REPÚBLICA BOLIVARIANA DE VENEZUELA.

MINISTERIO DEL PODER POPULAR PARA LA DEFENSA.

UNIVERSIDAD NACIONA EXPERIMENTAL POLITÉCNICA
DE LA FUERZA ARMADA BOLIVARIANA
EL TIGRE, EDO. ANZOÁTEGUI.

Probabilidades &
Estadisticas

Profesor: Bachilleres:
Julio González Nohelis Arreaza CI 25.721.342
 El Tigre, Noviembre de 2018
Prueba de Hipotesis

Una prueba de hipótesis es una regla que especifica si se puede aceptar o rechazar una
afirmación acerca de una población dependiendo de la evidencia proporcionada por una
muestra de datos.

Una prueba de hipótesis examina dos hipótesis opuestas sobre una población: la hipótesis
nula y la hipótesis alternativa. La hipótesis nula es el enunciado que se probará. Por lo general,
la hipótesis nula es un enunciado de que "no hay efecto" o "no hay diferencia". La hipótesis
alternativa es el enunciado que se desea poder concluir que es verdadero de acuerdo con la
evidencia proporcionada por los datos de la muestra.

Con base en los datos de muestra, la prueba determina si se puede rechazar la hipótesis
nula. Usted utiliza el valor p para tomar esa decisión. Si el valor p es menor que el nivel de
significancia (denotado como α o alfa), entonces puede rechazar la hipótesis nula.

Un error común de percepción es que las pruebas estadísticas de hipótesis están diseñadas
para seleccionar la más probable de dos hipótesis. Sin embargo, al diseñar una prueba de
hipótesis, establecemos la hipótesis nula como lo que queremos desaprobar. Puesto que
establecemos el nivel de significancia para que sea pequeño antes del análisis (por lo general,
un valor de 0.05 funciona adecuadamente), cuando rechazamos la hipótesis nula, tenemos
prueba estadística de que la alternativa es verdadera. En cambio, si no podemos rechazar la
hipótesis nula, no tenemos prueba estadística de que la hipótesis nula sea verdadera. Esto se
debe a que no establecimos la probabilidad de aceptar equivocadamente la hipótesis nula para
que fuera pequeña.

Entre las preguntas que se pueden contestar con una prueba de hipótesis están las siguientes:

 ¿Tienen las estudiantes de pregrado una estatura media diferente de 66 pulgadas?

 ¿Es la desviación estándar de su estatura igual a o menor que 5 pulgadas?

 ¿Es diferente la estatura de las estudiantes y los estudiantes de pregrado en promedio?
 ¿Es la proporción de los estudiantes de pregrado significativamente más alta que la
proporción de las estudiantes de pregrado?

Hipotesis Nula

En estadística, una hipótesis es una afirmación sobre un parámetro de la población (como

la media o desviación estándar) y se representa con H0. La hipótesis nula es una afirmación
que no se rechaza a menos que los datos de la muestra parezcan evidenciar que es falsa. Para
afirmar que la hipótesis nula es verdadera se requiere estudiar a toda la población. La hipótesis
nula generalmente incluye un no en su enunciado.3
 El término hipotesis nula surge de las primeras aplicaciones agrícolas y médicas de la
estadística. Con el fin de probar la efectividad de un nuevo fertilzante o una nueva medicina la
hipótesis que se probaba era que no hubo efecto, es decir no hubo diferencia entre las
muestras tratadas y no tratadas.

Si los resultados de nuestra muestra no respaldan la hipotesis nula, rechazamos la hipótesis y

la conclusión que si aceptamos se llama hipotesis alternativa H 1.

Error tipo 1 y 2
En un estudio de investigación el error de tipo I también denominado error de tipo alfa (α)1
o falso positivo, es el error que se comete cuando el investigador rechaza la hipótesis nula
(H()) siendo esta verdadera en la población . Es equivalente a encontrar un resultado falso
positivo, porque el investigador llega a la conclusión de que existe una diferencia entre las
hipótesis cuando en realidad no existe. Se relaciona con el nivel de significancia estadistica.

La hipótesis de la que se parte H() aquí es el supuesto de que la situación experimental

presentaría un «estado normal». Si no se advierte este «estado normal», aunque en realidad
existe, se trata de un error estadístico tipo I. Algunos ejemplos para el error tipo I serían:

 Se considera que el paciente está enfermo, a pesar de que en realidad está sano;
hipótesis nula: El paciente está sano.
 Se declara culpable al acusado, a pesar de que en realidad es inocente; hipótesis
nula: El acusado es inocente.
 No se permite el ingreso de una persona, a pesar de que tiene derecho a ingresar;
hipótesis nula: La persona tiene derecho a ingresar.

En un estudio de investigación, el error de tipo II, también llamado error de tipo beta (β) (β
es la probabilidad de que exista este error) o falso negativo, se comete cuando el investigador
no rechaza la hipótesis nula siendo esta falsa en la población. Es equivalente a la probabilidad
de un resultado falso negativo, ya que el investigador llega a la conclusión de que ha sido
incapaz de encontrar una diferencia que existe en la realidad.

Se acepta en un estudio que el valor del error beta esté entre el 5 y el 20%.

Contrariamente al error tipo I, en la mayoría de los casos no es posible calcular la

probabilidad del error tipo II. La razón de esto se encuentra en la manera en que se formulan
las hipótesis en una prueba estadística. Mientras que la hipótesis nula representa siempre una

afirmación enérgica (como por ejemplo   «Promedio μ = 0») la hipótesis alternativa, debido
a que engloba todas las otras posibilidades, es generalmente de naturaleza global (por

ejemplo   «Promedio μ ≠ 0» ). El gráfico de la derecha ilustra la probabilidad del error tipo II

(rojo) en dependencia del promedio μ desconocido.
 El poder o potencia del estudio representa la probabilidad de observar en la muestra una
determinada diferencia o efecto, si existe en la población. Es el complementario del error de
tipo II (1-β).

Nivel de Significacion

En estadística, un resultado o efecto es estadísticamente significativo cuando es

improbable que haya sido debido al azar. Una "diferencia estadísticamente significativa"
solamente significa que hay evidencias estadísticas de que hay una diferencia; no significa que
la diferencia sea grande, importante o radicalmente diferente.

El nivel de significación de una prueba estadística es un concepto estadístico asociado a

la verificación de una hipótesis. En pocas palabras, se define como la probabilidad de tomar la
decisión de rechazar la hipótesis nula cuando ésta es verdadera (decisión conocida como error
de tipo I, o "falso positivo"). La decisión se toma a menudo utilizando el valor p (op-valor): si el
valor p es inferior al nivel de significación, entonces la hipótesisnula es rechazada. Cuanto
menor sea el valor p, más significativo será el resultado.

En otros términos, el nivel de significación de un contraste de hipótesis es una

probabilidad p tal que la probabilidad de tomar la decisión de rechazar la hipótesis nula -
cuando ésta es verdadera - no es mayor que p.

Prueba Estadistica

Una prueba estadística es una forma de evaluar la evidencia que los datos proporcionan
para probar una hipótesis. Esta hipótesis se denomina hipótesis nula, y suele denominarse
H0. ... H0 normalmente se opone a una hipótesis denominada hipótesis alternativa,
denominada H1 o Ha.

Prueba Estadistica Media- Varianza

El análisis de la varianza (o Anova: Analysis of variance) es un método para comparar dos o

más medias, que es necesario porque cuando se quiere comparar más de dos medias es
incorrecto utilizar repetidamente el contraste basado en la t de Student.

El análisis de varianza es una técnica que se puede utilizar para decidir si las medias de dos o
más poblaciones son iguales. La prueba se basa en una muestra única, obtenida a partir de
cada población. El análisis de varianza puede servir para determinar si las diferencias entre las
medias muestrales revelan las verdaderas diferencias entre los valores medios de cada una de
las poblaciones, o si las diferencias entre los valores medios de la muestra son más indicativas
de una variabilidad de muestreo.

Si el valor estadístico de prueba (análisis de varianza) nos impulsa a aceptar la hipótesis, nula, se

concluiría que las diferencias observadas entre las medias de las muestras se deben a la
variación casual en el muestreo (y por tanto, que los valores medios de población son iguales). Si
se rechaza la hipótesis nula, se concluiría que las diferencias entre los valores medios de la
muestra son demasiado grandes como para deberse únicamente a la casualidad (y por ello, no
todas las medias de población son iguales).
Los datos para el análisis de varianza se obtienen tomando una muestra de cada población y
calculando la media muestral y la variancia en el caso de cada muestra.
Supuestos

Existen tres supuestos básicos que se deben satisfacer antes de que se pueda utilizar el análisis
de variancia.

1) Las muestras deben ser de tipo aleatorio independiente.

2) Las muestras deben ser obtenidas a partir de poblaciones normales.

3) Las poblaciones deben tener variancias iguales