
proceso legal); o las coartadas
del acusado.

Errores posibles:
Declarar culpable a un inocente.
Declarar inocente a un culpable.

3
Sin embargo, hay dos situaciones que claramente reflejan errores (que nos
harían pensar en “injusticias” en una situación de juicio): si el acusado es
culpable y se lo declara inocente, pero también si el acusado es inocente y
se lo declara culpable. Los sistemas de justicia están diseñados de acuerdo
con cuál de estos errores se desee minimizar, cuando, por ejemplo, nadie es
culpable hasta que se pruebe lo contrario o cuando un acusado debe
demostrar su inocencia.

3) Como estudiantes (en su caso) y como docentes en el nuestro, la situación

que te mencionaremos ahora es una de las que más nos ocupa
cotidianamente: establecer, a través de un examen o evaluación, si los
alumnos comprendieron o aprendieron una serie de temas.
Permanentemente, en el sistema educativo estamos emitiendo este tipo
de juicios basados en la evidencia de muestras (las evaluaciones mismas
son muestras donde se han seleccionado temas del conjunto total de
tópicos incluidos en el temario que evaluar o ejercicios o competencias
que resultan de interés). Por supuesto que, si una evaluación aprueba a
un alumno que efectivamente conoce o comprende los temas, estamos
tomando una decisión correcta. Lo mismo sucede si se reprueba a quien
no sabe los contenidos. Los problemas aparecen si un alumno que sabe
los contenidos es reprobado en la evaluación o si se aprueba a quien
realmente no los conoce. En este caso también los docentes suelen
definir sus estrategias evaluativas de manera de minimizar el error que
consideran más grave o dañino de los dos.

Figura 3:

4
Hipótesis nula y alternativa

La primera tarea consiste en definir de manera correcta cuál va a ser la

hipótesis que queremos someter a contraste o prueba. Comenzaremos
trabajando en este módulo con hipótesis referidas a valores de un
parámetro poblacional en particular.

En todos los problemas, aparecen dos hipótesis contrapuestas: la hipótesis

nula y la hipótesis alternativa. Cada una de ellas representa un estado de la
naturaleza que involucra valores del parámetro poblacional. En la hipótesis
nula, siempre aparece un igual (ya sea un igual estricto o un mayor o igual,
o un menor o igual) referido a cierto valor del parámetro. La hipótesis
alternativa de cada caso respectivo siempre es una negación de la hipótesis
nula, de manera de resultar cierta siempre que sea falsa la hipótesis nula. La
hipótesis alternativa nunca incluye el signo igual.

La hipótesis nula es la idea previa sobre el valor del parámetro que se va a

probar. La hipótesis alternativa (establecida siempre como lo opuesto a lo
afirmado en la hipótesis nula) indica la conclusión que es verdadera si se
lograr rechazar la hipótesis nula.

La hipótesis nula se representa simbólicamente de la siguiente manera: Ho.

La hipótesis alternativa se indica con alguna de las simbologías: H1 o Ha.
Veamos algunos ejemplos.

Supongamos una prueba referida a la media poblacional µ:

Ho: µ = 15.
H1: µ ≠ 15.

Ho: µ ≥ 15.
H1: µ < 15.

Ho: µ ≤ 15.
H1: µ > 15.

n las pruebas de hipótesis, a través de la evidencia muestral, se decidirá

rechazar la hipótesis nula si así lo permiten los datos analizados o bien no
rechazarla. Observa atentamente que no decimos aceptarla, ya que no
tenemos información suficientemente contundente por el hecho de ser

5
muestral y estar, por tanto, sometida a los riesgos vinculados con este tipo
de información.

Tal como indican Berenson y Levine:

La metodología de prueba de hipótesis está diseñada de

modo que nuestro rechazo de la hipótesis nula esté basado
en evidencias, aportadas por la muestra, de que es más
probable de que nuestra hipótesis alternativa sea verdadera.
Sin embargo, el hecho de no rechazar la hipótesis nula no es
una prueba de que ésta sea verdadera. (1996).

Valor crítico del estadístico de la prueba

Cuando describimos en términos generales el procedimiento lógico

implicado en las pruebas de hipótesis, indicamos que rechazaríamos la
hipótesis nula si de la evidencia muestral resultara un valor muy alejado del
hipotetizado, y no la rechazaríamos en caso de obtener de la muestra un
valor relativamente cercano al establecido en la Ho.

Deberemos trabajar con las distribuciones correspondientes para establecer

qué es demasiado cercano o demasiado alejado de la idea previa explícita
en la hipótesis nula.

El valor crítico definirá un punto de corte para tomar la decisión estadística,

un valor que, antes de considerar la información muestral, será el criterio
para definir la regla de decisión, estableciendo qué valores se tomarán como
cercanos al establecido en la hipótesis nula y cuáles (por estar más allá del
valor crítico) como demasiado alejados del establecido en la Ho.

Determinación de las zonas de rechazo y no rechazo

Los o el valor crítico –según se trate de una prueba bilateral o unilateral– del
estadístico va a determinar las zonas de rechazo y no rechazo de la hipótesis
nula en la distribución muestral del estadístico de prueba.

Si el estadístico de prueba calculado con base en los datos de la muestra cae

en la zona de rechazo, se tomará esa decisión; por el contrario, si el
estadístico resulta más alejado del valor hipotético del parámetro (es decir,
si cae en la zona de rechazo), se tomará esta otra decisión estadística, vale
decir, rechazar la hipótesis nula.

6
Figura 4: Valores críticos y determinación de las zonas de rechazo y no
rechazo en una prueba bilateral

En la figura anterior, se muestra cómo se relacionan las zonas de rechazo en

una prueba bilateral (donde aparece un signo de igualdad estricta en la
hipótesis nula y una desigualdad en la hipótesis alternativa) con los valores
críticos.

7
Referencias
Berenson, M. L. y Levine, D. M. (1996). Estadística para administración y
economía (6.a ed.). México D. F., MX: Prentice Hall Hispanoamericana.

Levine, D. M., Krehbiel, T. C. y Berenson, M. L. (2014). Estadística para

administración (6.a ed.). México D. F., MX: Pearson.