Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Resumen Prueba de Hipotesis I
Resumen Prueba de Hipotesis I
PRUEBA DE HIPOTESIS I
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.
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.
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.
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
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:
DATOS:
µ = 1 galón
σ = 0.02 galones
x́ = 0.995 galones
n= 50 envases.
α = 0.01. Entonces 1- α = 0.99
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
X́ i−μ 0.995−1
Z=
σ x́
= 0.002828
= -1.768
Valor - P
0.0392 0.0392
1
Z
0
- 1.768
1.768
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.
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
0.95
No se rechaza
0.5 Ho
Se rechaza Ho α = 0.05
0.45
2.8
Z
-2.1
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
Valor - P
0.48214
0.01786
Z
0
-2.1
SOLUCIÓN:
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
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
X́ i−μ
Estadístico de prueba: Z =
σ x́
X́ i−μ 8.42089−8.46
Z=
σ x́
= 0.00658
= -5.937
Valor - P
0.49997 Valor - P
0.49997
0.00003 0.00003
Z
0
-5.93
5.93
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.
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:
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
0.95
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.
X́ i−μ
Estadístico de prueba: t =
σ x́
X́ i−μ 473.462−400
t=
σ x́
= 58.456
= 1.2567
b.
400
0
1.2567
0.10
Valor - P
El nivel de significancia α puede tomar un valor hasta 10% para que NO se rechace Ho.
t
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
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.
X́ i−μ
Estadístico de prueba: t =
σ x́
X́ i−μ 45.628−40
t=
σ x́
= 1.3917
= 4.043
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.
El nivel de significancia α puede tomar un valor hasta de 0.1% para que NO se rechace Ho.
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:
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
ṕ i−P
Estadístico de prueba: Z= σ
ṕ
ṕ i−P 0.5−0.43
Z = σ = 0.02602 = 2.69023
ṕ
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:
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
0.5
0.49997
0
4.67