Pruebas de hipótesis

OBJETIVOS

UNO CINCO
Definir una hipótesis y una prueba de hipótesis. Realizar una prueba de hipótesis respecto
DOS a la diferencia entre dos medias
Describir el procedimiento de los pasos para la prueba de poblacionales, dos proporciones de
hipótesis. población y razón de varianzas
TRES SEIS
Distinguir entre una prueba de hipótesis con una cola y Definir los errores de Tipo I y de Tipo II.
con dos colas. SIETE
CUATRO Calcular la probabilidad de un error de
Realizar una prueba de hipótesis respecto a una media Tipo II.
poblacional, a una proporción poblacional y a una
varianza poblacional
Hipótesis: Son suposiciones, Soluciones probables al problema planteado que el científico propone
para ver, a través de todo el proceso de la investigación, si son confirmadas por los hechos.

Hipótesis Estadística: Es una afirmación que se hace sobre una o más características de una población.

Hipótesis paramétrica: Es una Hipótesis no paramétrica: es una afirmación que se hace

aseveración que se hace acerca del sobre la forma de distribución de la población, la relación
valor del parámetro o los valores de los de variables, etc.
parámetros de una población.

1. El número de pacientes por hora que ingresa por emergencia a

1. El promedio ppm de monóxido de
carbono en la ciudad del Cusco es
superior a 25.
2. Más del 70% de los estudiantes
universitarios tienen problemas de
estrés.
un centro de salud tiene una distribución de poisson.
2. La cantidad de generación de residuo sólido por familia en la
ciudad del cusco tiene distribución normal.
3. La variable sexo con la variable hobbies son dependientes
4. Existe relación entre el estrés en los estudiantes y estado de
vivencia de soledad.
 Prueba estadística de una hipótesis
Es una regla que luego de aplicarse a valores experimentales conducen a aceptar o rechazar la
hipótesis bajo consideración.
Tipos de Hipótesis
Hipótesis Nula. Se denota por Ho y es la Hipótesis Alternativa .- Se denota por H1 o Ha y
hipótesis que se contrasta. Generalmente generalmente es especificada con menos precisión.
se establece en forma exacta. Es la Es la suposición contraria a la que se quiere
hipótesis que mantendremos hasta que los contrastar, que se acepta en caso la hipótesis nula se
datos demuestren su falsedad. rechace.
Ejemplo: H1 : θ < θ0 , θ > θ0 o θ ≠ θ0 .

Ejemplo: Ho : θ = θ0 . Al efectuar el contraste, hablamos de probar la

La hipótesis nula refleja el valor que ha
tenido el parámetro en un momento
determinado, pero pueda que haya
cambiado dando lugar a la hipótesis
alternativa
hipótesis nula contra la hipótesis alternativa, bajo el
supuesto tentativo que la hipótesis nula es cierta.
Ello porque la hipótesis nula refleja el
comportamiento que ha tenido (tiene o seguirá
teniendo) el parámetro, hasta que los datos
demuestren su falsedad.
 Pasos para el Contraste de Hipótesis

1. Formulación de las hipótesis de acuerdo al problema.

H0 : θ = θ0 θ = θ0 θ = θ0
H1 : θ ≠ θ0 θ < θ0 θ > θ0

2. Establecer el nivel de significacia 𝛼

3. Elegir el estadístico de prueba: (Z, t, chi-cuadrado, F, etc.) cuya distribución por

muestreo sea conocida en el supuesto tentativo de que H0 es cierta. Esta prueba
estadística, debe ser función del estimador y del parámetro, al igual que en la
construcción de intervalos de confianza.
4. Establecer la región crítica. Para ello tomar en cuenta la distribución de la prueba
estadística escogida.

Región de Región de Región de Región de

Rechazo Rechazo Rechazo Rechazo

Región de Región de Región de

Aceptación Aceptación Aceptación

5. Calcular el valor del estadístico de prueba con la información de una muestra

aleatoria de tamaño n y bajo el supuesto que H0 es cierta.

6. Conclusión: Si el valor calculado de la prueba estadística pertenece a la región

crítica, entonces rechazamos H0 y aceptamos H1. En caso contrario, si el valor
calculado de la prueba estadística pertenece a la región de aceptación, entonces
aceptamos H0 y rechazamos H1.
Tipo de Errores
PRUEBA DE HIPÓTESIS PARA LA MEDIA (con varianza conocida o 𝒏 ≥ 𝟑𝟎)

1. Formulación de las hipótesis de acuerdo al problema.

H0 : 𝜇 = 𝜇 0 𝜇=𝜇0 𝜇=𝜇0
H1 : 𝜇 ≠ 𝜇 0 𝜇<𝜇0 𝜇>𝜇0

2. Establecer el nivel de significacia 𝛼

𝑥 −𝜇 𝑥 −𝜇
3. Elegir el estadístico de prueba: 𝑧𝑐 = 𝜎 . 𝑧𝑐 = 𝑠 .
𝑛 𝑛
Cuya distribución es normal N(0,1).
4. Establecer la región crítica.

Región de Región de
Región de Región de
Rechazo Rechazo
Rechazo Rechazo

Región de Región de Región de

Aceptación Aceptación Aceptación
5. Calcular el valor del estadístico de prueba con la información de una muestra
aleatoria de tamaño n y bajo el supuesto que H0 es cierta.

6. Conclusión: Si el valor calculado de la prueba estadística pertenece a la región

crítica, entonces rechazamos H0 y aceptamos H1. En caso contrario, si el valor
calculado de la prueba estadística pertenece a la región de aceptación, entonces
aceptamos H0 y rechazamos H1.

Nota: Método del valor P (o P-valor o sig o Probab, etc.)

Otra forma de establecer la regla de decisión, es calculando el valor P (probabilidad mínima para
rechazar Ho), a partir del valor Zc, de manera que:
EJEMPLO 1: Un proceso de empaquetar un producto está controlado, si el peso medio
del producto empaquetado es 400 gr. Si en una muestra aleatoria de 100 paquetes del
producto se ha encontrado que el peso medio es de 395 gramos. Suponga que el peso
de los productos empaquetados se distribuye normalmente con desviación estándar de
20 gramos.
a) ¿Se podría concluir que el proceso está fuera de control al 5% de significación? Halle
P-valor.
b) Construya un intervalo de confianza del 95% para el peso medio del producto
empaquetado. ¿Aceptaría usted que 𝜇 = 400 gr. (proceso controlado)?

EJEMPLO 2: Los sacos de café que recibe un exportador deben tener un peso promedio
de 100 kilogramos. Un inspector tomó una muestra de 50 sacos de un lote de 500
sacos de café encontrando una media de 98 Kg. y una desviación estándar de 3 Kg.. Con
un nivel de significancia del 2% .
a) ¿Es razonable que el exportador rechace el lote de sacos de café?.
PRUEBA DE HIPÓTESIS PARA LA PROPORCION ( 𝒏 ≥ 𝟑𝟎)

1. Formulación de las hipótesis de acuerdo al problema.

H0 : 𝜋 = 𝜋0 𝜋 = 𝜋0 𝜋 = 𝜋0
H1 : 𝜋 ≠ 𝜋0 𝜋 < 𝜋0 𝜋 > 𝜋0

2. Establecer el nivel de significacia 𝛼

𝑝−𝜋
3. Elegir el estadístico de prueba: 𝑧𝑐 =
𝜋(1−𝜋)
𝑛
4. Establecer la región crítica.

Región de Región de
Región de Región de
Rechazo Rechazo
Rechazo Rechazo

Región de Región de Región de

Aceptación Aceptación Aceptación
5. Calcular el valor del estadístico de prueba con la información de una muestra
aleatoria de tamaño n y bajo el supuesto que H0 es cierta.

6. Conclusión: Si el valor calculado de la prueba estadística pertenece a la región

crítica, entonces rechazamos H0 y aceptamos H1. En caso contrario, si el valor
calculado de la prueba estadística pertenece a la región de aceptación, entonces
aceptamos H0 y rechazamos H1.

Nota: Método del valor P (o P-valor o sig o Probab, etc.)

Otra forma de establecer la regla de decisión, es calculando el valor P (probabilidad mínima para
rechazar Ho), a partir del valor Zc, de manera que:
Ejemplo 1: De una muestra aleatoria de 800 ciudadanos entrevistados en una ciudad,
200 indicaron que no están de acuerdo con el voto electrónico. ¿Indica esta evidencia
que más del 20 % de los ciudadanos no están de acuerdo con el voto electrónico? Use
el nivel de significación de 0.01. Halle p-valor.

Ejemplo 2: Un fabricante afirma que el 30% de todos los consumidores prefiere su

producto. Con el fin de evaluar esta afirmación se tomó una muestra aleatoria de 400
consumidores y se encontró que 100 de ellos prefieren dicho producto.
¿Es ésta, suficiente evidencia para inferir que el porcentaje de preferencia del producto
no es 30%?. Utilice el nivel de significación del 1%.
PRUEBA DE HIPÓTESIS PARA LA VARIANZA

1. Formulación de las hipótesis de acuerdo al problema.

H0 : 𝜎 = 𝜎0 𝜎 = 𝜎0 𝜎 = 𝜎0
H1 : 𝜎 ≠ 𝜎0 𝜎 < 𝜎0 𝜎 > 𝜎0

2. Establecer el nivel de significacia 𝛼

3. Elegir el estadístico de prueba: (n  1)  s

2
 
2
 gl  (n  1)

c 2

4. Establecer la región crítica.

Región de Región de Región de
Región de
Rechazo Rechazo Rechazo
Rechazo
de H0 de H0 de H0
de H0
Región de Región de Región de
Aceptación Aceptación Aceptación
de H0 de H0 de H0
5. Calcular el valor del estadístico de prueba con la información de una muestra
aleatoria de tamaño n y bajo el supuesto que H0 es cierta.
6. Conclusión: Si el valor calculado de la prueba estadística pertenece a la región crítica, entonces
rechazamos H0 y aceptamos H1. En caso contrario, si el valor calculado de la prueba estadística
pertenece a la región de aceptación, entonces aceptamos H0 y rechazamos H1.
Ejemplo 1: Un proceso está programado para embolsar la cantidad media de 500 gramos de frejol.
Se toma una muestra aleatoria de 35 bolsas, resultando una media de 496.5 gramos y una desviación
típica de 15 gramos.
a) Al 5% de significación ¿se puede afirmar que el contenido medio en las bolsas de frejol es menor
de 500 gramos? Halle p-valor.
b) ¿Aceptaría usted que 𝜎 2 > 300 𝑔𝑟 2 por bolsa? Use α = 0.05. Halle p-valor.

Ejemplo 2: Se tiene la siguiente prueba de hipótesis: Ho: μ ≥ 100 y H1: μ < 100.
Una muestra de 50 elementos produce una media muestral de 95.5 y una desviación estándar
muestral de 12.
a) Realice la prueba de hipótesis usando α = 0.05. Halle p-valor.
b) Ponga a prueba H0: 𝜎 2 = 120 contra H1: 𝜎 2 ≠ 120, use α = 0.05. Halle p-valor.
PRUEBA DE HIPÓTESIS PARA LA MEDIA (con varianza conocida o 𝒏 < 𝟑𝟎)

1. Formulación de las hipótesis de acuerdo al problema.

H0 : 𝜇 = 𝜇 0 𝜇=𝜇0 𝜇=𝜇0
H1 : 𝜇 ≠ 𝜇 0 𝜇<𝜇0 𝜇>𝜇0

2. Establecer el nivel de significacia 𝛼

𝑥 −𝜇
3. Elegir el estadístico de prueba: 𝑇𝑐 = 𝑠 .
𝑛

4. Establecer la región crítica.

Región de Región de
Región de Región de
Rechazo Rechazo
Rechazo Rechazo

Región de Región de Región de

Aceptación Aceptación Aceptación
5. Calcular el valor del estadístico de prueba con la información de una muestra aleatoria de
tamaño n y bajo el supuesto que H0 es cierta.

6. Conclusión: Si el valor calculado de la prueba estadística pertenece a la región crítica, entonces

rechazamos H0 y aceptamos H1. En caso contrario, si el valor calculado de la prueba estadística
pertenece a la región de aceptación, entonces aceptamos H0 y rechazamos H1.
Ejemplo 1: Los pesos netos (gr.) de las bolsas de detergente es de 250. Una muestra aleatoria de
10 bolsas dio estos pesos: 248, 251, 248, 247, 245, 246, 246, 252, 247, 250.
a) Será la media poblacional de los pesos netos menor a 250gr. Use α = 0.01. Halle p-valor.
b) Ponga a prueba H0: 𝜎 2 = 15 contra H1: 𝜎 2 ≠ 15, con un α = 0.05. Halle p-valor.

Ejemplo 2: Las latas de duraznos de la Compañía “La dulzura” deben contener un peso neto de 16
onzas, pero hay una gran variabilidad. Una muestra aleatoria de seis latas revela los pesos netos
siguientes en onzas: 15.1, 16.1, 15.8, 15.4, 16.1 y 15.1.
a) Use α = 0.01 para determinar si el verdadero peso neto de las latas de duraznos es menor de 16
onzas. Determine p-valor.
b) ¿Aceptaría usted que 𝜎 2 < 1.25 𝑔𝑟 2 por bolsa? Use α = 0.05. Halle p-valor.