Instituto Tecnológico de Aguascalientes

Actividad 1 T3

Alumno:
Emmanuel Ibarra Nuñez

Maestro:
Domingo De La Cerda Flores

Materia:
6°Semestre/ V136

Aguascalientes, Ags., 26 de Julio del 2020

1-. Una hipótesis estadística es una afirmación que se hace sobre una o más
características de una población (decir que la vida media de una batería es x
horas, que un tratamiento reduce el dolor, que un determinado producto hace
adelgazar, que a la gente le gusta mayoritariamente el morbo…).
Un test o contraste de hipótesis es algún procedimiento para aceptar o rebatir
dicha hipótesis o afirmación.

Una hipótesis se contrasta comparando sus predicciones con la realidad: si

coinciden, dentro del margen de error admisible, mantendremos la hipótesis; en
caso contrario, la rechazaremos.

2-. La hipótesis nula consiste en una afirmación acerca de la población de origen de

la muestra. Usualmente, es más simple (menor número de parámetros, por ejemplo)
que su antagonista. Se designa a la hipótesis nula con el símbolo H0.

La hipótesis alternativa es igualmente una afirmación acerca de la población de

origen. Muchas veces, aunque no siempre, consiste simplemente en negar la
afirmación de H0. La hipótesis alternativa se designa con el símbolo H1.

En la teoría del contraste de hipótesis este tipo de planteamiento se conoce como

contraste de hipótesis simple contra simple.

Así pues, una hipótesis simple postula que el parámetro θ sólo puede tomar un valor
o bien, más técnicamente, que el conjunto de parámetros asociado a una hipótesis
simple consiste en un sólo punto.

3-. Un estadístico de prueba es una variable aleatoria que se calcula a partir de

datos de muestra y se utiliza en una prueba de hipótesis. Puede utilizar los
estadísticos de prueba para determinar si puede rechazar la hipótesis nula. El
estadístico de prueba compara sus datos con lo que se espera bajo la hipótesis
nula. El estadístico de prueba se utiliza para calcular el valor p.

Un estadístico de prueba mide el grado de concordancia entre una muestra de datos

y la hipótesis nula. Su valor observado cambia aleatoriamente de una muestra
aleatoria a una muestra diferente. Un estadístico de prueba contiene información
acerca de los datos que es relevante para decidir si se puede rechazar la hipótesis
nula. La distribución del muestreo del estadístico de prueba bajo la hipótesis nula
se denomina distribución nula.

Cuando los datos muestran evidencia clara en contra de los supuestos de la

hipótesis nula, la magnitud del estadístico de prueba se vuelve demasiado grande
o demasiado pequeña dependiendo de la hipótesis alternativa. Esto hace que el
valor p de la prueba se vuelva lo suficientemente pequeño como para rechazar la
hipótesis nula.

4-.

Un contraste bilateral adopta en general la forma:

H0: θ = θ0 contra H1: θ ≠ θ0

En determinadas ocasiones el experimentador prefiere plantear directamente un

contraste de la forma:

H0: θ = θ0 contra H1: θ > θ0

conocido como contraste unilateral derecho. Obviamente, otra posibilidad es

el unilateral izquierdo:

H0: θ = θ0 contra H1: θ < θ0

En estos tres casos, el contraste de hipótesis es simple contra compuesta.

En la mayoría de situaciones aplicadas, se desean realmente resolver contrastes

unilaterales que comportan hipótesis compuestas. El unilateral derecho es
entonces:
 H0: θ ≤ θ0 contra H1: θ > θ0

y el izquierdo es:

H0: θ ≥ θ0 contra H1: θ < θ0

Aunque esta última formulación está relacionada con los contrastes

unilaterales simple contra compuesta anteriores, las dos hipótesis no son
técnicamente equivalentes Para simplificar la interpretación de los contrastes
unilaterales, atendiendo a los casos de los que se ocupa Statmedia, se formulan los
contrastes de esta última manera (compuesta contra compuesta) y se toma el nivel
de significación como si fuera el del contraste simple contra compuesta.

En cualquier caso, es importante entender que sólo debe resolverse uno de los tres
contrastes (bilateral o unilateral) con un conjunto de datos concreto.

Por ejemplo, es incorrecto desde el punto de vista metodológico empezar

contrastando bilateralmente, y hacer luego un test unilateral. El contraste que se ha
de emplear debe decidirse basándose en conocimientos previos del problema, o
bien guiándose por la cuestión de interés aplicado a responder.

5-. Ninguna prueba de hipótesis es 100% cierta. Puesto que la prueba se basa en
probabilidades, siempre existe la posibilidad de llegar a una conclusión incorrecta.
Cuando usted realiza una prueba de hipótesis, puede cometer dos tipos de error:
tipo I y tipo II. Los riesgos de estos dos errores están inversamente relacionados y
se determinan según el nivel de significancia y la potencia de la prueba. Por lo tanto,
usted debe determinar qué error tiene consecuencias más graves para su situación
antes de definir los riesgos.

Error de tipo I
Si usted rechaza la hipótesis nula cuando es verdadera, comete un error de tipo I.
La probabilidad de cometer un error de tipo I es α, que es el nivel de significancia
que usted establece para su prueba de hipótesis. Un α de 0.05 indica que usted
está dispuesto a aceptar una probabilidad de 5% de estar equivocado al rechazar
la hipótesis nula. Para reducir este riesgo, debe utilizar un valor menor para α. Sin
embargo, usar un valor menor para alfa significa que usted tendrá menos
probabilidad de detectar una diferencia si está realmente existe.

Error de tipo II

Cuando la hipótesis nula es falsa y usted no la rechaza, comete un error de tipo II.
La probabilidad de cometer un error de tipo II es β, que depende de la potencia de
la prueba. Puede reducir el riesgo de cometer un error de tipo II al asegurarse de
que la prueba tenga suficiente potencia. Para ello, asegúrese de que el tamaño de
la muestra sea lo suficientemente grande como para detectar una diferencia práctica
cuando está realmente exista.

La probabilidad de rechazar la hipótesis nula cuando es falsa es igual a 1–β. Este

valor es la potencia de la prueba.

Para entender la interrelación entre los errores de tipo I y tipo II, y para determinar
cuál error tiene consecuencias más graves para su situación, considere el siguiente
ejemplo.

Un investigador médico desea comparar la efectividad de dos medicamentos. Las

hipótesis nula y alternativa son:
 Hipótesis nula (H0): μ1= μ2

Los dos medicamentos tienen la misma eficacia.

 Hipótesis alternativa (H1): μ1≠ μ2

Los dos medicamentos no tienen la misma eficacia.

Un error de tipo I se produce si el investigador rechaza la hipótesis nula y concluye

que los dos medicamentos son diferentes cuando, en realidad, no lo son. Si los
medicamentos tienen la misma eficacia, el investigador podría considerar que este
error no es muy grave, porque de todos modos los pacientes se beneficiarían con
el mismo nivel de eficacia independientemente del medicamento que tomen. Sin
embargo, si se produce un error de tipo II, el investigador no rechaza la hipótesis
nula cuando debe rechazarla. Es decir, el investigador concluye que los
medicamentos son iguales cuando en realidad son diferentes. Este error puede
poner en riesgo la vida de los pacientes si se pone en venta el medicamento menos
efectivo en lugar del medicamento más efectivo.

Cuando realice las pruebas de hipótesis, considere los riesgos de cometer errores
de tipo I y tipo II. Si las consecuencias de cometer un tipo de error son más graves
o costosas que cometer el otro tipo de error, entonces elija un nivel de significancia
y una potencia para la prueba que reflejen la gravedad relativa de esas
consecuencias.

6-. El nivel de significancia, también denotado como alfa o α, es la probabilidad de

rechazar la hipótesis nula cuando es verdadera. Por ejemplo, un nivel de
significancia de 0.05 indica un riesgo de 5% de concluir que existe una diferencia
cuando en realidad no hay ninguna diferencia.

El nivel de significancia determina qué tan lejos del valor de la hipótesis nula
dibujaremos esa línea en la gráfica. Para graficar un nivel de significancia de 0.05,
debemos sombrear el 5% de la distribución que está más alejado de la hipótesis
nula.

Los valores p son la probabilidad de obtener un efecto por lo menos tan extremo
como el de los datos de la muestra, asumiendo que la hipótesis nula es verdadera.

7-. El nivel de confianza representa el porcentaje de intervalos que incluirían el

parámetro de población si usted tomara muestras de la misma población una y otra
vez. Por lo general, un nivel de confianza de 95% funciona adecuadamente. Esto
indica que si usted recogió cien muestras y creó cien intervalos de confianza de
95%, cabría esperar que aproximadamente 95 de los intervalos incluyeran el
parámetro de población, tal como la media de la población

8-. Ejemplo Practico

1. Especificar las hipótesis.

En primer lugar, el gerente formula las hipótesis. La hipótesis nula es: la
media de la población de todos los tubos es igual a 5 cm. Formalmente, esto
se escribe como: H0: μ = 5

Luego, el gerente elige entre las siguientes hipótesis alternativas:

Hipótesis
Condición que se probará alternativa

La media de la población es menor que el unilateral: μ < 5

objetivo.

La media de la población es mayor que el unilateral: μ > 5

objetivo.

La media de la población es diferente del bilateral: μ ≠ 5

objetivo.

Como tiene que asegurarse de que los tubos no sean más grandes ni más
pequeños de 5 cm, el gerente elige la hipótesis alternativa bilateral, que
indica que la media de la población de todos los tubos no es igual a 5 cm.
Formalmente, esto se escribe como H1: μ ≠ 5

2. Elegir un nivel de significancia (también denominado alfa o α).

El gerente selecciona un nivel de significancia de 0.05, que es el nivel de

significancia más utilizado.
 3. Determinar la potencia y el tamaño de la muestra para la prueba.

El gerente utiliza un cálculo de potencia y tamaño de la muestra para

determinar cuántos tubos tiene que medir para tener una buena probabilidad
de detectar una diferencia de 0.1 cm o más con respecto al diámetro objetivo.

4. Recolectar los datos.

Recoge una muestra de tubos y mide los diámetros.

5. Comparar el valor p de la prueba con el nivel de significancia.

Después de realizar la prueba de hipótesis, el gerente obtiene un valor p de

0.004. El valor p es menor que el nivel de significancia de 0.05.

6. Decidir si rechazar o no rechazar la hipótesis nula.

El gerente rechaza la hipótesis nula y concluye que el diámetro medio de

todos los tubos no es igual a 5 cm.

Conclusión

Es necesario el identificar una variable aleatoria X que tiene una distribución

conocida, es decir, que pertenece a una clase determinada, por ejemplo a las del
tipo normal, y con relación a la cual se quiere tomar una decisión respecto al valor
de un parámetro desconocido, pero asociado a ello.

Luego de ello, se plantea una hipótesis nula, donde se asume un valor para el
parámetro; y una hipótesis alternativa donde se contradice lo expresado en la
hipótesis nula.

Entonces se escoge el nivel de significación a, que es la probabilidad de rechazar

la hipótesis nula siendo esta cierta.
Se seleccionará una muestra de tamaño n para estimar el parámetro desconocido
y poder posteriormente decidir si se rechaza o no H0.

Se definirá la región crítica para la prueba de hipótesis de interés.

Finalmente se toma la decisión de rechazar H0, con un nivel de significación a si el

valor estimado del parámetro está en la región crítica y de no rechazar H0 si este
valor no está en la región crítica.

Bibliografía

https://bookdown.org/aquintela/EBE/hipotesis-estadisticas.html

http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo9/B0C9m1
t3.htm#:~:text=La%20hip%C3%B3tesis%20nula%20consiste%20en,de%20la%20
poblaci%C3%B3n%20de%20origen.

http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo9/B0C9m1
t16.htm

https://support.minitab.com/es-mx/minitab/18/help-and-how-to/statistics/basic-
statistics/supporting-topics/basics/what-is-a-test-
statistic/#:~:text=Un%20estad%C3%ADstico%20de%20prueba%20es,espera%20
bajo%20la%20hip%C3%B3tesis%20nula.

https://blog.minitab.com/es/entendiendo-las-pruebas-de-hipotesis-niveles-de-
significancia-alfa-y-valores-p-en-estadistica

https://support.minitab.com/es-mx/minitab/18/help-and-how-to/statistics/basic-
statistics/supporting-topics/basics/what-is-a-confidence-level/

https://support.minitab.com/es-mx/minitab/19/help-and-how-to/statistics/basic-
statistics/supporting-topics/basics/example-of-a-hypothesis-test/