Unidad 9. Prueba de Hipótesis (Parte I)

Estadística Matemática
Unidad 9. Prueba de Hipótesis (Parte I)
Diego Alejandro Castro

Asignatura: Estadística Matemática
Facultad Ciencias Sociales y Económicas
Universidad del Valle, Cali
Introducción a Prueba de Hipótesis
Concepto
El nombre de prueba de hipótesis a veces reemplazado por algunos autores por el de

hipótesis, pruebas de significación o toma de decisiones.
En una prueba de hipótesis se formulan un conjunto de reglas que conduzcan al rechazo o no

rechazo de alguna hipótesis acerca de una característica desconocida de una población.
La esencia de probar hipótesis estadísticas es el decidir si la afirmación se encuentra respaldada

por la evidencia experimental que se obtiene a través de una muestra aleatoria.
La afirmación puede involucrar: i) un parámetro, ii) diferencia de parámetros, iii) cociente

entre parámetros, iv) una forma funcional no conocida de la distribución de interés a partir de
la cual se obtiene la muestra aleatoria.
Ejemplos aplicados a la realidad
A causa de la pandemia del COVID-19, un Banco está interesado en determinar si la

proporción de clientes que no cumplen con el pago de sus obligaciones financieras en el
producto de tarjeta de crédito en el año 2020 será mayor en relación al registrado en año 2019.
El Decano de la Facultad de Ciencias de la Administración de la Universidad del Valle desea

probar si el salario promedio de los recién egresados del programa de Administración de
Empresas es mejor en relación a los egresados del programa de Contaduría Pública.
El ministerio de Educación Nacional desea confirmar si los resultados de las pruebas Saber 11
se asemejan a una distribución normal.
Un Ingeniero podría decidir con base en los datos de una muestra, si existe diferencia en el
tiempo promedio en el que se ejecutan dos procesos (𝐴, 𝐵).
Un enfoque en pruebas de hipótesis
Nunca se sabe con absoluta certeza la verdad o falsedad de una hipótesis estadística, a no ser
que se examine toda la población. Esto, por supuesto sería impráctico en la mayoría de las
situaciones.
En su lugar se toma una muestra aleatoria de la población de interés y se utilizan los datos que
contiene tal muestra para proporcionar evidencias que confirmen o no la hipótesis.
Se denomina hipótesis nula (𝐻0 ) a la hipótesis que se desea contrastar. El nombre de “nula”
indica que Ho representa la hipótesis que mantendremos a no ser que los datos indiquen su
falsedad, y puede entenderse, por lo tanto, en el sentido de “neutra”.
La hipótesis nula siempre llevará el signo igual. La hipótesis nula se enfrentará a otra
hipótesis que denominaremos hipótesis alternativa (𝐻𝑎 ).
Ejemplo de planteamiento de hipótesis
Plantear la hipótesis nula y alternativa para cada uno de los siguientes enunciados.
Ejemplo 1: a causa de la pandemia del COVID-19, un Banco está interesado en determinar si

la proporción de clientes que no cumplen con el pago de sus obligaciones financieras en el
producto de tarjeta de crédito en el año 2020 será mayor en relación al registrado en año 2019.
Sea: 𝑃2020 = 𝑃𝑟𝑜𝑝𝑜𝑟𝑐𝑖ó𝑛 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙 𝑑𝑒 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠 𝑖𝑛𝑐𝑢𝑚𝑝𝑙𝑖𝑑𝑜𝑠 𝑒𝑛 𝑒𝑙 𝑎ñ𝑜 2020

𝑃2019 = 𝑃𝑟𝑜𝑝𝑜𝑟𝑐𝑖ó𝑛 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙 𝑑𝑒 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠 𝑖𝑛𝑐𝑢𝑚𝑝𝑙𝑖𝑑𝑜𝑠 𝑒𝑛 𝑒𝑙 𝑎ñ𝑜 2019
Recordemos que la hipótesis nula siempre llevará el signo igual, mientras que la alternativa
NUNCA llevará este signo.
𝐻0 : 𝑃2020 ≤ 𝑃2019 𝑣𝑠 𝐻𝑎 : 𝑃2020 > 𝑃2019
𝐻0 : 𝑃2020 − 𝑃2019 ≤ 0 𝑣𝑠 𝐻𝑎 : 𝑃2020 − 𝑃2019 > 0

Ejemplo 2: el Decano de la Facultad de Ciencias de la Administración de la Universidad del Valle

desea probar si el salario promedio de los recién egresados del programa de Administración de
Empresas es mejor en relación a los egresados del programa de Contaduría Pública.
Sea: 𝜇𝐴𝑑𝑚 = 𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒𝑙 𝑠𝑎𝑙𝑎𝑟𝑖𝑜 𝑑𝑒 𝑙𝑜𝑠 𝑒𝑔𝑟𝑒𝑠𝑎𝑑𝑜𝑠 𝑑𝑒 𝑎𝑑𝑚𝑖𝑛𝑖𝑠𝑡𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑒𝑚𝑝𝑟𝑒𝑠𝑎𝑠

𝜇𝐶𝑜𝑛𝑡 = 𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒𝑙 𝑠𝑎𝑙𝑎𝑟𝑖𝑜 𝑑𝑒 𝑙𝑜𝑠 𝑒𝑔𝑟𝑒𝑠𝑎𝑑𝑜𝑠 𝑑𝑒 𝑐𝑜𝑛𝑡𝑎𝑑𝑢𝑟í𝑎 𝑝ú𝑏𝑙𝑖𝑐𝑎
Recordemos que la hipótesis nula siempre llevará el signo igual, mientras que la alternativa
NUNCA llevará este signo.
𝐻0 : 𝜇𝐶𝑜𝑛𝑡𝑎 ≥ 𝜇𝐴𝑑𝑚𝑖𝑛 𝑣𝑠 𝐻𝑎 : 𝜇𝐶𝑜𝑛𝑡𝑎𝑑 < 𝜇𝐴𝑑𝑚𝑖𝑠𝑡𝑟𝑎
𝐻0 : 𝜇𝐴𝑑𝑚 −𝜇𝐶𝑜𝑛𝑡 ≤ 0 𝑣𝑠 𝐻𝑎 : 𝜇𝐴𝑑𝑚 −𝜇𝐶𝑜𝑛𝑡 > 0

Ejemplo 3: el ministerio de Educación Nacional desea confirmar si los resultados de las

pruebas Saber 11 se asemejan a una distribución normal.
𝐻0 : 𝐿𝑜𝑠 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑑𝑒 𝑙𝑎𝑠 𝑝𝑟𝑢𝑒𝑏𝑎𝑠 𝑆𝑎𝑏𝑒𝑟 11 𝑠𝑒 𝑎𝑠𝑒𝑚𝑒𝑗𝑎 𝑎 𝑙𝑎 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑛𝑜𝑟𝑚𝑎𝑙

𝐻𝑎 : 𝐿𝑜𝑠 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑑𝑒 𝑙𝑎𝑠 𝑝𝑟𝑢𝑒𝑏𝑎𝑠 𝑆𝑎𝑏𝑒𝑟 11 𝑠𝑖𝑔𝑢𝑒𝑛 𝑜𝑡𝑟𝑜 𝑡𝑖𝑝𝑜 𝑑𝑒 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛
Ejemplo 4: un Ingeniero podría decidir con base en los datos de una muestra, si existe
diferencia en el tiempo promedio en el que se ejecutan dos procesos (𝐴, 𝐵).
Sea: 𝜇𝐴 = 𝑇𝑖𝑒𝑚𝑝𝑜 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑒𝑛 𝑒𝑙 𝑞𝑢𝑒 𝑠𝑒 𝑒𝑗𝑒𝑐𝑢𝑡𝑎 𝑒𝑙 𝑝𝑟𝑜𝑐𝑒𝑠𝑜 𝐴

𝜇𝐵 = 𝑇𝑖𝑒𝑚𝑝𝑜 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑒𝑛 𝑒𝑙 𝑞𝑢𝑒 𝑠𝑒 𝑒𝑗𝑒𝑐𝑢𝑡𝑎 𝑒𝑙 𝑝𝑟𝑜𝑐𝑒𝑠𝑜 𝐵
𝐻0 : 𝜇𝐴 = 𝜇𝐵 𝑣𝑠 𝐻𝑎 : 𝜇𝐴 ≠ 𝜇𝐵
𝐻0 : 𝜇𝐴 −𝜇𝐵 = 0 𝑣𝑠 𝐻𝑎 : 𝜇𝐴 −𝜇𝐵 ≠ 0
Ejemplo 5: se quiere determinar si la esperanza de vida promedio de los habitantes en

determinada población es por lo menos de 60 años.
Sea: 𝜇 = 𝐸𝑠𝑝𝑒𝑟𝑎𝑛𝑧𝑎 𝑑𝑒 𝑣𝑖𝑑𝑎 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜𝑑𝑒 𝑢𝑛𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛
𝐻0 : 𝜇 ≥ 60 𝑣𝑠 𝐻𝑎 : 𝜇 < 60
Ejemplo 6: una fábrica desea saber si la variabilidad del diámetro de los tornillos de
especificación de 3 pulgadas es mayor a 0,007 𝑚𝑚2 .
Sea: σ2 = 𝑉𝑎𝑟𝑖𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒𝑙 𝑑𝑖𝑎𝑚𝑒𝑡𝑟𝑜 𝑑𝑒 𝑙𝑜𝑠 𝑡𝑜𝑟𝑛𝑖𝑙𝑙𝑜𝑠
𝐻0 : σ2 ≤ 0,007 vs 𝐻𝑎 : σ2 > 0,007

Ejemplo 7: un funcionario del ministerio de educación que trabaja en el departamento de

exploración del medio, afirma que hay discriminación salarial en los egresados del programa de
Economía de la Universidad Nacional de Colombia 𝑋1 en relación a los egresados de Economía
de la Universidad del Rosario 𝑋2 en su primer trabajo.
Sea:
𝜇1 = 𝑆𝑎𝑙𝑎𝑟𝑖𝑜 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑙𝑜𝑠 𝑒𝑔𝑟𝑒𝑠𝑎𝑑𝑜𝑠 𝑑𝑒 𝐸𝑐𝑜𝑛𝑜𝑚í𝑎 𝑑𝑒 𝑙𝑎 𝑈𝑛𝑖𝑣𝑒𝑟𝑠𝑖𝑑𝑎𝑑 𝑁𝑎𝑐𝑖𝑜𝑛𝑎𝑙
𝜇2 = 𝑆𝑎𝑙𝑎𝑟𝑖𝑜 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑙𝑜𝑠 𝑒𝑔𝑟𝑒𝑠𝑎𝑑𝑜𝑠 𝑑𝑒 𝐸𝑐𝑜𝑛𝑜𝑚í𝑎 𝑑𝑒 𝑙𝑎 𝑈𝑛𝑖𝑣𝑒𝑟𝑠𝑖𝑑𝑎𝑑 𝑑𝑒𝑙 𝑅𝑜𝑠𝑎𝑟𝑖𝑜
𝐻0 : 𝜇1 −𝜇2 ≥ 0 𝑣𝑠 𝐻𝑎 : 𝜇1 −𝜇2 < 0
Otra forma de plantear las hipótesis:

𝐻0 : 𝜇2 −𝜇1 ≤ 0 𝑣𝑠 𝐻𝑎 : 𝜇2 −𝜇1 > 0
Prueba de Hipótesis
Metodología en pruebas de hipótesis
Los pasos que se deben aplicar para contrastar la hipótesis nula son:
Paso 1: planteamiento de hipótesis
Paso 2: seleccionar el nivel de significancia o confianza

Método de la cantidad pivotal:
no incluye el paso 5
Paso 3: cálculo del estadístico de prueba
Método del valor p: no incluye
Paso 4: formular la regla de decisión el paso 4
Paso 5: calcular el valor p
Paso 6: obtener la conclusión según el contexto del problema

Paso 1: planteamiento de las hipótesis
Aunque ya se abordaron siete ejemplos de planteamientos de hipótesis, la expresión general para

plantear las hipótesis son:
• Para la media poblacional:

𝑎) 𝐻0 : 𝜇 ≥ 𝜇0 𝑣𝑠 𝐻𝑎 : 𝜇 < 𝜇0
𝑏) 𝐻0 : 𝜇 ≤ 𝜇0 𝑣𝑠 𝐻𝑎 : 𝜇 > 𝜇0
𝑐) 𝐻0 : 𝜇 = 𝜇0 𝑣𝑠 𝐻𝑎 : 𝜇 ≠ 𝜇0
• Para la proporción poblacional:

𝑎) 𝐻0 : 𝑃 ≥ 𝑃0 𝑣𝑠 𝐻𝑎 : 𝑃 < 𝑃0
𝑏) 𝐻0 : 𝑃 ≤ 𝑃0 𝑣𝑠 𝐻𝑎 : 𝑃 > 𝑃0
𝑐) 𝐻0 : 𝑃 = 𝑃0 𝑣𝑠 𝐻𝑎 : 𝑃 ≠ 𝑃0
• Para la varianza poblacional:
𝑎) 𝐻0 : 𝜎 2 ≥ 𝜎02 𝑣𝑠 𝐻𝑎 : 𝜎 2 < 𝜎02
𝑏) 𝐻0 : 𝜎 2 ≤ 𝜎02 𝑣𝑠 𝐻𝑎 : 𝜎 2 > 𝜎02
𝑐) 𝐻0 : 𝜎 2 = 𝜎02 𝑣𝑠 𝐻𝑎 : 𝜎 2 ≠ 𝜎02
• Para el cociente entre varianzas:

𝜎12 𝜎12
𝑎) 𝐻0 : 2 ≥ 1 𝑣𝑠 𝐻𝑎 : 2 < 1 𝑎) 𝐻0 : 𝜎12 ≥ 𝜎22 𝑣𝑠 𝐻𝑎 : 𝜎12 < 𝜎22
𝜎2 𝜎2
𝜎12 𝜎12
𝑏) 𝐻0 : 2 ≤ 1 𝑣𝑠 𝐻𝑎 : 2 > 1 𝑏) 𝐻0 : 𝜎12 ≤ 𝜎22 𝑣𝑠 𝐻𝑎 : 𝜎12 > 𝜎22
𝜎2 𝜎2
𝜎12 𝜎12
𝑐) 𝐻0 : 2 = 1 𝑣𝑠 𝐻𝑎 : 2 ≠ 1 𝑐) 𝐻0 : 𝜎12 = 𝜎22 𝑣𝑠 𝐻𝑎 : 𝜎12 ≠ 𝜎22
𝜎2 𝜎2
• Para la diferencia de medias:

𝑎) 𝐻0 : 𝜇1 −𝜇2 ≥ 𝜇0 𝑣𝑠 𝐻𝑎 : 𝜇1 −𝜇2 < 𝜇0
𝑏) 𝐻0 : 𝜇1 −𝜇2 ≤ 𝜇0 𝑣𝑠 𝐻𝑎 : 𝜇1 −𝜇2 > 𝜇0
𝑐) 𝐻0 : 𝜇1 −𝜇2 = 𝜇0 𝑣𝑠 𝐻𝑎 : 𝜇1 −𝜇2 ≠ 𝜇0
• Para la diferencia de proporciones:
𝑎) 𝐻0 : 𝑃1 −𝑃2 ≥ 𝑃0 𝑣𝑠 𝐻𝑎 : 𝑃1 −𝑃2 < 𝑃0

𝑏) 𝐻0 : 𝑃1 −𝑃2 ≤ 𝑃0 𝑣𝑠 𝐻𝑎 : 𝑃1 −𝑃2 > 𝑃0
𝑐) 𝐻0 : 𝑃1 −𝑃2 ≤ 𝑃0 𝑣𝑠 𝐻𝑎 : 𝑃1 −𝑃2 ≠ 𝑃0
Paso 2: seleccionar el nivel de significancia
El nivel de significancia 𝛼 también se conoce como la probabilidad de rechazar la hipótesis nula

cuando es verdadera. Matemáticamente se expresa como:
𝛼 = 𝑃 Rechazar 𝐻0 ȁ𝐻0 es verdadera 𝛼 = 𝑃 Error tipo I
Una vez realizado el contraste de hipótesis, se habrá optado por una de las dos hipótesis, 𝐻0 o
𝐻𝑎 , y la decisión escogida coincidirá o no con la que en realidad es cierta. Se pueden dar cuatro
escenarios:
𝛽 = 𝑃 No Rechazar 𝐻0 ȁ𝐻0 es 𝑓𝑎𝑙𝑠𝑎 𝛽 = 𝑃 Error tipo I𝐼
𝑃𝑜𝑡𝑒𝑛𝑐𝑖𝑎 𝑑𝑒 𝑙𝑎 𝑝𝑟𝑢𝑒𝑏𝑎 = 1 − 𝛽 = 𝑃( Rechazar 𝐻0 ȁ𝐻0 es falsa)

Paso 2: seleccionar el nivel de significancia
La potencia es la capacidad que tiene la prueba de rechazar una hipótesis nula cuando esta es
falsa. Dicho de otra manera, es la probabilidad de rechazar correctamente la hipótesis nula.
La potencia refleja la “sensibilidad” de un contraste de hipótesis, esto es, su capacidad para

detectar diferencias significativas.
La potencia de la prueba (1 − 𝛽) se incrementa a medida que aumenta el tamaño de la

muestra, esto hace que la probabilidad de cometer error tipo II disminuya.
La probabilidad de cometer error tipo I y potencia de la prueba están relacionados

directamente. Cuanto mayor es alpha, mayor es la potencia y viceversa.
La probabilidad de cometer error tipo I y II, están relacionados de manera inversa, es

decir, cuanto menor es alpha, mayor es beta y viceversa.
El estadístico de prueba para contrastar la hipótesis para:
• La media poblacional es:

x − x −
ZCal = tCal = ; 𝑣 =𝑛−1
/ n S/ n
• La proporción poblacional es:

pˆ − P
Z Cal =
P(1 − P)
n
• La varianza poblacional es:

𝑛 − 1 𝑆2
χ²𝐶𝑎𝑙 = ; 𝑣 =𝑛−1
𝜎2
• La diferencia de proporciones en muestras independientes es:
𝑝Ƹ1 − 𝑝Ƹ 2 − 𝑃1 − 𝑃2 𝑥1 𝑥2 𝑥1 +𝑥2
𝑍𝐶𝑎𝑙 = ; 𝑝Ƹ1 = ; 𝑝Ƹ 2 = ; 𝑝ǉ =
𝑛1 𝑛2 𝑛1 +𝑛2
1 1
𝑝ǉ ∗ (1 − 𝑝)ǉ ∗ +
𝑛1 𝑛2
• El cociente entre varianzas es:

𝑆12
𝐹𝐶𝑎𝑙 = 2 ; 𝑣1 = 𝑛1 − 1 ; 𝑣2 = 𝑛2 − 1
𝑆2
• La diferencia de medias en muestras independientes es:
𝑥ǉ 1 − 𝑥ǉ 2 ) − (𝜇1 − 𝜇2 Cuando las varianzas poblacionales
𝑍𝐶𝑎𝑙 =
2 2
se conocen o el tamaño de muestra
𝜎1 𝜎2 es suficientemente grande
+
𝑛1 𝑛2
Los otros dos estadísticos para la diferencia de medias en muestras independientes es:
2 2
𝑥ǉ1 − 𝑥ǉ 2 ) − (𝜇1 − 𝜇2 (𝑛1 −1)𝑆1 + (𝑛 2 − 1)𝑆2
𝑡𝐶𝑎𝑙 = ; 𝑆𝑝2 = ; 𝑣 = 𝑛1 + 𝑛2 − 2
1 1 𝑛1 + 𝑛2 − 2
𝑆𝑝2 +
𝑛1 𝑛2
Cuando las varianzas poblacionales no se conocen y son estadísticamente iguales. Además el

tamaño de muestra no es suficientemente grande 𝑛1 , 𝑛2 ≤ 30 .
2
𝑆12 𝑆22
𝑥ǉ1 − 𝑥ǉ 2 ) − (𝜇1 − 𝜇2 +
𝑛1 𝑛2
𝑡𝐶𝑎𝑙 = ; 𝑣=
(𝑆12 Τ𝑛1 )2 (𝑆22 Τ𝑛2 )2
𝑆12 𝑆12 +
+ 𝑛1 − 1 𝑛2 − 1
𝑛1 𝑛2
Cuando las varianzas poblacionales no se conocen y son estadísticamente diferentes iguales.

Además el tamaño de muestra no es suficientemente grande 𝑛1 , 𝑛2 ≤ 30 .
• La diferencia de proporciones en muestras dependientes es:

𝑥ҧ𝑑 − 𝜇𝑑
𝑡𝐶𝑎𝑙 =
𝑆𝑑 / 𝑛
Paso 4: formular la regla de decisión
Es la regla bajo la cual se rechaza 𝐻0 . Siempre va en sentido de la hipótesis alternativa.
Se presenta a continuación la regla para probar la hipótesis para la media poblacional. Las
demás pruebas de hipótesis se efectúan de la misma manera.
𝑎) 𝐻0 : 𝜇 ≥ 𝜇0 𝑣𝑠 𝐻𝑎 : 𝜇 < 𝜇0
0.4
𝑍𝐶𝑟𝑖𝑡𝑖𝑐𝑜 = 𝑍𝛼
0.3
Se Rechaza • Si 𝑍𝐶𝑎𝑙 ≤ 𝑍𝐶𝑟𝑖𝑡𝑖𝑐𝑜 se rechaza 𝐻0

𝐻0 1−𝛼
Densidad
0.2
No se 𝑡𝐶𝑟𝑖𝑡𝑖𝑐𝑜 = 𝑡𝛼;𝑛−1
𝛼
rechaza 𝐻0
0.1
• Si 𝑡𝐶𝑎𝑙 ≤ 𝑡𝐶𝑟𝑖𝑡𝑖𝑐𝑜 se rechaza 𝐻0

0.0
-3 -2 -1 0 1 2 3
ZCritico Z
𝑡𝐶𝑟𝑖𝑡𝑖𝑐𝑜
𝑏) 𝐻0 : 𝜇 ≤ 𝜇0 𝑣𝑠 𝐻𝑎 : 𝜇 > 𝜇0
𝑍𝐶𝑟𝑖𝑡𝑖𝑐𝑜 = 𝑍1−𝛼
0.4
• Si 𝑍𝐶𝑎𝑙 ≥ 𝑍𝐶𝑟𝑖𝑡𝑖𝑐𝑜 se rechaza 𝐻0

0.3
Se Rechaza 𝐻0
1−𝛼 𝑡𝐶𝑟𝑖𝑡𝑖𝑐𝑜 = 𝑡1−𝛼 ;𝑛−1
Densidad
0.2
No se 𝛼 • Si 𝑡𝐶𝑎𝑙 ≥ 𝑡𝐶𝑟𝑖𝑡𝑖𝑐𝑜 se rechaza 𝐻0

rechaza 𝐻0
0.1
0.0
ZCritico
-3 -2 -1 0 1 2 3
𝑡𝐶𝑟𝑖𝑡𝑖𝑐𝑜
El caso a) y b) en todos las pruebas de hipótesis que se plantearon, se conoce como

prueba unilateral, puesto que solo va en un sentido.
𝑐) 𝐻0 : 𝜇 = 𝜇0 𝑣𝑠 𝐻𝑎 : 𝜇 ≠ 𝜇0
0.4
• Si 𝑍𝐶𝑎𝑙 ≥ 𝑍1−𝛼/2 se rechaza 𝐻0 ó

Se rechaza Se rechaza • Si 𝑍𝐶𝑎𝑙 ≤ 𝑍𝛼/2 se rechaza 𝐻0
0.3
𝐻0 𝐻0
1−𝛼
Densidad
0.2
𝛼/2 𝛼/2 • Si 𝑡𝐶𝑎𝑙 ≥ 𝑡1−𝛼/2 se rechaza 𝐻0 ó

No se
0.1
rechaza 𝐻0 • Si 𝑡𝐶𝑎𝑙 ≤ 𝑡𝛼/2 se rechaza 𝐻0

0.0
-3 -2 -1 0 1 2 3
𝑍𝛼/2 Z
𝑍1−𝛼/2
𝑡𝛼;𝑛−1 𝑡1−𝛼;𝑛−1
2 2
El caso c) en todos las pruebas de hipótesis que se plantearon, se conoce como prueba
bilateral, puesto que va en dos sentidos.
Paso 5: Calcular el valor p
Después de obtener el estadístico de prueba, se estima el valor p.
• El cálculo depende del sentido de la hipótesis alternativa
• El indicador se encuentra entre cero y uno, y es similar a una probabilidad de ocurrencia.
• Entre mayor sea el valor p, habrá una mayor evidencia experimental para no rechazar la
hipótesis nula.
• Se interpreta como el mínimo nivel de significancia para el cual se rechaza la Hipótesis nula.
Regla de decisión:
• Si 𝒗𝒂𝒍𝒐𝒓 𝒑 ≤ 𝜶; se rechaza 𝑯𝟎
• Si 𝒗𝒂𝒍𝒐𝒓 𝒑 > 𝜶; no se rechaza 𝑯𝟎
Esta misma regla de decisión aplicarán cuando realicen contrastes de hipótesis en econometría.
Por ejemplo, para la media poblacional se calcula como:
𝑎) 𝐻0 : 𝜇 ≥ 𝜇0 𝑣𝑠 𝐻𝑎 : 𝜇 < 𝜇0
x −
ZCal =
0.4
/ n
0.3
𝑣𝑎𝑙𝑜𝑟 𝑝 = 𝑃(𝑍 < 𝑍𝐶𝑎𝑙 )

Densidad
0.2
Se rechaza No se x −
tCal =
𝐻0 rechaza 𝐻0 S/ n
0.1
𝑣𝑎𝑙𝑜𝑟 𝑝 = 𝑃(𝑡𝑛−1 < 𝑡𝐶𝑎𝑙 )

0.0
-3 -2 -1 0 1 2 3
Z
𝑏) 𝐻0 : 𝜇 ≤ 𝜇0 𝑣𝑠 𝐻𝑎 : 𝜇 > 𝜇0
x −
ZCal =
0.4
/ n
0.3
𝑣𝑎𝑙𝑜𝑟 𝑝 = 𝑃(𝑍 > 𝑍𝐶𝑎𝑙 )

Densidad
No se Se rechaza
0.2
x −
rechaza 𝐻0 𝐻0 tCal =
S/ n
0.1
𝑣𝑎𝑙𝑜𝑟 𝑝 = 𝑃(𝑡𝑛−1 > 𝑡𝐶𝑎𝑙 )

0.0
-3 -2 -1 0 1 2 3
Z
𝑐) 𝐻0 : 𝜇 = 𝜇0 𝑣𝑠 𝐻𝑎 : 𝜇 ≠ 𝜇0 x −
ZCal =
/ n
0.4
𝑣𝑎𝑙𝑜𝑟 𝑝 = 𝑃 𝑍 > 𝑍𝐶𝑎𝑙 + 𝑃 𝑍 < −𝑍𝐶𝑎𝑙

0.3
Como la distribución es simétrica, el

Densidad
Se rechaza No se
0.2
Se rechaza
rechaza 𝐻0 valor p también se puede calcular como:
𝐻0 𝐻0
0.1
𝑣𝑎𝑙𝑜𝑟 𝑝 = 2 ∗ 𝑃(𝑍 > 𝑍𝐶𝑎𝑙 )

𝑣𝑎𝑙𝑜𝑟 𝑝 = 2 ∗ 𝑃(𝑡𝑛−1 > 𝑡𝐶𝑎𝑙 )
0.0
-3 -2 -1 0 1 2 3
De igual manera aplica para la distribución t-student.

Paso 6: la conclusión debe ser según el contexto del problema, más no mencionar por
ejemplo que “se rechaza la hipótesis nula”.
Ejemplo de aplicación en economía
Ejemplo 8: por estudios anteriores, se sabe que el salario de un analista profesional en una
entidad financiera se asemeja a una distribución normal, con un promedio de 3,5 SMLV y una
desviación estándar de 0,4 SMLV.
Un analista cree que el salario promedio no es igual a 3,5 SMLV, por lo que considera una
muestra aleatoria de 28 analistas profesionales, cuya media y desviación estándar resultó ser 3,3
SMLV y 0,32 SMLV.
Bajo una confiabilidad del 98%, hay suficiente evidencia estadística para creer en la afirmación
del analista. ¿Cuál es la hipótesis nula y alternativa?
Paso 1: 𝐻0 : 𝜇 = 3,5 𝑣𝑠 𝐻𝑎 : 𝜇 ≠ 3,5

𝑛 = 28 ; 𝑥ҧ = 3,3 ; 𝑆 = 0,32 ; 𝜎 = 0,4
Se debe aplicar la distribución normal como distribución de referencia, puesto que se conoce la
desviación estándar poblacional.
Ejemplo de aplicación en economía por el método de la cantidad pivotal
Paso 2: el nivel de significancia es del 2% 𝛼 = 0,02 .
Paso 3: se calcula el estadístico de prueba.
𝐻0 : 𝜇 = 3,5 𝑣𝑠 𝐻𝑎 : 𝜇 ≠ 3,5 ; 𝑛 = 28 ; 𝑥ҧ = 3,3 ; 𝑆 = 0,32 ; 𝜎 = 0,4
𝑥ǉ − 𝜇 3,3 − 3,5
𝑍𝐶𝑎𝑙 = 𝑍𝐶𝑎𝑙 = = −2,64575
𝜎/ 𝑛 0,4/ 28
Paso 4: se formula la regla de decisión 0,98

Se rechaza Se rechaza
𝐻0 𝐻0
Se conoce como el método de la 0,01 0,01

cantidad pivotal
𝑍𝐶𝑎𝑙 = −2,64575 −2,3263 2,3263
𝐻0 : 𝜇 = 3,5 𝑣𝑠 𝐻𝑎 : 𝜇 ≠ 3,5
Paso 6: Como el estadístico de prueba es menor que -2,3263, hay suficiente evidencia
estadística para rechazar la hipótesis nula, por lo que se puede concluir que el salario
promedio de los analistas profesionales de la entidad financiera es diferente de 3,5 SMLV,
teniendo en cuenta un nivel de confiabilidad del 98%.
Otra manera para contrastar la hipótesis nula es por medio del valor p (Paso 5).
𝑣𝑎𝑙𝑜𝑟 𝑝 = 2 ∗ 𝑃(𝑍 > 𝑍𝐶𝑎𝑙 )

𝑣𝑎𝑙𝑜𝑟 𝑝 = 2 ∗ 𝑃(𝑍 > −2,64575 )
𝑣𝑎𝑙𝑜𝑟 𝑝 = 2 ∗ 𝑃(𝑍 > 2,64575)
Ejemplo de aplicación en economía por el método de valor p
𝐻0 : 𝜇 = 3,5 𝑣𝑠 𝐻𝑎 : 𝜇 ≠ 3,5
𝑉𝑎𝑙𝑜𝑟 𝑝 = 0,008151003 ; 𝛼 = 0,02
Recordemos que la regla de decisión es:

Se interpreta como el mínimo nivel de
significancia para el cual se rechaza la Hipótesis
• Si 𝑣𝑎𝑙𝑜𝑟 𝑝 ≤ 𝛼; se rechaza 𝐻0 nula.
• Si 𝑣𝑎𝑙𝑜𝑟 𝑝 > 𝛼; no se rechaza 𝐻0
Como el 𝑣𝑎𝑙𝑜𝑟 𝑝 ≤ 0,02; hay suficiente evidencia estadística para rechazar Ho, por lo que se
llega a la misma conclusión.
Interpretar el valor p 𝑉𝑎𝑙𝑜𝑟 𝑝 = 0,815%
Para poder para señalar que el salario promedio de los analistas profesionales es diferente de 3,5
SMLV se requiere de un mínimo nivel de significancia del 0,815%.
Ejemplo de aplicación en economía por el método de intervalos de confianza
Cuando la hipótesis es bilateral, es decir, la hipótesis alternativa es con signo diferente, también
se puede estimar el 𝐼𝐶 para la media poblacional abordado en la Unidad 8 y se llegará a la
misma conclusión. 𝐻0 : 𝜇 = 3,5 𝑣𝑠 𝐻𝑎 : 𝜇 ≠ 3,5
Sabemos que la estimación del 𝐼𝐶 para la media poblacional viene dado por:
𝜎
𝐼𝐶(𝜇)(1−𝛼)% = 𝑥ҧ ± 𝑍1−𝛼/2
𝑛
0,4
𝐼𝐶(𝜇)98% = 3,3 ± 2,326348
28
𝑛 = 28 ; 𝑥ҧ = 3,3 ; 𝜎 = 0,4
El 𝐼𝐶 no incluye el valor 3,5, por lo que hay
𝐼𝐶(𝜇)98% = 3,12414 ; 3,47585 suficiente evidencia estadística para señalar que el
salario promedio de los analistas profesionales es
diferente de 3,5 SMLV, bajo un 𝛼 del 2%.
Ejemplo 9: a causa de la pandemia del COVID 19, una entidad financiera, desea determinar si
el riesgo de incumplimiento de las empresas pequeñas para el mes de abril ha sido superior al
5,5%.
La División de Riesgo de Crédito de la entidad consideró una muestra aleatoria de 3500 firmas
pequeñas y observó que al corte de abril, el 6,4% de las firmas incumplieron con sus
obligaciones financieras. El Gerente de la División desea tener una probabilidad de cometer
error tipo I del 2,5%.
a) ¿Hay suficiente evidencia estadística para señalar que el riesgo de incumplimiento se ha

incrementado por la pandemia?
b) Interpretar el valor p según el contexto del problema
Paso 1: 𝐻0 : 𝑃 ≤ 0,055 vs 𝐻𝑎 : 𝑃 > 0,055
Paso 2: 𝛼 = 2,5% = 0,025
Paso 3: estadístico de prueba
pˆ − P 0,064 − 0,055 Se rechaza H0
Z Cal = = = 2,34 No se rechaza H0
P(1 − P) 0,055(1 − 0,055)
n 3500 0,975 0,025
Paso 4: formular regla de decisión

1,959964
Paso 6: se aprecia que el estadístico de prueba es mayor que 1,959964 por lo que 𝑍𝐶𝑎𝑙 = 2,34
hay suficiente evidencia estadística para rechazar 𝑯𝟎 , en consecuencia, el
porcentaje de empresas pequeñas que han incumplido con los pagos es superior
al 5,5%, bajo un nivel de confiabilidad del 97,5%.
Ejemplo de aplicación en economía por el método del valor p
𝐻0 : 𝑃 ≤ 0,055 vs 𝐻𝑎 : 𝑃 > 0,055
𝑍𝐶𝑎𝑙 = 2,34
Otra manera para contrastar la hipótesis nula es por medio del valor p (Paso 5).
𝑣𝑎𝑙𝑜𝑟 𝑝 = 𝑃(𝑍 > 𝑍𝐶𝑎𝑙 )

𝑣𝑎𝑙𝑜𝑟 𝑝 = 𝑃(𝑍 > 2,34)
Regla de decisión: El 𝑣𝑎𝑙𝑜𝑟 𝑝 ≤ 0,025 por lo que se rechaza

• Si 𝑣𝑎𝑙𝑜𝑟 𝑝 ≤ 𝛼; se rechaza 𝐻0 𝐻0 y se llega a la misma conclusión.
𝐻0 : 𝑃 ≤ 0,055 vs 𝐻𝑎 : 𝑃 > 0,055
𝑣𝑎𝑙𝑜𝑟 𝑝 = 0,964187%
El mínimo nivel de significancia para afirmar que la proporción de firmas pequeñas que son
incumplidas se ha incrementado es del 0,964187%.
Ejemplo 10: la compañía Nestle afirma que en la nueva presentación de Milo, que consiste en
una fotografía de un atleta famoso mejorará las ventas del producto en los supermercados.
Actualmente el promedio semanal de ventas es de 50 latas. Por estudios anteriores, se sabe
que las ventas semanales se asemejan a una distribución normal.
Se consideró una muestra aleatoria de 25 supermercados. El promedio de las ventas semanales

con la fotografía del atleta para la muestra resultó ser 56 latas, mientras que la desviación
estándar es 14 latas. Hay suficiente evidencia estadística para señalar que el promedio de
ventas de las latas de Milo ha mejorado, bajo un nivel de significancia del 1%.
Paso 1: 𝐻0 : 𝜇 ≤ 50 vs 𝐻𝑎 : 𝜇 > 50
Paso 2: 𝛼 = 1% = 0,01

x − 56 − 50
tCal = ; 𝑛 = 25 ; 𝑥ҧ = 56 ; 𝑆 = 14 𝑡𝐶𝑎𝑙 = = 2,142857
S/ n 14/ 25
Paso 5: cálculo del valor p

𝑣𝑎𝑙𝑜𝑟 𝑝 = 𝑃(𝑡𝑛−1 > 𝑡𝐶𝑎𝑙 )
𝑣𝑎𝑙𝑜𝑟 𝑝 = 𝑃(𝑡25−1 > 2,142857)
• Si 𝑣𝑎𝑙𝑜𝑟 𝑝 ≤ 𝛼; se rechaza 𝐻0 • Si 𝑣𝑎𝑙𝑜𝑟 𝑝 > 𝛼; no se rechaza 𝐻0

𝐻0 : 𝜇 ≤ 50 vs 𝐻𝑎 : 𝜇 > 50
𝑣𝑎𝑙𝑜𝑟 𝑝 = 0,02123607 ; 𝛼=0,01
Como el 𝑣𝑎𝑙𝑜𝑟 𝑝 > 0,01, existe suficiente evidencia experimental para no rechazar
𝑯𝟎 , por ende, las ventas semanales de latas de milo en su nueva presentación no ha sido
mayor a 50, teniendo en cuenta un nivel de confiabilidad del 99%.
Interpretar el valor p según el contexto del problema

𝑣𝑎𝑙𝑜𝑟 𝑝 = 2,1236%
El mínimo nivel de significancia para afirmar que el promedio de las ventas semanales de
milo ha sido mayor a 50 cajas es del 2,1236%.
Ejemplo 11: la compañía Nestle afirma que en la nueva presentación de Milo, que consiste en
una fotografía de un atleta famoso mejorará las ventas semanales en los supermercados y
disminuirá la desviación estándar de las ventas. Actualmente la desviación estándar de las
ventas semanales en los supermercados de la ciudad es 20 latas. Por estudios anteriores, se
sabe que las ventas semanales se asemejan a una distribución normal.
Se consideró una muestra aleatoria de 25 supermercados. El promedio de las ventas semanales

con la fotografía del atleta para la muestra resultó ser 56 latas, mientras que la desviación
estándar es 14 latas. Hay suficiente evidencia estadística para señalar que la desviación estándar
de las ventas ha disminuido, bajo un nivel de significancia del 1%.
Paso 1: 𝐻0 : σ ≥ 20 vs 𝐻𝑎 : σ < 20 𝐻0 : σ2 ≥ 202 vs 𝐻𝑎 : σ2 < 202
Probar que la desviación estándar es inferior a 20 𝑙𝑎𝑡𝑎𝑠 es equivalente a probar que la

varianza es inferior a 400 𝑙𝑎𝑡𝑎𝑠 2 .
Paso 2: 𝛼 = 1% = 0,01

𝑛 − 1 𝑆2
χ²𝐶𝑎𝑙 = ; 𝑛 = 25 ; 𝑥ҧ = 56 ; 𝑆 = 14
𝜎2
25 − 1 (14)2
χ²𝐶𝑎𝑙 = 2
= 11,76
20
Paso 5: calcular el valor p Recordemos que el valor p va en sentido de 𝐻𝑎
𝑣𝑎𝑙𝑜𝑟 𝑝 = 𝑃(χ²𝑛−1 < χ²𝐶𝑎𝑙 ) Paso 6: el 𝑣𝑎𝑙𝑜𝑟 𝑝 > 0,01, por lo que hay suficiente
evidencia estadística para no rechazar 𝑯𝟎 , en
𝑣𝑎𝑙𝑜𝑟 𝑝 = 𝑃(χ²25−1 < 11,76)
consecuencia la desviación estándar de las ventas
semanales de las latas de milo en su nueva presentación no
es inferior a 20, bajo un 𝛼 del 1%.
Paso 2: 𝛼 = 1% = 0,01

χ²𝐶𝑎𝑙 = 11,76
Paso 4: formular regla de decisión
Paso 6: debido a que el estadístico de prueba es mayor

0,99 que 10,85636, hay suficiente evidencia estadística para
Se rechaza H0 no rechazar 𝐻0 , por lo que se llega a la misma
No se
0,01 rechaza H0
conclusión, bajo un 𝛼 del 1%.
χ²𝐶𝑎𝑙 = 11,76
Interpretar el valor p según el contexto del problema
𝐻0 : σ ≥ 20 vs 𝐻𝑎 : σ < 20 𝐻0 : σ2 ≥ 202 vs 𝐻𝑎 : σ2 < 202
𝑣𝑎𝑙𝑜𝑟 𝑝 = 0,01752112
𝑣𝑎𝑙𝑜𝑟 𝑝 = 1,752112%
Para poder señalar que la desviación estándar de las ventas de las latas de milo es inferior a 20,
es necesario considerar un nivel de significancia mínimo de 1,752112%.
Días después se consideró otra muestra aleatoria de 25 supermercados. Con la muestra más
reciente se realizó nuevamente la prueba de hipótesis y se obtuvo un valor p del 0,004541.
¿Cuál es la desviación estándar de la muestra?
𝑣𝑎𝑙𝑜𝑟 𝑝 = 0,004541
Cálculo de la desviación estándar muestral
𝐻0 : σ ≥ 20 vs 𝐻𝑎 : σ < 20 𝐻0 : σ2 ≥ 202 vs 𝐻𝑎 : σ2 < 202
𝑣𝑎𝑙𝑜𝑟 𝑝 = 𝑃(χ²𝑛−1 < χ²𝐶𝑎𝑙 )
𝑛 − 1 𝑆2 25 − 1 𝑆 2
𝑣𝑎𝑙𝑜𝑟 𝑝 = 𝑃 χ²𝑛−1 < 0,004541 = 𝑃 χ²25−1 <
𝜎2 202
25 − 1 𝑆 2 13,62904 ∗ 202
13,62904 = = 𝑆2
202 25 − 1
𝑆 2 = 227,1506667 𝑆 = 15,07151839
La desviación estándar de la muestra debe ser igual a 15,07151839 latas, de tal manera que el
valor p de la prueba de hipótesis sea igual a 0,4541%
Ejemplo de aplicación por el método del valor p
En una planta de armado se diseña una operación específica que toma un tiempo
promedio de 5 minutos. El Gerente de la planta sospecha que para un operador en
particular el tiempo promedio es diferente de 5 minutos. El Gerente considera una
muestra aleatoria de 15 tiempos para este empleado y obtiene una media y una varianza
igual a 5,118 y 0,1636 respectivamente. Se sabe que el tiempo de operación se encuentra
modelado en forma adecuada por una distribución normal.
¿Se encuentra la sospecha del Gerente de la planta apoyada por la evidencia experimental
bajo un nivel de significancia del 2%?
𝐻0 : 𝜇 = 5 vs 𝐻𝑎 : 𝜇 ≠ 5
Se debe considerar la distribución t-student como distribución de referencia, dado que el

tamaño de muestra no es suficientemente grande, además no se tiene conocimiento de la
desviación estándar poblacional.
Paso 1: 𝐻0 : 𝜇 = 5 vs 𝐻𝑎 : 𝜇 ≠ 5
Paso 2: el nivel de significancia es del 2%
Paso 3: el estadístico de prueba es:

𝑥ҧ − 𝜇0
𝑡𝑐𝑎𝑙 = ; 𝑛 = 15 ; 𝑥ҧ = 5,118 ; 𝑆 2 = 0,1636 ; S = 0,4045
𝑆Τ 𝑛
5,118 − 5
𝑡𝑐𝑎𝑙 = = 1,12982
0,4045Τ 15
Paso 5: se calcula el valor p. Cuando la hipótesis alternativa es bilateral (de dos colas), el
valor p bajo la distribución t-student se calcula como:
𝐻0 : 𝜇 = 5 vs 𝐻𝑎 : 𝜇 ≠ 5 ; 𝛼=0,02
𝑡𝑐𝑎𝑙 = 1,12982
𝑣𝑎𝑙𝑜𝑟 𝑝 = 2 ∗ 𝑃(𝑡15−1 > 1,12982 )
𝑣𝑎𝑙𝑜𝑟 𝑝 = 2 ∗ 𝑃(𝑡15−1 > 1,12982)
• Si 𝑣𝑎𝑙𝑜𝑟 𝑝 ≤ 𝛼; se rechaza 𝐻0
Como valor p es mayor que un nivel de significancia del 2%, hay suficiente evidencia
estadística para no rechazar la hipótesis nula, en consecuencia el tiempo promedio de
armado de una operación especifica en uno de los operarios es igual a 5 minutos.
Interpretar el valor p según el contexto del problema.

𝐻0 : 𝜇 = 5 vs 𝐻𝑎 : 𝜇 ≠ 5
𝑣𝑎𝑙𝑜𝑟 𝑝 = 0,2775385
𝑣𝑎𝑙𝑜𝑟 𝑝 = 27,754%
El mínimo nivel de significancia para señalar que el tiempo promedio de armado de una
operación especifica es diferente de 5 minutos es del 27,754%.

Unidad 9. Prueba de Hipótesis (Parte I)

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Unidad 9. Prueba de Hipótesis (Parte I)

Cargado por

Copyright:

Formatos disponibles

Estadística Matemática

Unidad 9. Prueba de Hipótesis (Parte I)

Diego Alejandro Castro

El nombre de prueba de hipótesis a veces reemplazado por algunos autores por el de

En una prueba de hipótesis se formulan un conjunto de reglas que conduzcan al rechazo o no

La esencia de probar hipótesis estadísticas es el decidir si la afirmación se encuentra respaldada

La afirmación puede involucrar: i) un parámetro, ii) diferencia de parámetros, iii) cociente

A causa de la pandemia del COVID-19, un Banco está interesado en determinar si la

El Decano de la Facultad de Ciencias de la Administración de la Universidad del Valle desea

Ejemplo 1: a causa de la pandemia del COVID-19, un Banco está interesado en determinar si

Sea: 𝑃2020 = 𝑃𝑟𝑜𝑝𝑜𝑟𝑐𝑖ó𝑛 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙 𝑑𝑒 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠 𝑖𝑛𝑐𝑢𝑚𝑝𝑙𝑖𝑑𝑜𝑠 𝑒𝑛 𝑒𝑙 𝑎ñ𝑜 2020

𝐻0 : 𝑃2020 ≤ 𝑃2019 𝑣𝑠 𝐻𝑎 : 𝑃2020 > 𝑃2019

𝐻0 : 𝑃2020 − 𝑃2019 ≤ 0 𝑣𝑠 𝐻𝑎 : 𝑃2020 − 𝑃2019 > 0

Ejemplo 2: el Decano de la Facultad de Ciencias de la Administración de la Universidad del Valle

Sea: 𝜇𝐴𝑑𝑚 = 𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒𝑙 𝑠𝑎𝑙𝑎𝑟𝑖𝑜 𝑑𝑒 𝑙𝑜𝑠 𝑒𝑔𝑟𝑒𝑠𝑎𝑑𝑜𝑠 𝑑𝑒 𝑎𝑑𝑚𝑖𝑛𝑖𝑠𝑡𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑒𝑚𝑝𝑟𝑒𝑠𝑎𝑠

𝐻0 : 𝜇𝐶𝑜𝑛𝑡𝑎 ≥ 𝜇𝐴𝑑𝑚𝑖𝑛 𝑣𝑠 𝐻𝑎 : 𝜇𝐶𝑜𝑛𝑡𝑎𝑑 < 𝜇𝐴𝑑𝑚𝑖𝑠𝑡𝑟𝑎

𝐻0 : 𝜇𝐴𝑑𝑚 −𝜇𝐶𝑜𝑛𝑡 ≤ 0 𝑣𝑠 𝐻𝑎 : 𝜇𝐴𝑑𝑚 −𝜇𝐶𝑜𝑛𝑡 > 0

Ejemplo 3: el ministerio de Educación Nacional desea confirmar si los resultados de las

𝐻0 : 𝐿𝑜𝑠 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑑𝑒 𝑙𝑎𝑠 𝑝𝑟𝑢𝑒𝑏𝑎𝑠 𝑆𝑎𝑏𝑒𝑟 11 𝑠𝑒 𝑎𝑠𝑒𝑚𝑒𝑗𝑎 𝑎 𝑙𝑎 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑛𝑜𝑟𝑚𝑎𝑙

Sea: 𝜇𝐴 = 𝑇𝑖𝑒𝑚𝑝𝑜 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑒𝑛 𝑒𝑙 𝑞𝑢𝑒 𝑠𝑒 𝑒𝑗𝑒𝑐𝑢𝑡𝑎 𝑒𝑙 𝑝𝑟𝑜𝑐𝑒𝑠𝑜 𝐴

Ejemplo 5: se quiere determinar si la esperanza de vida promedio de los habitantes en

Sea: 𝜇 = 𝐸𝑠𝑝𝑒𝑟𝑎𝑛𝑧𝑎 𝑑𝑒 𝑣𝑖𝑑𝑎 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜𝑑𝑒 𝑢𝑛𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛

Sea: σ2 = 𝑉𝑎𝑟𝑖𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒𝑙 𝑑𝑖𝑎𝑚𝑒𝑡𝑟𝑜 𝑑𝑒 𝑙𝑜𝑠 𝑡𝑜𝑟𝑛𝑖𝑙𝑙𝑜𝑠

𝐻0 : σ2 ≤ 0,007 vs 𝐻𝑎 : σ2 > 0,007

Ejemplo 7: un funcionario del ministerio de educación que trabaja en el departamento de

Otra forma de plantear las hipótesis:

Paso 1: planteamiento de hipótesis

Paso 2: seleccionar el nivel de significancia o confianza

Paso 5: calcular el valor p

Paso 6: obtener la conclusión según el contexto del problema

Aunque ya se abordaron siete ejemplos de planteamientos de hipótesis, la expresión general para

• Para la media poblacional:

• Para la proporción poblacional:

• Para el cociente entre varianzas:

• Para la diferencia de medias:

• Para la diferencia de proporciones:

𝑎) 𝐻0 : 𝑃1 −𝑃2 ≥ 𝑃0 𝑣𝑠 𝐻𝑎 : 𝑃1 −𝑃2 < 𝑃0

El nivel de significancia 𝛼 también se conoce como la probabilidad de rechazar la hipótesis nula

𝛼 = 𝑃 Rechazar 𝐻0 ȁ𝐻0 es verdadera 𝛼 = 𝑃 Error tipo I

𝛽 = 𝑃 No Rechazar 𝐻0 ȁ𝐻0 es 𝑓𝑎𝑙𝑠𝑎 𝛽 = 𝑃 Error tipo I𝐼

𝑃𝑜𝑡𝑒𝑛𝑐𝑖𝑎 𝑑𝑒 𝑙𝑎 𝑝𝑟𝑢𝑒𝑏𝑎 = 1 − 𝛽 = 𝑃( Rechazar 𝐻0 ȁ𝐻0 es falsa)

La potencia refleja la “sensibilidad” de un contraste de hipótesis, esto es, su capacidad para

La potencia de la prueba (1 − 𝛽) se incrementa a medida que aumenta el tamaño de la

La probabilidad de cometer error tipo I y potencia de la prueba están relacionados

La probabilidad de cometer error tipo I y II, están relacionados de manera inversa, es

• La media poblacional es:

• La proporción poblacional es:

• La varianza poblacional es:

• La diferencia de proporciones en muestras independientes es:

• El cociente entre varianzas es:

Cuando las varianzas poblacionales no se conocen y son estadísticamente iguales. Además el

Cuando las varianzas poblacionales no se conocen y son estadísticamente diferentes iguales.

• La diferencia de proporciones en muestras dependientes es:

Se Rechaza • Si 𝑍𝐶𝑎𝑙 ≤ 𝑍𝐶𝑟𝑖𝑡𝑖𝑐𝑜 se rechaza 𝐻0

• Si 𝑡𝐶𝑎𝑙 ≤ 𝑡𝐶𝑟𝑖𝑡𝑖𝑐𝑜 se rechaza 𝐻0

• Si 𝑍𝐶𝑎𝑙 ≥ 𝑍𝐶𝑟𝑖𝑡𝑖𝑐𝑜 se rechaza 𝐻0

No se 𝛼 • Si 𝑡𝐶𝑎𝑙 ≥ 𝑡𝐶𝑟𝑖𝑡𝑖𝑐𝑜 se rechaza 𝐻0

El caso a) y b) en todos las pruebas de hipótesis que se plantearon, se conoce como

• Si 𝑍𝐶𝑎𝑙 ≥ 𝑍1−𝛼/2 se rechaza 𝐻0 ó

𝛼/2 𝛼/2 • Si 𝑡𝐶𝑎𝑙 ≥ 𝑡1−𝛼/2 se rechaza 𝐻0 ó

rechaza 𝐻0 • Si 𝑡𝐶𝑎𝑙 ≤ 𝑡𝛼/2 se rechaza 𝐻0

• El cálculo depende del sentido de la hipótesis alternativa

• El indicador se encuentra entre cero y uno, y es similar a una probabilidad de ocurrencia.

Por ejemplo, para la media poblacional se calcula como: