Unidad 4 / Escenario 7

Lectura Fundamental

Formulación de hipótesis y
estimación de intervalos de
confianza en la toma de decisiones
gerenciales

Contenido

1 Formulación de hipótesis

2 Estimación de parámetros

3 Referencias

Palabras clave: formulación de hipótesis, estadístico de prueba, intervalos de confianza.

1. Formulación de hipótesis

1.1 ¿Qué es una hipótesis?

El término “hipótesis” según la RAE denota: “Suposición de algo posible o imposible para sacar
de ella una consecuencia”. Aplicando este concepto al campo de la administración científica,
una hipótesis consiste en asumir un suceso relacionado con una variable de interés en el proce-
so de toma de decisiones.

Caso Motortesting SAS.

Imagine que la empresa Motortesting S.A.S. dedicada al diagnóstico de automotores, con

trayectoria de más de cinco años en el sector, nota que en los últimos dos años se ha presen-
tado una tendencia en los resultados de las pruebas de los vehículos marca YongSing. Al jefe
del equipo de revisión tecnicomecánica, Richard Wagen, le ha parecido curioso que muchos
de estos vehículos no logran superar los ítems: suspensión trasera y eficacia total del sistema
de frenos. De acuerdo con su experiencia, míster Wagen plantea que reiteradas falencias en
la suspensión trasera están asociadas con la calidad de los amortiguadores y sospecha que
estos problemas provienen de un defecto en el diseño. Basándonos en la definición de hipótesis,
Richard Wagen probará si está en lo cierto…

1.2 Prueba de hipótesis.

Una vez el decisor plantea la hipótesis deberá evaluar su veracidad; a este proceso se le conoce
como prueba de hipótesis y se desarrolla en su mayoría en cinco etapas:

POLITÉCNICO GRANCOLOMBIANO 2
 1.2.1 Etapa 1. Declarar las hipótesis nula y alternativa.

La hipótesis nula es la que permite comprobar o rechazar el pensamiento del decisor, se repre-
senta con la mayúscula H y con el subíndice cero 0, así: H0; para aprobar la hipótesis nula es
necesario calcular un parámetro poblacional.

SABÍAS QUE...
Tanto H0 como H1 son mutuamente excluyentes.

La hipótesis nula se expresa como una ecuación que relaciona un parámetro poblacional con un
valor que el decisor supone como cierto (valor hipotético).

SABÍAS QUE...
Por el hecho de que la hipótesis nula se no se rechace, esto no quiere decir que el pensamiento del
decisor sea verdadero, sólo indica que no hay evidencia estadística que permita rechazar esta hipó-
tesis, por los datos disponibles.

Por otra parte, la hipótesis alternativa se acepta si la información muestral proporciona suficien-
te evidencia estadística para rechazar la hipótesis nula y se representa con la mayúscula H y el
subíndice 1 o A así: H1 o HA. La hipótesis alternativa puede ser unilateral o bilateral, es decir,
si el decisor tiene algún indicio sobre la tendencia del parámetro poblacional respecto al valor
hipotético (si cree que es mayor o igual o que es estrictamente menor o igual), será unilateral;
en cambio, si el decisor no sabe si el parámetro poblacional será mayor o menor que el valor
hipotético, la hipótesis será bilateral.

POLITÉCNICO GRANCOLOMBIANO 3
 Caso Motortesting SAS.

…Al ser dos componentes diferentes, la suspensión trasera y el sistema de frenos, míster Wagen
ve la necesidad de plantear dos hipótesis diferentes respectivamente.

Hipótesis sistema de frenos:

La eficacia total que debe tener el sistema de frenos de cualquier vehículo para operar normal-
mente según la regulación del Ministerio de Transporte, es de al menos un 18%.

H0: La eficacia total del sistema de frenos en un vehículo marca YongSing es menor o igual al 17%.

HA: La eficacia total del sistema de frenos en un vehículo marca Yonsing es mayor al 17%.

Hipótesis suspensión trasera:

El nivel normal de compresión de los amortiguadores traseros, según la regulación del Ministe-
rio de Transporte, debe ser de 570 mm. Si el nivel de compresión es inferior o superior, la sus-
pensión trasera operará de forma incorrecta.

H0: El nivel de compresión de los amortiguadores traseros de un vehículo marca YongSing es

igual a 570 mm.

HA: El nivel de compresión de los amortiguadores traseros de un vehículo marca YongSing es

diferente a 570 mm.

Tabla 1.Hipótesis para el caso Motortesting SAS.

Hipótesis nula H0 Hipótesis alternativa HA

Frenos □ ≤17% □ >17%
Suspensión trasera □ =570 □□ □ ≠570 □□

Fuente: elaboración propia (2017)

POLITÉCNICO GRANCOLOMBIANO 4
 1.2.2 Etapa 2. Fijar un nivel de significancia.

El nivel de significancia es un porcentaje que establece el decisor y corresponde al nivel de

riesgo que está dispuesto a asumir al rechazar la hipótesis nula por error; esta se representa
con el símbolo α.

A pesar de que el nivel de significancia es fijado subjetivamente, los decisores en la práctica han
utilizado niveles del 1%, 5% y 10% con más frecuencia porque estos valores son los más repre-
sentativos en las tablas de distribuciones de probabilidad normal. Con el paso del tiempo estos
niveles se han convertido en un estándar.

SABÍAS QUE...
En investigaciones estadísticas se ha notado que utilizar el 1% es ideal para pruebas de control de
calidad, el nivel del 5% se acostumbra para hipótesis planteadas sobre el comportamiento de con-
sumidores y el 10% para encuestas políticas.

Antes de tomar datos y probar la hipótesis nula, el decisor debe elegir el nivel de riesgo α que le
parezca más apropiado en el contexto de su investigación.

Al momento de plantear una hipótesis y validar si es cierta o no, el decisor puede incurrir en dos
tipos de errores: inicialmente, al considerar como falsa una hipótesis que es verdadera se come-
te un error tipo 1; mientras que el error tipo 2 se da cuando el decisor acepta una hipótesis nula
a pesar que sea falsa.

POLITÉCNICO GRANCOLOMBIANO 5
La siguiente tabla resume los posibles desenlaces que el decisor enfrenta al momento de eva-
luar su hipótesis nula:

Tabla 2. Tipos de error en pruebas de hipótesis.

El decisor…
No rechaza la hipótesis nula Rechaza la hipótesis nula
La hipótesis nula es cierta OK Error tipo 1
La hipótesis nula es falsa Error tipo 2 OK

Fuente: elaboración propia (2017)

…El jefe del equipo de revisión tecnicomecánica, Richard Wagen decide asumir un mismo nivel
de riesgo tanto para la hipótesis de suspensión trasera como para la hipótesis de la eficacia to-
tal del sistema de frenos equivalente a α=1%, dado que espera cometer el mínimo error posible.

1.2.3 Etapa 3. Determinar el estadístico de prueba

El estadístico de prueba depende del tipo de hipótesis que el decisor quiera evaluar, y mide el
grado de semejanza entre los datos de la muestra y la hipótesis nula. Es una variable aleatoria y
su valor cambia en función de los datos de la muestra.

Según la distribución de los datos muestrales, la hipótesis nula se prueba con diferentes esta-
dísticos tal como se muestra en la tabla siguiente:

POLITÉCNICO GRANCOLOMBIANO 6
 Tabla 3. Estadísticos de prueba para cada distribución.

Tipo de distribución Estadístico de prueba

Z Normal Estadístico Z
T student Estadístico t
Ji cuadrado Estadístico Ji cuadrado

Fuente: elaboración propia. 2017.

Ahora bien, si la desviación estándar de la población es conocida por el equipo decisor, la

distribución que se aplicará para la prueba de hipótesis será Z Normal, mientras que si se
desconoce su valor se aplicará T-student.

SABÍAS QUE...
La distribución T-student tiene forma similar a la campana de Gauss de la distribución normal, y su
altura en la parte central varía en función de sus grados de libertad.

Para calcular el estadístico de prueba, el decisor debe tomar una muestra de tamaño n para
cada población y calcular su valor esperado. El cálculo del estadístico de prueba varía en fun-
ción de dos factores:

• Si la hipótesis nula se refiere a una o dos poblaciones

• Si la desviación estándar es conocida o desconocida.

POLITÉCNICO GRANCOLOMBIANO 7
Estadístico de prueba para una población con desviación estándar conocida:

Si el decisor plantea una hipótesis relacionada con una sola población y cuenta con información
histórica que le proporcione la desviación estándar de la misma, el estadístico de prueba Z que
se utiliza es:

En el caso de Motortesting…después de solicitar a Charlie Volks, ingeniero automotor de Mo-

tortesting S.A.S., que se incorporará al equipo de pruebas, míster Wagen identificó que la distri-
bución que siguen los datos de eficacia total del sistema de frenos es Normal con desviación
estándar σ=1.5%.

Charlie Volks recopiló todos los registros de vehículos marca YongSing y encontró que la efica-
cia total del sistema de frenos para los 50 vehículos de esa marca fue del 13%. Con esta infor-
mación muestral míster Wagen calculó el estadístico de prueba:

El valor del estadístico Z para la prueba de hipótesis de la eficacia total del sistema de frenos en
los vehículos marca YongSing es -19.047.

POLITÉCNICO GRANCOLOMBIANO 8
Estadístico de prueba con desviación estándar desconocida para una población:

En ocasiones el decisor no cuenta con información suficiente para estimar la desviación estándar
de la población. En este caso, el decisor puede calcular el estadístico de prueba T student con n-1
grados de libertad a partir de la desviación estándar muestral □ para validar su hipótesis nula:

…Por otro lado, los datos muestrales del nivel de compresión de los amortiguadores traseros
arrojaron que x ̅=480 mm, pero su desviación estándar se desconoce. Debido a esto míster
Wagen tuvo que calcular la desviación estándar muestral para los vehículos marca YongSing y
obtuvo s=25 mm. Entonces, Charlie Volks estimó el estadístico t de prueba

El valor del estadístico t para la prueba de hipótesis del nivel de compresión de los amortiguado-
res traseros en los vehículos marca YongSing es -25.456.

POLITÉCNICO GRANCOLOMBIANO 9
Estadístico de prueba con desviación estándar conocida e idéntica para la comparación de dos
poblaciones:

Estadístico de prueba con desviación estándar conocida y diferente para la comparación de

dos poblaciones:

POLITÉCNICO GRANCOLOMBIANO 10
Estadístico de prueba con desviación estándar desconocida e idéntica para la comparación de
dos poblaciones:

POLITÉCNICO GRANCOLOMBIANO 11
Donde

Estadístico de prueba con desviación estándar desconocida y diferente para la comparación de

dos poblaciones:

POLITÉCNICO GRANCOLOMBIANO 12
 1.2.4 Etapa 4. Formular una regla para tomar decisiones

En esta etapa se establece el valor crítico que permite identificar la aceptación o rechazo de la hipó-
tesis nula, es decir, si el estadístico de prueba supera al valor crítico, se rechaza la hipótesis nula; de
lo contrario, si el estadístico de prueba es menor que el valor crítico se acepta la hipótesis nula.

El valor crítico es el límite entre la región de aceptación y la región de rechazo.

Es importante aclarar, que si la hipótesis alternativa es unilateral se utilizará un único valor críti-
co, mientras que si la hipótesis es bilateral se definirán dos valores críticos inferior y superior los
cuales delimitan la región de aceptación.

Con base en dicho valor las reglas que se utilizan para decidir si aceptar o no la hipótesis nula
son las siguientes:

• Para hipótesis alternativas unilaterales del tipo “menor que”: si el estadístico de prueba
es menor que el valor crítico la hipótesis nula se rechaza.

• Para hipótesis alternativas unilaterales del tipo “mayor que”: si el estadístico de prueba
es mayor que el valor crítico la hipótesis nula se rechaza.

• Para las pruebas bilaterales del tipo “diferente que”: si el estadístico de prueba no se
encuentra dentro de la región de aceptación se rechaza la hipótesis nula.

POLITÉCNICO GRANCOLOMBIANO 13
Volviendo al caso de Motortesting…míster Wagen determina que la prueba de eficacia total del
sistema de frenos.

H_0: F≤17%

H_A: F>17%

El valor crítico para la hipótesis de la eficacia total del sistema de frenos en los vehículos marca
YongSing es Z=2.33. Si el estadístico de prueba Z es mayor que 2,33 la hipótesis nula se rechaza.

Figura 1. Región de rechazo - Prueba de hipótesis sistema de frenos Motortesting SAS.

Fuente: Elaboración propia ( 2017)

En otro sentido, la hipótesis del nivel de compresión de los amortiguadores traseros marca
YongSing sigue una distribución t Student con 49 grados de libertad.

H_0:S=570 mm

H_A:S ≠570 mm

El valor crítico para la hipótesis del nivel de compresión de los amortiguadores traseros marca
YongSing corresponde a t_49=2,68.

POLITÉCNICO GRANCOLOMBIANO 14
Figura 2. Región de aceptación. Prueba de hipótesis compresión amortiguadores Motortesting S.A.S.

Fuente: Elaboración propia ( 2017)

1.2.5 Etapa 5.

La decisión parte de aplicar la regla apropiada según el tipo de hipótesis mediante identificar
la región en la cual se halla el estadístico de prueba.

POLITÉCNICO GRANCOLOMBIANO 15
En la siguiente tabla se resumen los resultados de las pruebas realizadas por Richard Wagen y
su equipo:

Tabla 4. Resultados pruebas de hipótesis. Caso Motortesting S.A.S.

Nivel de compresión de los amortiguadores

Eficacia total del sistema de frenos
traseros en los vehículos

El nivel normal de compresión de los amor-

La eficacia total del sistema de frenos en un
tiguadores traseros según la regulación del
vehículo marca YongSing es menor o igual al
Ministerio de Transporte debe ser de 570
17%.
mm.

H_0: F≤17% H_0:S=570 mm

α = 1% α = 1%

Desviación estándar conocida Desviación estándar desconocida

1 población 1 población

Estadístico Z=-19.047 Estadístico T=-25.456

Prueba alternativa unilateral: Prueba alternativa bilateral:

H_A: F>17% H_A:S≠570 mm

Se acepta H0 Se rechaza H0

Conclusión: la eficacia total del sistema de Conclusión: el nivel de compresión de los

frenos en un vehículo marca YongSing es amortiguadores traseros de un vehículo mar-
menor o igual al 17%. ca YongSing es diferente a 570 mm.

Fuente: Elaboración propia (2017)

POLITÉCNICO GRANCOLOMBIANO 16
2. Estimación de parámetros

La determinación de parámetros asociados con un problema de toma de decisiones se puede

dar mediante la estimación puntual o de intervalos, más conocida como intervalos de confianza.
En la etapa de estructuración de problemas los decisores hacen uso de muestras para obtener
información más precisa sobre el impacto de cada alternativa de decisión, como valores econó-
micos, niveles de satisfacción, cumplimiento de procesos, logro de metas, porcentaje de defec-
tuosos, cantidades requeridas, etcétera. Esta información se expresa como un valor puntual de
la variable de interés o como un intervalo y permite hacer la validación de resultados obtenidos
en la etapa de análisis del problema.

2.1 Estimación puntual.

La estimación de parámetros se refiere a obtener un valor aproximado de un parámetro pobla-

cional, a partir de la toma de muestras. Se puede dar:

• Media muestral x ̅que es el estimador puntual de la media poblacional μ.

• Desviación muestral S como estimador puntual de la desviación estándar poblacional σ.

• Proporción muestral p ̅ ̅ que es el estimador puntual de la proporción poblacional p.

Cuando el gerente del Hospital Universitario El Buen Samaritano decide evaluar el tiempo de
respuesta promedio de las ambulancias en la central de urgencias, toma una muestra de 120
ambulancias con sus tiempos de respuesta y promedia dichos datos para obtener que x ̅=7.5
minutos. Este valor es un estimador puntual del tiempo promedio real de la población de ambu-
lancias en la central de urgencias.

El analista de riesgo de una compañía RentaMil S.A.S. desea estimar la variabilidad de los
productos de inversión financiera y para esto toma la información al azar de 75 clientes, aplican-
do la expresión para el cálculo de desviación estándar muestral el analista encuentra que S=$
400.000 como estimador de la desviación estándar poblacional de los montos invertidos por
cada cliente.

POLITÉCNICO GRANCOLOMBIANO 17
El CEO en Colombia del sistema de transporte Ufer está interesado en determinar la proporción
de usuarios que solicitan vehículos Uferblack frente a los usuarios que solicitan Uferx. Para
ello toma una muestra de 1.000 solicitudes de servicio y encuentra que un 45% corresponden a
servicios Uferblack.

2.2 Estimación por intervalos.

La estimación por intervalos está relacionada con el nivel de confianza para un parámetro po-
blacional, dado que las decisiones requieren un nivel de confiabilidad para su aplicación en los
procesos organizativos, los intervalos de confianza otorgan al decisor un mayor nivel de certeza
sobre los datos que recopila y utilizará para tomar decisiones. Este mayor nivel de veracidad le
permitirá minimizar el riesgo asociado con las alternativas elegidas y validar los resultados del
proceso de solución de problemas.

Los intervalos de confianza se pueden estimar de dos formas:

• Cuando el equipo decisor tiene datos muestrales con desviación estándar poblacional
conocida.

• Cuando no se cuenta con información sobre la desviación estándar poblacional, pero se

puede hacer una estimación puntual a partir de los datos muestrales.

En el primer caso, su cálculo estará relacionado con la siguiente expresión matemática:

POLITÉCNICO GRANCOLOMBIANO 18
Dónde:

En el segundo caso, el intervalo de confianza se calculará con base en la siguiente expresión:

En el contexto de la administración científica es frecuente que un decisor proponga supuestos

sobre el comportamiento de una variable de interés. Para validar la veracidad de sus afirmacio-
nes, la estadística inferencial le proporciona herramientas como el contraste de hipótesis y los
intervalos de confianza, que van a complementar los criterios de selección de alternativas y la
teoría de la utilidad en el proceso de toma de decisiones.

POLITÉCNICO GRANCOLOMBIANO 19
Referencias bibliográficas
Amaya, J. (2010). Toma de decisiones gerenciales. Métodos cuantitativos para la administra-ción
(2ª ed.). Bogotá, Colombia: Ecoe Ediciones.

Hillier, F. S. (2008). Métodos cuantitativos para administración. (3ª ed.). México: McGraw-Hill.

Hillier, F. S. (2014). Fundamentos de investigación de operaciones (1ª ed.). México: McGraw-Hill

Interamericana.

Lind A., D. (2015). Estadística aplicada a los negocios y a la economía. México: McGraw-Hill
Interamericana.

Mata D., A. (2013). Estadística aplicada a la administración y la economía. México: McGraw-Hill

Interamericana.

Navidi W. (2006). Estadísticas para ingenieros y científicos. (1ª ed.). México: McGraw-Hill Intera-
mericana.

Newbold, P. (2013). Estadística para Administración y Economía. (8ª ed.) Madrid, España: Pear-
son Editorial.

POLITÉCNICO GRANCOLOMBIANO 20
 INFORMACIÓN TÉCNICA

Módulo: Herramientas de análisis en la toma de decisiones

Unidad 4: Medición de incertidumbre y aplicaciones

Escenario 7: Formulación de hipótesis y estimación de inter-

valos de confianza en la toma de decisiones gerenciales

Autor: Oscar Javier Parra Ortega

Asesor Pedagógico: Jeimy Lorena Romero Perilla

Diseñador Gráfico: Cesar Felipe Puentes Rojas

Asistente: Maria Elizabeth Avilan Forero

Este material pertenece al Politécnico Grancolombiano. Por

ende, es de uso exclusivo de las Instituciones adscritas a la
Red Ilumno. Prohibida su reproducción total o parcial.

POLITÉCNICO GRANCOLOMBIANO 21