Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Qué Es Una Prueba de Hipótesis
Qué Es Una Prueba de Hipótesis
Una prueba de hipótesis es una prueba estadística que se utiliza para determinar si
existe suficiente evidencia en una muestra de datos para inferir que cierta condición
es válida para toda la población.
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.
Entre las preguntas que se pueden contestar con una prueba de hipótesis están las
siguientes:
En este tema
Pruebas paramétricas
Pruebas de bondad de ajuste
Pruebas de equivalencia
Pruebas no paramétricas
Pruebas paramétricas
Utilice las pruebas paramétricas para determinar si un parámetro de población
difiere de un valor específico o de otro parámetro de población.
Prueba Z de 1 muestra
Determine si la media de un grupo difiere de un valor específico. En Minitab,
elija Estadísticas > Estadísticas básicas > Z de 1 muestra.
Prueba t de 1 muestra
Determine si la media de un grupo difiere de un valor específico. En Minitab,
elija Estadísticas > Estadísticas básicas > t de 1 muestra.
Prueba t de 2 muestras
Determine si las medias de dos grupos independientes difieren. En Minitab,
elija Estadísticas > Estadísticas básicas > t de 2 muestras.
Prueba t pareada
Compare las mediciones realizadas en los mismos elementos bajo
condiciones diferentes. Por ejemplo, compare las mediciones del diámetro
de rodamientos de esferas realizadas por dos operadores. En Minitab,
elija Estadísticas > Estadísticas básicas > t pareada.
Prueba de 1 proporción
Determine si la proporción de un grupo difiere de un valor específico.
Utilícela cuando cada observación puede tener solo uno de dos valores,
como pasa o no pasa. En Minitab, elija Estadísticas > Estadísticas básicas > 1
proporción.
Prueba de 2 proporciones
Determine si las proporciones de dos grupos difieren. Utilícela cuando cada
observación puede tener solo uno de dos valores posibles, como pasa o no
pasa. En Minitab, elija Estadísticas > Estadísticas básicas > 2 proporciones.
Prueba de tasa de Poisson para 1 muestra
Determine si la tasa de ocurrencia de un grupo difiere de un valor específico.
Utilícela cuando cuente ocurrencias, como el número de defectos por
unidad. En Minitab, elija Estadísticas > Estadísticas básicas > Tasa de Poisson
para 1 muestra.
Prueba de 1 varianza
Determine si la varianza o la desviación estándar de un grupo difiere de un
valor específico. En Minitab, elija Estadísticas > Estadísticas básicas > 1
varianza.
Prueba de 2 varianzas
Determine si las varianzas o las desviaciones estándar de dos grupos
difieren. En Minitab, elija Estadísticas > Estadísticas básicas > 2 varianzas.
Prueba de normalidad
Determine si los datos siguen una distribución normal. En Minitab,
elija Estadísticas > Estadísticas básicas > Prueba de normalidad.
Pruebas de equivalencia
Utilice las pruebas de equivalencia para determinar si
las medias de mediciones de productos o
mediciones de procesos están lo suficientemente
cerca para ser consideradas equivalentes.
Pruebas no paramétricas
Utilice las pruebas no paramétricas cuando
no pueda presuponer que los datos siguen
una distribución específica.
Prueba de Kruskal-Wallis
Determine si las medianas de dos o más grupos difieren cuando tenga datos
que no sean simétricos, como datos sesgados. En Minitab,
elija Estadísticas > No paramétricos > Kruskal-Wallis.
Prueba de Friedman
Determine si los efectos de tratamientos difieren en un experimento de
diseño de bloques aleatorizado cuando tenga datos que no sean
necesariamente simétricos. En Minitab, elija Estadísticas > No
paramétricos > Friedman.
Prueba de corridas
Determinar si los datos son aleatorios en el tiempo. En Minitab,
elija Estadísticas > No paramétricos > Prueba de corridas.
Promedios en pareja
Calcule los promedios de cada par de valores en una columna. En Minitab,
elija Estadísticas > No paramétricos > Promedios en parejas.
Diferencias en pareja
Calcule las diferencias entre todos los pares de valores. En Minitab,
elija Estadísticas > No paramétricos > Diferencias en pareja.
Pendientes en pareja
Calcule las pendientes entre cada par de valores de dos columnas. En
Minitab, elija Estadísticas > No paramétricos > Pendientes en pareja.
Ejemplo de cómo se realiza una
prueba de hipótesis básica
Más información sobre Minitab 17
Usted puede seguir seis pasos básicos para configurar y realizar correctamente una
prueba de hipótesis. Por ejemplo, el gerente de una fábrica de tuberías debe
asegurarse de que el diámetro de los tubos sea de 5 cm. El gerente sigue los pasos
básicos para realizar una prueba de hipótesis.
NOTA
Debe determinar los criterios para la prueba y el tamaño de muestra necesario
antes de recolectar los datos.
Hipótesis
Condición que se probará
alternativa
Como tiene que asegurarse de que los tubos no sean más grandes ni más
pequeños de 5 cm, el gerente elige la hipótesis alternativa bilateral, que
establece que la media de la población de todos los tubos no es igual a
5 cm. Formalmente, esto se escribe como H1: μ ≠ 5
2. Determinar la potencia y el tamaño de la muestra para la prueba.
Datos continuos
Datos binomiales
Tendrá datos binomiales cuando evalúe una proporción o un porcentaje.
Por ejemplo, unos ingenieros examinan una muestra de pernos para verificar
si existen grietas notables que no permitan utilizarlos. Registran el número
de pernos inspeccionados y el número de pernos rechazados. Los ingenieros
quieren determinar si el porcentaje de pernos defectuosos es menor que
0.2%.
Datos de Poisson
Tendrá datos de Poisson cuando evalúe una tasa de ocurrencia.
SUGERENCIA
Si puede elegir el tipo de datos que recogerá, recoja datos
continuos. Los datos continuos proporcionan información más
detallada y suelen dar más potencia a una prueba de
hipótesis.
Acerca de las hipótesis nula y
alternativa
Más información sobre Minitab 17
Una prueba de hipótesis examina dos hipótesis opuestas sobre una población: la
hipótesis nula y la hipótesis alternativa. La manera en que se configuran estas
hipótesis depende de lo que se intenta demostrar.
H0: μ = μ0
H1: μ < μ0 (una prueba de cola inferior) o
H1: μ > μ0 (una prueba de cola superior) o
H1: μ ≠ μ0 (una prueba de dos colas)
Las hipótesis para determinar si una media de población, μ 1 es igual a otra
media de población μ2incluyen las siguientes:
H0: μ1 = μ2
H1: μ1< μ2 o
H1: μ1> μ2 o
H1: μ1≠ μ2
¿Qué son los errores de tipo I y tipo
II?
Más información sobre Minitab 17
Cuando usted realiza una prueba de hipótesis, puede cometer dos tipos de errores:
tipo I y tipo II. Los riesgos de estos dos errores están inversamente relacionados y
son determinados por el nivel de significancia y la potencia de la prueba. Por lo
tanto, usted debe determinar qué error tiene consecuencias más graves para su
situación antes de definir sus riesgos.
Error de Tipo I
Error de tipo II
Cuando la hipótesis nula es falsa y usted no la rechaza, comete un error de
tipo II. La probabilidad de cometer un error de tipo II es β, que depende de
la potencia de la prueba. Puede reducir su riesgo de cometer un error de
tipo II al asegurarse de que la prueba tenga suficiente potencia. Para ello,
asegúrese de que el tamaño de la muestra sea lo suficientemente grande
como para detectar una diferencia práctica cuando ésta realmente exista.
Hipótesis nula
La ventaja de usar una hipótesis direccional es una mayor potencia para detectar el
efecto específico en el que usted está interesado. La desventaja es que no hay
potencia para detectar un efecto en la dirección opuesta.
Direccional
Un investigador tiene los resultados de un examen nacional
correspondientes a una muestra de estudiantes que asistieron a un curso de
preparación para el examen. El investigador desea saber si los estudiantes
que tomaron el curso lograron mejores puntuaciones que el promedio
nacional de 850. Se puede usar una hipótesis alternativa direccional, porque
el investigador plantea específicamente la hipótesis de que las puntuaciones
de los estudiantes que asistieron al curso son mayores que el promedio
nacional. (H0: μ = 850 vs. H1: μ > 850).
Prueba Z Valor Z
Pruebas t Valor t
ANOVA Valor F
Figura B
Valores críticos en la distribución normal estándar para α = 0.05
La Figura A muestra que los resultados de una prueba Z de una cola son significativos si el
estadístico de prueba es igual a o mayor que 1.64, el valor crítico en este caso. El área
sombreada representa el 5% (α) del área por debajo de la curva. La Figura B muestra que los
resultados de una prueba Z de dos colas son significativos si el valor absoluto del estadístico de
prueba es igual a o mayor que 1.96, el valor crítico en este caso. Las dos áreas sombreadas
suman el 5% (α) del área por debajo de la curva.
1. Seleccione Calc > Distribuciones de probabilidad > t.
2. Seleccione Probabilidad acumulada inversa.
3. En Grados de libertad, ingrese 9 (el número de observaciones menos uno).
4. En Constante de entrada, ingrese 0.95 (uno menos la mitad del nivel de
significancia).
Esto da un valor crítico de 1.83311. Si el valor absoluto del estadístico t es mayor
que este valor crítico, entonces usted puede rechazar la hipótesis nula, H 0, en el
nivel de significancia de 0.10.
1. Elija Calc > Distribuciones de probabilidad > F.
2. Seleccione Probabilidad acumulada inversa.
3. En Grados de libertad del numerador, ingrese 2 (el número de niveles del
factor menor uno).
4. En Grados de libertad del denominador, ingrese 9 (los grados de libertad para
el error).
5. En Constante de entrada, ingrese 0.95 (uno menos el nivel de significancia).
Esto da un valor crítico de 4.25649. Si el estadístico F es mayor que este valor
crítico, entonces usted puede rechazar la hipótesis nula, H 0, en el nivel de
significancia de 0.05.
Supongamos que usted realiza una prueba de hipótesis. Recuerde que la decisión
de rechazar la hipótesis nula (H0) o no rechazarla puede depender del valor p y del
nivel de significancia elegido (también denominado α). Si el valor p es menor que o
igual al nivel de significancia (α), usted rechaza H 0; si es mayor que α, usted no
puede rechazar H0.
Su decisión también puede basarse en el intervalo de confianza (o límite) que se
calcula usando el mismo nivel α. Por ejemplo, la decisión para una prueba al nivel
de significancia 0.05 puede basarse en el intervalo de confianza de 95%:
Cuando usted realiza una prueba de hipótesis en Minitab, puede optar por mostrar
una gráfica de valores individuales, una gráfica de caja y un histograma con los
resultados. Estas y otras gráficas pueden ayudarle a resumir los resultados e
interpretar más plenamente los resultados estadísticos de una prueba de hipótesis.
IMPORTANT
Las escalas que se utilizan para una gráfica pueden afectar considerablemente la
apariencia de los resultados. Por lo tanto, cuando sea posible, utilice los resultados
numéricos calculados que se incluyen en la salida para confirmar lo que muestran
las gráficas.
En este tema
Puede utilizar una gráfica para mostrar el centro de los datos, que es el valor o
rango de valores del cual la mayoría de los datos está cerca, como la media y
mediana.
La línea en el medio de la gráfica de caja muestra la mediana de los datos. La X que aparece
sobre la línea azul debajo de la gráfica de caja muestra la media.
Distribución multimodal
gráfica de puntos.
Los dos picos en este histograma muestran que hay dos centros en los datos.
NOTA
Una gráfica de caja no puede mostrar una distribución multimodal, porque hay dos
centros en los datos.
Utilice gráficas para mostrar el rango de los datos y para ver qué tan lejos están los
datos de su centro. Si los datos tienen una gran dispersión, su variabilidad puede
hacer que la estimación del valor central sea menos precisa.
Los histogramas, las gráficas de caja y las gráficas de valores individuales pueden
ayudarle a ver fácilmente la dispersión de los datos. Para evaluar más la dispersión,
las gráficas de caja muestran cuartiles que permiten estimar fácilmente los rangos
intercuartiles.