UNIVERSIDAD AUTONOMA DE BUCARAMANGA.

VICERRECTORIA ACADEMICA, DEPARTAMENTO DE MATEMATICAS Y CIENCIAS NATURALES

ESTADÍSTICA INFERENCIAL Y MUESTREO. PROFESORA: CECILIA BRICEÑO P.
RESUMEN DE CLASE.

PRUEBA DE HIPOTESIS I

Un contraste de hipótesis (también denominado test de hipótesis o prueba de significación) es una

metodología de inferencia estadística para juzgar si una propiedad que se supone cumple una
población estadística es compatible con lo observado en una muestra de dicha población.

Mediante esta teoría, se aborda el problema estadístico considerando una hipótesis determinada Ho
y una hipótesis alternativa H1, y se intenta dirimir cuál de las dos es la hipótesis verdadera, tras
aplicar el problema estadístico a un cierto número de experimentos.

Está fuertemente asociada a los considerados errores de tipo I y II en estadística, que definen
respectivamente, la posibilidad de tomar un suceso verdadero como falso, o uno falso como
verdadero.

Hipótesis nula y alternativa

La prueba de hipótesis suele comenzar con alguna teoría, afirmación, o aseveración sobre un
parámetro específico.
La hipótesis de que el parámetro poblacional es igual a la especificación de la empresa se denomina
hipótesis nula. Se escribe en términos de la población. Siempre que se especifica una hipótesis nula,
también se denomina una hipótesis alternativa que debe ser cierta si la hipótesis nula es falsa.
La hipótesis alternativa representa la conclusión obtenida al rechazar la hipótesis nula. Cuando a
partir de la información de la muestra existe suficiente evidencia de que es falsa, se rechaza la
hipótesis nula.

Los siguientes puntos resumen las hipótesis nula y alternativa:

 La hipótesis nula Ho representa el status o creencia actual en una situación.

 La hipótesis alternativa H1 es lo opuesto a la hipótesis nula y representa una afirmación de
investigación o inferencia especifica que quisiera demostrar.
 Si usted rechaza la hipótesis nula, tiene una prueba estadística de que la hipótesis alternativa
es correcta.
 Si usted no rechaza la hipótesis nula, entonces no ha podido demostrar la hipótesis
alternativa. Sin embargo, el no poder demostrar la hipótesis alternativa no quiere decir que
haya demostrado la hipótesis nula.
 La hipótesis nula Ho siempre se refiere a un valor específico del parámetro poblacional, no a
un estadístico de muestra.
 El enunciado que describe la hipótesis nula siempre contiene un signo de igual relacionado con
el valor específico del parámetro poblacional.
  El enunciado que describe la hipótesis alternativa nunca contiene un signo de igual
relacionado con el valor específico del parámetro poblacional.

Resumen de las formas para el planteamiento de las hipótesis nula y alternativa:

Ho: Θ = Θ 0 Ho: Θ ≤ Θ 0 Ho: Θ ≥ Θ 0

H1 : Θ ≠ Θ 0 H1 : Θ > Θ 0 H1 : Θ < Θ 0

Regiones de rechazo y no rechazo

La distribución muestral del estadístico de muestra se divide en dos regiones, una de rechazo
(también llamada región crítica) y una de no rechazo.

La región de rechazo se compone de los valores del estadístico de prueba con muy pocas
posibilidades de presentarse en caso de que la hipótesis nula sea cierta. Por lo tanto, si un valor del
estadístico de prueba queda dentro de esta región de rechazo, la hipótesis nula se rechaza porque ese
valor tiene pocas posibilidades de presentarse si la hipótesis nula es cierta.
Para tomar una decisión con respecto a la hipótesis nula, antes debe determinarse cuál es el valor
crítico del estadístico de prueba.

Riesgos de la toma de decisiones al utilizar la metodología de la prueba de hipótesis

Un error tipo I se presenta cuando se rechaza la hipótesis nula Ho siendo cierta y no debería
rechazarse. La probabilidad de que se presente un error tipo I es α.
Un error tipo II se presenta cuando no se rechaza la hipótesis nula Ho siendo falsa y debería
rechazarse. La probabilidad de que se presente un error tipo II es β.
El nivel de significancia se denomina como la probabilidad de cometer un error de tipo I, denotado
por α.
El coeficiente de confianza es el complemento de la probabilidad de un error tipo I (1 - α). Expresa
la probabilidad de que la hipótesis nula Ho no se rechace cuando es cierta y no debe rechazarse.
Es (1 – α)x100%.
El riesgo β se denota como la probabilidad de cometer un error de tipo II la cual depende de la
diferencia que existe entre los valores hipotético y real del parámetro poblacional.
Se le denomina potencia de una prueba estadística al complemento de la probabilidad de un
error tipo II (1 - β). Es la probabilidad de que se rechace la hipótesis nula cuando es falsa y deberá
rechazarse.

Riesgos en la toma de decisiones: A continuación están los resultados posibles de dos decisiones
posibles.

SITUACIÓN REAL
Decisión Estadística Ho verdadera Ho falsa
No se rechaza Ho Decisión correcta Error tipo II
Confianza = 1 – α P(error tipo II)= β

Se rechaza Ho Error tipo I Decisión correcta

P(error tipo I)= α Confianza = 1 - β

Método de seis pasos para la Prueba de Hipótesis.

1. Establezca la hipótesis nula y la hipótesis alternativa

2. Seleccione el nivel de significancia y el tamaño de la muestra. El nivel de significancia se
especifica de acuerdo con la importancia relativa de cometer los riesgos de error tipo I y error
tipo II en el problema.
3. Determine el estadístico de prueba y la distribución muestral apropiados
4. Determine los valores críticos que dividen la zona de rechazo y de no rechazo
5. Recopile los datos y calcule el valor estadístico de prueba
6. Tome la decisión estadística y establezca la conclusión alternativa.

Método del valor-P

El valor- P es la probabilidad de obtener un estadístico de prueba igual o más extremo que el

resultado de la muestra, dado que la hipótesis nula es cierta.
Si el valor-P es bajo entonces la hipótesis nula se rechaza. Se rechaza Ho cuando α < valor-p.

Ejemplos

1. Un gerente de una tienda de pinturas quiere determinar si la cantidad de pintura que contiene
los envases de un galón adquiridos a un reconocido fabricante realmente promedian un galón.
Se sabe que las especificaciones del fabricante establecen que la desviación estándar para la
cantidad de pintura es de 0.02 galones. Se selecciona una muestra aleatoria de 50 envases de
un galón y la media muestral que resulta es de 0.995 galones.
 a. ¿Existe evidencia de que la cantidad media es diferente de un galón? (Utilice un nivel de
significancia del 1%).

SOLUCION:

POBLACION: Latas de pintura de un galón

X: Cantidad real de pintura que contienen las latas de un galón.

DATOS:
µ = 1 galón
σ = 0.02 galones
x́ = 0.995 galones
n= 50 envases.
α = 0.01. Entonces 1- α = 0.99

D.M.M. sigue una distribución de probabilidad Normal, porque n≥30

σ 0.02
σ x́ = = = 0.002828 →Error estándar de la media
√ n √50

Ho: µ = 1 galón
H1: µ ≠ 1 galón

No se rechaza Ho

0.99

Se rechaza Ho Se rechaza Ho
0.005 0.005
0.495 0.495

1
Z
-2.58 0 2.58
-1.768

Regla de decisión: Se rechaza Ho si el estadístico de prueba es menor que -2.58,

o, si es mayor que 2.58.
 X́ i−μ
Estadístico de prueba: Z =
σ x́

X́ i−μ 0.995−1
Z=
σ x́
= 0.002828
= -1.768

Decisión estadística: No se rechaza Ho. Es decir, no hay evidencia de que la

cantidad promedio contenida en las latas de un galón sea diferente a un galón.

b. Calcule el valor-p e interprete su significado.

Valor - P 0.4608 0.4608

Valor - P
0.0392 0.0392

1
Z
0
- 1.768
1.768

Estadístico de prueba Z=-1.768, entonces el área en la tabla es 0.4608.

Entonces el área de la cola, que es el valor-P es igual a:

0.5 – 0.4608 = 0.0392

Para las dos colas: 0.0392*2= 0.0784 = 7.84%.

El valor-P = 0.0784=7.84%, lo cual es mayor que α; entonces no se rechaza Ho.

El nivel de significancia α puede tomar un valor hasta 7.84% para que no se rechace
Ho.
 2. La Empresa Glen Valley Steel Company fabrica barras de acero. Si el proceso de producción
funciona de forma adecuada, las barras de acero que se fabrican tienen una longitud media de
por lo menos 2.8 pies, con una desviación estándar de 0.20 (como lo determinan las
especificaciones de ingeniería del equipo de producción). Las barras de acero más largas se
pueden utilizar o modificar, las barras más cortas se tienen que desechar. Usted selecciona
una muestra de 36 barras y la longitud media resulta de 2.73 pies.

a. ¿Es necesario ajustar el equipo de producción? Utilice un nivel de significancia α= 0.05.

b. Calcule el valor-p e interprete su significado

SOLUCIÓN:

POBLACION: Barras de acero que produce la empresa Glen Valley Steel Company
X: La longitud de las barras de acero (pies)

DATOS:
µ = 2.8 pies
σ = 0.20 pies
x́ = 2.73 pies
n= 36 barras.
α = 0.05 Entonces 1- α = 0.95

D.M.M. sigue una Distribución Normal

σ 0.2
σ x́ = = = 0.03333 Error estándar de la media
√ n √ 36

Ho: µ ≥ 2.8 pies

H1: µ ¿ 2.8 pies

0.95
No se rechaza
0.5 Ho
Se rechaza Ho α = 0.05
0.45

2.8
Z
 -2.1

Regla de decisión: Se rechaza Ho si el estadístico de prueba es menor que -1.64.

X́ i−μ
Estadístico de prueba: Z=
σ x́

2.73−2.8
Entonces, el estadístico de prueba es Z= 0.03333 = -2.100 = -2.1

Decisión estadística: Se rechaza Ho.

Es decir, las barras de acero, en promedio, están resultando con longitud
menor que 2.8 pies. Entonces, si es necesario ajustar el equipo de producción.

c. Calcule el valor-p e interprete su significado.

Valor - P

0.48214
0.01786

Z
0
-2.1

Buscando en la tabla Z el valor del estadístico de prueba -2.1, se obtiene un área de

0.48214.

Entonces, el valor –P = 0.5-0.48214 = 0.01786 = 1.786%.

 El valor-P es menor que α (α=0.05); por lo tanto, se rechaza Ho.

El nivel de significancia α puede tomar un valor hasta 1.786 % para que no se

rechace Ho.

3. TEXTO DE LA BIBLIOTECA VIRTUAL DE LA UNAB.

ESTADISTICA APLICADA A LA ADMINISTRACION Y A LA ECONOMIA.
AUTOR: LEVINE
PAGINA 312 NÚMERO 9.25 MEDIAS

SOLUCIÓN:

POBLACION: Bandejas hechas de láminas de acero calibre 14.

X: anchura de las bandejas (pulgadas)

DATOS:
µ = 8.46 pulgadas
S = 0.04611 → desviación estándar de la muestra
 x́ = 8.42089
n= 49 bandejas.
α = 0.05 Entonces 1- α = 0.95
D.M.M. sigue una Distribución Normal porque n es mayor que 30
S 0.04611
σ x́ = = = 0.00658714 → Error estándar de la media
√n √ 49

Ho: µ = 8.46 pulgadas

H1: µ ≠ 8.46 pulgadas

No se rechaza Ho

0.95

Se rechaza Ho Se rechaza Ho
0.025 0.475 0.475 0.025

8.46
z
-1.96 0 1.96
-5.937

Regla de decisión: Se rechaza Ho si el estadístico de prueba es menor que -1.96 o

si es mayor que 1.96.

X́ i−μ
Estadístico de prueba: Z =
σ x́

X́ i−μ 8.42089−8.46
Z=
σ x́
= 0.00658
= -5.937

Decisión estadística: Se rechaza Ho.

Es decir, el ancho promedio de las bandejas es diferente de 8.46 pulgadas.

 c. Calcule el valor-P e interprételo.

Valor - P
0.49997 Valor - P
0.49997

0.00003 0.00003

Z
0
-5.93
5.93

Estadístico de prueba Z=-5.93, entonces el área en la tabla es 0.49997. Entonces el área de la

cola, que es el valor-P, es igual a:

0.5 – 0.49997 = 0.00003

Como se trabajó con dos colas, entonces 0.00003*2= 0.00006 = 0.006%.

El valor-P = 0.006%. Entonces valor-P es menor que α, por lo tanto se rechaza Ho.

El nivel de significancia α puede tomar un valor hasta 0.006% para que no se rechace
Ho.

Entonces, la Ho siempre se va a rechazar bajo las condiciones de este problema.

4. Un fabricante de baterías para flash fotográfico tomó una muestra de 13 baterías, BATTERIES,
de la producción diaria y las utilizó de manera continua hasta agotarlas. La vida en horas de las
baterías hasta agotarse fue:

342 426 317 545 264 451 1049 631 512 266 492 562 298
 a. Con un nivel de significancia 0.05. Existe evidencia de que la vida media de las baterías es
mayor que 400 horas?
b. Calcule el valor-p e intérprete su significado
c. Utilizando la anterior información ¿qué advertencia haría usted si el fabricante quisiera
decir en sus anuncios que las baterías duran más que 400 horas?

SOLUCIÓN:

POBLACION: baterías para flash fotográfico

X: Tiempo de vida (horas)

DATOS:
µ = 400 horas
S =210.7663 → desviación estándar de la muestra
x́ = 473.462
n= 13.
α = 0.05 Entonces 1- α = 0.95

D.M.M. →Distribución t-student porque n es menor que 30.

S 210.7663
σ x́ = = = 58.4560 → Error estándar de la media
√n √ 13

Ho: µ ≤400 horas

H1: µ > 400 horas

0.95

0.5 0.45 Se rechaza Ho

No se rechaza
Ho 0.05

400
t
0 1.782
1.2567
 Buscando en la tabla t, con 13-1 grados de libertad y 0.05 en una cola, el valor de t=1.782.

Regla de decisión: Se rechaza Ho si el estadístico de prueba es mayor que 1.782.

X́ i−μ
Estadístico de prueba: t =
σ x́

X́ i−μ 473.462−400
t=
σ x́
= 58.456
= 1.2567

Decisión estadística: No se rechaza Ho.

No existe evidencia de que el tiempo promedio de vida de las baterías sea mayor
que 400 horas.

b.
400
0
1.2567

0.10

Valor - P

El valor-P = 0.10 = 10%

El valor-P es mayor que α (α = 0.05), entonces no se rechaza Ho.

El nivel de significancia α puede tomar un valor hasta 10% para que NO se rechace Ho.
t

5. BIBILIOTECA VIRTUAL UNAB.

ESTADISTICA PARA ADMINISTRACIÓN Y ECONOMÍA. LEVINE. Secuencia 342.
SOLUCIÓN:

POBLACION: personas que preparan platos de comida

X: Tiempo de demora para la preparación de un plato (minutos)

DATOS:
µ = 40 minutos
x́ = 45.628 minutos
S =6.95865 minutos → desviación estándar de la muestra
n= 25
α = 0.05 Entonces 1- α = 0.95

D.M.M. sigue una Distribución t-student porque n es menor que 30

S 6.95865
σ x́ = = = 1.3917 → Error estándar de la media
√n √ 25
 Ho: µ = 40 minutos
H1: µ ≠ 40 minutos

No se rechaza Ho

0.95

Se rechaza Ho Se rechaza Ho
0.025 0.475 0.475 0.025

40
t
-2.064 0 2.064
4.043

Se busca en la tabla t con 24 grados de libertad y 0.025 en una cola o 0.05 en dos colas. Entonces, el
valor de t= 2.064.

Regla de decisión: Se rechaza Ho si el estadístico de prueba es menor que -2.064

o si es mayor que 2.064.

X́ i−μ
Estadístico de prueba: t =
σ x́

X́ i−μ 45.628−40
t=
σ x́
= 1.3917
= 4.043

Decisión estadística: Se rechaza Ho.

Es decir, el tiempo promedio que se gasta en preparar un plato de alimentos es

diferente a 40 minutos.
 Valor - P
Valor - P
0.0005 0.0005

1
t
0
-4.043 4.043

Estadístico de prueba t=4.043. Entonces el área de una cola en la tabla t con 24 grados
de libertad y t= 4.043, es igual a 0.0005.

Pero como Ho es de dos colas, entonces el área se multiplica por dos.

(0.0005)*2= 0.001 = 0.1%

Entonces el valor-P=0.1%. Valor-P menor que α = 0.05, entonces se rechaza Ho.

El nivel de significancia α puede tomar un valor hasta de 0.1% para que NO se rechace Ho.

Bajo las actuales condiciones del problema, esta Ho siempre se va a rechazar.

6. Como resultado de la debilidad en la economía, se estima que durante 2003 solo un 43% de
los patronos estadounidenses contrató nuevos empleados. Pero hacia finales del año, la
economía mostró signos de fortalecimiento. Según la encuesta realizada por la society for
Human Resource Management, 181 de 362 profesionales del manejo de recursos humanos
planeaban contratar nuevos empleados en 2004. Efectúe una prueba de hipótesis que trate
de demostrar que la proporción de patronos que planearon contratar empleados nuevos en
2004 es mayor que la proporción de 0.43 correspondiente a 2003. Use un nivel de
significancia del 5%.

SOLUCIÓN:

POBLACION: patronos estadounidenses

X: La proporción de patronos que planean contratar nuevos empleados
 DATOS:
P = 0.43 → proporción de éxito poblacional
Q=1-P → Q= 1-0.43 → Q= 0.57
n= 362
181
ṕ = = 0.5 → proporción de éxito muestral
362
α = 0.05 Entonces 1- α = 0.95
D.M.P. que siempre sigue una Distribución Normal

σ ṕ = P . Q
√ n
=
√ (0.43)(0.57)
362
= 0.02602 → Error estándar de la proporción

Ho: P ≤ 0.43
H1 : P > 0.43

0.95
Se rechaza
No se Ho
rechaza Ho
0.45 0.05

0.43
Z
0 1.64
2.6902

Regla de decisión: Se rechaza Ho si el estadístico de prueba es mayor que 1.64.

ṕ i−P
Estadístico de prueba: Z= σ
ṕ

ṕ i−P 0.5−0.43
Z = σ = 0.02602 = 2.69023
ṕ

Decisión estadística: Se rechaza Ho

 Efectivamente, la proporción de patronos que decidieron contratar nuevos empleados ha
aumentado del 43%.

Cálculo del valor-P:

0.49643

Valor - P

0.0036

Se busca en la tabla0.43
Z el valor 2.69 y obtenemos un área de 0.49643.
Z
0
Entonces, el valor-P= 0.5-049643 = 0.0036 = 0.36%
2.6902
El valor-P es menor que α=0.05; por lo tanto, se rechaza Ho.
El nivel de significancia α puede tomar un valor hasta 0.36% para que NO se rechace Ho.
Esto quiere decir, que siempre se va a rechazar Ho.

7. Un artículo publicado por The Wall Street Journal dice que más de la mitad de todos los
estadounidenses preferirían recibir 100 dólares que un día libre en el trabajo. Esta afirmación
se basa en una encuesta realizada por American Express Incentive Services, en la que 593 de
1040 participantes dijeron preferir los 100 dólares. Con un nivel de significancia del 5%,
¿existe evidencia basada en los datos de la encuesta de que más de la mitad de todos los
estadounidenses preferirían recibir 100 dólares que un día libre? Calcule el valor-p e
interprete su significado.

SOLUCIÓN:

POBLACION: Todos los estadounidenses

 X: proporción de estadounidenses que preferirían recibir 100 dólares que un día libre en el
trabajo

DATOS:
P = 0.5 → proporción de éxito poblacional
Q=1-P → Q= 1-0.5 → Q= 0.5
n= 1040
593
ṕ = = 0.5701 → proporción de éxito muestral
104 0
α = 0.05. Entonces 1- α = 0.95
D.M.P. siempre sigue una Distribución Normal

σ ṕ = P . Q
√ n
=
√ (0.5)(0.5)
1040
= 0.01550 → Error estándar de la proporción

Ho: P ≤ 0.5
H1 : P > 0.5

0.95
0.45 Se rechaza
No se Ho
rechaza Ho 0.05

0.5
Z
0 1.64
4.52
Regla de decisión: Se rechaza Ho si el estadístico de prueba es mayor que 1.64.

ṕ i−P
Estadístico de prueba: Z= σ
ṕ

ṕ i−P 0.5701−0.5
Z= σ = 0.01550
= 4.52
ṕ

Decisión estadística: Se rechaza Ho

 Efectivamente, más de la mitad de los estadounidenses prefieren recibir 100 dólares que
un día libre en el trabajo.

Cálculo del valor-P

0.5
0.49997
0
4.67

Se busca en la tabla Z el valor 4.5 y obtenemos un área de 0.49997.

0.00003

Entonces, el valor-P= 0.5-0.49997 = 0.00003 = 0,003%

Valor -
P

El valor-P es menor que α=0.05, entonces se rechaza Ho.

El nivel de significancia α puede tomar un valor hasta 0,003% para que NO se rechace Ho.
Z

Esto quiere decir, que siempre se va a rechazar Ho.

Nota: Teoría y problemas tomados de:

 ESTADISTICA para Administración LEVINE,KREHBIEL, BERENSON. Pearson Prentice Hall, 2006
 es.wikipedia.org/wiki/Contraste_de_hip%C3%B3tesis