UNLP-Facultad de Ingeniería Cátedra: Estadística

Carreras: Ing. Electrónica y Electricista Mag. Lic. Alicia Ledesma

CAPÍTULO 7

CONTRASTES O TEST DE HIPÓTESIS

7.1 CONTRASTE O TEST DE HIPÓTESIS

7.2 HIPÓTESIS ESTADÍSTICAS

7.2.1 Definición
7.2.2 Tipos de test de hipótesis: paramétricos y no paramétricos
7.2.3 Tipos de hipótesis: simples y compuestas

7.3 PLANTEAMIENTO Y MÉTODO

7.3.1 Las hipótesis nula y alternativa
7.3.2 El estadístico de contraste o estadístico de prueba
7.3.3 Región crítica y región de aceptación
7.3.4 Tipos de contrastes: unilaterales y bilaterales

7.4 ERRORES
7.4.1 Errores tipo I y tipo II
7.4.2 Probabilidades de los errores de tipo I y de tipo II

7.5 PASOS A REALIZAR EN UN CONTRASTE O TEST DE HIPÓTESIS

7.6 CONTRASTES PARA LA MEDIA DE UNA POBLACIÓN CONOCIENDO 

(POBLACIONES NORMALES O CON CUALQUIER DISTRIBUCIÓN PERO
TAMAÑO DE MUESTRA GRANDE)
7.6.1 Procedimiento
7.6.2 Ejemplos

7.7 OTRA MANERA DE INFORMAR SOBRE LOS RESULTADOS DE PRUEBAS

ESTADÍSTICAS: VALORES p

7.8 CONTRASTE PARA LA MEDIA DE UNA POBLACIÓN CON VARIANZA

DESCONOCIDA

Página 1 de 13
UNLP-Facultad de Ingeniería Cátedra: Estadística

Carreras: Ing. Electrónica y Electricista Mag. Lic. Alicia Ledesma

INFERENCIA ESTADÍSTICA

7.1 CONTRASTE O TEST DE HIPÓTESIS

Trataremos ahora dentro del contexto general de la inferencia estadística el contraste o test de hipótesis
estadísticas, que juega un importante papel en la toma de decisiones. En general la media (o la
proporción) en una muestra suele ser distinta a la media de la población de la cual se extrae la muestra. Lo
normal suele ser que tal diferencia entre la media muestral y la poblacional sea pequeña y debida al azar,
pero podría suceder que tal diferencia no esté justificada por el azar y se deba a un cambio en la población
y por tanto debamos modificar los datos que conocemos previamente.

Por ejemplo:
a) Hace algunos años la media de estatura de los hombres argentinos adultos era de 170 cm. y la
desviación estándar de 9 cm. Pasado el tiempo un muestreo realizado a 36 adultos da una media de
172 cm. ¿Puede afirmarse que esa diferencia de 2 cm.es debida al azar o realmente la estatura
media ha aumentado?
b) Supongamos que, respecto de la ley de casamiento entre personas del mismo sexo, existente en
algunos países, el 82 % de los argentinos está en contra. Pasado el tiempo una encuesta realizada a
400 argentinos indica que el porcentaje de ciudadanos argentinos en contra ha descendido al 40 %
¿ Ha cambiado la opinión pública o los resultados se deben al azar?

Los métodos de decisión estadística están ligados a los de estimación de parámetros mediante intervalos
de confianza, aunque aparecerán también nuevos conceptos.

7.2 HIPÓTESIS ESTADÍSTICAS

7.2.1 Definición Una hipótesis estadística es cualquier afirmación, verdadera o falsa sobre algún
característica desconocida de la población.

7.2.2 Tipos de Hipótesis

a) Hipótesis paramétrica simple es aquella que se refiere a un solo valor del parámetro,
quedando totalmente especificada la f.d.p.de la población al conocer un valor del parámetro
Ejemplos
1) Si hacemos una investigación con un grupo de alumnos y consideramos la hipótesis de
que el coeficiente intelectual medio de esos alumnos es
 = 112, estamos planteando una hipótesis simple.
2) Si se tienen dos poblaciones y hacemos la hipótesis 1 = 2, o bien
1-2 = 0 también estamos planteando una hipótesis simple.

b) Hipótesis paramétrica compuesta en este caso la hipótesis no se refiere a un punto del

espacio paramétrico o valor del parámetro, sino que se refiere a una región del espacio
paramétrico.
Ejemplos
1)   112 2) 1  2 3)  > 5

7.2.3 Tipos de Test de Hipótesis

a) Contraste paramétrico en este caso las hipótesis se refieren al valor de un parámetro
desconocido  de la población.
b) Contraste no paramétrico las hipótesis se refieren a la forma que tiene la función de
distribución de probabilidad o densidad de probabilidad f(x; ) de la población.

Estudiaremos por el momento, solo los contrastes paramétricos, por tanto supondremos conocida f(x; ),
siendo  un parámetro desconocido que toma valores dentro del espacio paramétrico ; el cual contiene
al menos dos puntos y hablaremos por tanto de hipótesis paramétricas.

7.3 PLANTEAMIENTO Y MÉTODO

7.3.1 Las hipótesis nula y alternativa

Página 2 de 13
UNLP-Facultad de Ingeniería Cátedra: Estadística

Carreras: Ing. Electrónica y Electricista Mag. Lic. Alicia Ledesma

Hipótesis nula Es la hipótesis que se formula y se quiere por tanto contrastar, la indicaremos H0. Esta
hipótesis debe expresar o incluir la condición de “no cambio”, de allí el nombre de hipótesis nula.
Hipótesis alternativa Es cualquier otra hipótesis diferente a la formulada y que sea contraria a H0, la
indicaremos H1.

Comentarios
a) Por lo general, el valor del parámetro de la población especificado en la hipótesis nula se
determina de alguna de estas tres formas diferentes:
I. Como resultado de la experiencia pasada o del conocimiento del proceso, entonces el
objetivo de la prueba de hipótesis usualmente es determinar si ha cambiado el valor del
parámetro.
II. Puede obtenerse a partir de alguna teoría o modelo que se relaciona con el proceso en
estudio. En este caso, el objetivo de la prueba de hipótesis es verificar la teoría o modelo.
III. Cuando el valor del parámetro proviene de consideraciones externas, por ejemplo
especificaciones de diseño o ingeniería, o de obligaciones contractuales. En esta situación,
el objetivo usual de la prueba de hipótesis es probar el cumplimiento de las
especificaciones.

b) La hipótesis nula debe ser la hipótesis que el experimentador asume como correcta; en otros
términos, la aceptación de H0 no implica que ésta sea correcta o que haya sido probada, sino
que los datos no han proporcionado evidencia suficiente como para refutarla.

c) La hipótesis nula H0 será sometida a una comprobación experimental frente a la hipótesis

alternativa H1. Como consecuencia de la comprobación experimental la hipótesis nula H0
podrá seguir siendo aceptada como verdadera o por el contrario tendremos que reemplazarla y
aceptar como verdadera la hipótesis alternativa H1.

d) H0 y H1 deben ser excluyentes, pero no necesariamente complementarias.

e) De acuerdo con el comentario b), si el experimentador quiere respaldar con contundencia un

argumento determinado es debido a que éste no puede ser asumido gratuitamente y, sólo podrá
ser defendido a través del rechazo del argumento contrario (el establecido en H0). Por ejemplo
si un ingeniero quiere mostrar que una máquina determinada se ha desajustado y no produce el
promedio de piezas preespecificado, supongamos 1.000, entonces planteará la hipótesis:
H0: “el promedio diario producido por la máquina es 1.000”.

7.3.2 El estadístico de contraste o estadístico de prueba

Una vez establecidas las hipótesis H0 y H1, debemos tomar una decisión basada en las evidencias que
señalan los datos de la muestra, con respecto a cual de las dos hipótesis aceptamos.
Esta decisión se toma de acuerdo con un estadístico de prueba.

Un estadístico de prueba es una función de los datos muestrales y del valor del parámetro especificado
por la hipótesis nula, con distribución conocida cuando H0 es cierta, que nos proporciona un número en
base a las observaciones de la muestra, y que nos indicará si H0 debe ser rechazada o aceptada.

7.3.3 Región crítica y región de aceptación

La región de aceptación es un conjunto de valores, determinado bajo ciertas reglas, tal que, si el valor del
estadístico de prueba cae dentro, la hipótesis nula se acepta (esto no significa que sea verdadera, sino que
no hay evidencias suficientes para probar su falsedad).

La región de rechazo también llamada región crítica, es un conjunto de valores distintos a los anteriores;
si el estadístico de prueba toma un valor que esté dentro de esta región, la hipótesis H0 se rechaza.
Él o los valores críticos el aquél o aquellos números que separan la región de aceptación de la de rechazo.
Por ejemplo, si decidimos,

Página 3 de 13
UNLP-Facultad de Ingeniería Cátedra: Estadística

Carreras: Ing. Electrónica y Electricista Mag. Lic. Alicia Ledesma

“Rechazar H0:  = 9 si x > 9,5 ”

entonces 9,5 es un valor crítico.

ACEPTACIÓN RECHAZO

9,5 = valor critico

7.3.4 Tipos de test: pruebas unilaterales y bilaterales

 Pruebas unilaterales o de una cola: se producen cuando la región de rechazo está
localizada a un solo lado de la curva de distribución del estadístico de prueba.
Ejemplos

Prueba de una cola a la derecha: en este caso el investigador desea comprobar la hipótesis de un
aumento en el parámetro .
H0:   0
H1:  > 0

 = 0
Fig.1

Prueba de una cola a la izquierda: el investigador desea comprobar aquí, la disminución en el

parámetro .
H0:   0
H1:  < 0

 = 0
Fig.2

 Pruebas bilaterales o de dos colas: se producen cuando la región de rechazo está localizada
en ambos extremos. el investigador desea comprobar la hipótesis de un cambio en el parámetro.
El nivel de significación  se divide en dos y la región de rechazo es la unión de dos intervalos
de la recta.

Página 4 de 13
UNLP-Facultad de Ingeniería Cátedra: Estadística

Carreras: Ing. Electrónica y Electricista Mag. Lic. Alicia Ledesma

Ejemplo

H0:  = 0
H1:   0

 = 0
Fig.3

7.4 ERRORES
La decisión que se tome a favor de una u otra hipótesis estará fundamentada en la discrepancia observada
entre la hipótesis nula y la información suministrada por una única muestra de tamaño n, por tanto
resulta obvio que tal decisión tendrá un margen de error.

7.4.1 Errores tipo I y tipo II

Se pueden cometer dos tipos de errores, a saber:
ERROR TIPO I: rechazar H0 cuando es verdadera.

ERROR TIPO II: aceptar H0 cuando es falsa.

Las cuatro posibles situaciones a que puede dar lugar un contraste de hipótesis se esquematizan en la tabla
siguiente:

Decisión Situación real

H0 es cierta H0 es falsa
No se rechaza H0 DECISIÓN CORRECTA ERROR DE TIPO II
Se rechaza H0 ERROR DE TIPO I DECISIÓN CORRECTA
Tabla 1. Situaciones posibles en un contraste de hipótesis

Se debe tener en cuenta que sólo se puede cometer uno de los dos tipos de error y, en la mayoría de las
situaciones, se desea controlar la probabilidad de cometer un error de tipo I.

Observación importante
La verdad o falsedad de una hipótesis en particular, nunca puede conocerse con certidumbre, a menos
que pueda examinarse toda la población. Por tanto es necesario desarrollar un procedimiento de prueba de
hipótesis teniendo en cuenta la probabilidad de llegar a una conclusión equivocada. (Recordar que
siempre decimos que aceptar H0 no significa que sea verdadera, sino que no hay suficiente evidencia
muestral para rechazarla)

7.4.2 Probabilidades de los errores tipo I y II

Debe quedar claro que las probabilidades de los errores de tipo I y II son probabilidades condicionales.
Llamaremos:

  = P(ERROR TIPO I) = P(RECHAZAR H0/ H0 ES VERDADERA)

Página 5 de 13
UNLP-Facultad de Ingeniería Cátedra: Estadística

Carreras: Ing. Electrónica y Electricista Mag. Lic. Alicia Ledesma

 recibe el nombre de nivel de significación del test.

Fijar el nivel de significación  equivale a decidir de antemano la probabilidad máxima que se está
dispuesto a asumir de rechazar la hipótesis nula cuando es cierta. El nivel de significación lo elige el
experimentador y por ello tiene la ventaja de tomarlo tan pequeño como desee (normalmente se toma  =
0,05; 0,01; 0,001.

1- = 1-P(RECHAZAR H0/ H0 ES VERDADERA) = P(ACEPTAR H0/H0 ES

VERDADERA)

1- recibe el nombre de nivel de confianza del test.

  = P(ERROR TIPO II) = P(ACEPTAR H0/ H0 ES FALSA)

1- = 1-P(ACEPTAR H0/ H0 ES FALSA) = P(RECHAZAR H0/ H0 ES FALSA)

1- se llama potencia del test, dado que es la capacidad que tiene el test de reconocer correctamente que
la hipótesis nula es falsa, y por tanto se debe rechazar H0.

siempre será aceptable que el test tenga una potencia grande (cercana a uno), o lo que es lo mismo, un
valor pequeño de , cuando H0 es falsa.

La relación entre  y  según la decisión de aceptar o rechazar la hipótesis nula H0, viene dada en la
Tabla 2, que representa el mismo problema de decisión de la Tabla 1, con la única diferencia que aquí
identificamos la probabilidad asociada a cada una de las cuatro celdas de la tabla.

Decisión Situación real

H0 es cierta H0 es falsa
No se rechaza H0 1- = nivel de confianza 
Se rechaza H0  1- = potencia del contraste
Probabilidad total 1 1
Tabla 2. Probabilidades de cada decisión en un contraste de hipótesis

Notar que,
a) La suma de las probabilidades de cada columna es igual a 1, ya que los sucesos con los que están
asociados son complementarios.

b) La suma de  y  no tiene que ser necesariamente igual a 1, ya que estas probabilidades no son
complementarias. Así, si se cambia el valor de  en determinada cantidad, no tiene porqué
producirse el mismo cambio en  y viceversa. Sin embargo  y  son dependientes entre si y
también son dependientes del tamaño muestral n.

c) Cuando n permanece constante, si  disminuye,  normalmente aumenta. Si n aumenta, es

posible que ambos,  y  disminuyan, ya que el error de muestreo tiende a disminuir, al
aumentar el tamaño de la muestra. Pero un aumento en el tamaño de la muestra produce un
incremento de los costos; por ello el investigador tendrá que decidir cuanto dinero está dispuesto
a gastar incrementando el tamaño de la muestra con el objetivo de reducir  y .

d) El tamaño de la región crítica, y por tanto la probabilidad de cometer un error tipo I, siempre se
puede reducir al ajustar él o los valores críticos.

e) Si la hipótesis nula es falsa,  es un máximo cuando el valor real del parámetro se aproxima al
hipotético (el que establece H0). Cuanto más grande sea la distancia entre el valor real y el valor
hipotético, menor será .

7.5 PASOS A REALIZAR EN UN CONTRASTE O TEST DE HIPÓTESIS

El procedimiento a seguir en un contraste de hipótesis se resume en los siguientes pasos:

Página 6 de 13
UNLP-Facultad de Ingeniería Cátedra: Estadística

Carreras: Ing. Electrónica y Electricista Mag. Lic. Alicia Ledesma

1.- Formular la hipótesis nula H0 y la alternativa H1 en términos estadísticos

En cualquier contraste de hipótesis se deben especificar claramente las dos hipótesis, recordando que las
mismas deben ser mutuamente excluyentes. Deben ser formuladas de manera tal que el verdadero valor
del parámetro poblacional esté incluido en la hipótesis nula o en la alternativa, no siendo posible que no
esté incluido en ninguna y ambas hipótesis sean falsas.

2.- Determinar el estadístico de prueba apropiado

Se debe obtener un estadístico apropiado que se usará para rechazar o aceptar la hipótesis nula
H0.
El estadístico de prueba seleccionado debe cumplir las siguientes condiciones:
a) Su función de probabilidad debe ser conocida cuando se supone que la hipótesis
nula es cierta.
b) Debe contener el parámetro que está siendo contrastado.
c) Los restantes términos que intervienen deben ser conocidos o se pueden
calcular a partir de la muestra.

3.- Seleccionar el nivel de significación 

La selección del nivel de significación  debe hacerse de manera tal que  tome el menor valor posible
para que, la probabilidad de rechazar una hipótesis nula H0 cuando la misma sea verdadera.

4.- Determinar la región crítica o de rechazo

El conocimiento de la región crítica nos permitirá decidir si se acepta o rechaza la hipótesis nula H0 en
función del estadístico de prueba elegido y del valor de significación  fijado. De esta manera es
importante especificar cual será el estadístico de prueba. Queda de esta manera determinada la región
crítica y la de aceptación.

5.- Seleccionar aleatoriamente la muestra y calcular el valor del estadístico de prueba

A partir de las observaciones se calcula el valor del estadístico de prueba y se ve si este cae en la región
crítica o en la de aceptación.

6.- Dar la regla de decisión y su interpretación

Si el valor del estadístico de prueba calculado cae en la región crítica entonces se rechaza H0.
Si el valor calculado cae en la región de aceptación, entonces no se rechaza la hipótesis nula H0.
Por último se resume e interpreta la decisión de aceptar o rechazar H0, en términos del problema original,
es decir usando el lenguaje del planteamiento del problema, pues los resultados de los test de hipótesis en
las distintas áreas del conocimiento, frecuentemente se presentan para ser usados por personas con pocos
conocimientos estadísticos.

7.6 CONTRASTES PARA LA MEDIA DE UNA POBLACIÓN CON VARIANZA

CONOCIDA
7.6.1 Introducción
Consideraremos pruebas de hipótesis sobre la media de una población ( o la media de una distribución de
probabilidad), donde la varianza de la población es conocida.
Consideraremos suposiciones mínimas:
I. La población o distribución de interés tiene media  y varianza 2, con 2 conocida.
II. El estadístico de prueba se basará en la media muestral X .
III. Se supondrá que la población está distribuida de manera normal o que se aplican las condiciones
del Teorema Central del Límite, es decir que la distribución de X es aproximadamente
2
N ( , ) .
n

7.6.1 Procedimiento de prueba

Supongamos que queremos hacer el contraste de hipótesis:
H0:  =0 versus H1:   0

Página 7 de 13
UNLP-Facultad de Ingeniería Cátedra: Estadística

Carreras: Ing. Electrónica y Electricista Mag. Lic. Alicia Ledesma

donde 0 es una constante especificada.

Sea (X1, X2,…, Xn) una muestra aleatoria de la población.
Es estadístico de prueba apropiado deberá basarse en la variable aleatoria X .
Si partimos de una distribución Normal o en su defecto usamos el TCL X tiene distribución
aproximadamente normal con:
media:    0
X
2
2 
varianza:   si la hipótesis nula es verdadera.
X n
para n suficientemente grande.
Podemos construir una región crítica en base al valoe calculado de la media muestral x .
Habitualmente es más conveniente estandarizar la media muestral y usar un estadístico de pruba basado
en la distribución N(0,1).
X - 0
Estandarizando, Z 0 

n

X - µ0
Si la hipótesis nula H0:  = 0 es verdadera, E ( X )   0 , entonces Z 0 = ≈N(0, 1)
σ
n
Para hallar una región crítica con un nivel de confianza 1-, puede usarse la proposición probabilística:

X - µ0
P[-z α/2 ≤ ≤z α/2 ] = 1 - α
σ
n
La regla de decisión será:

Si z0  z/2 ó z  - z/2  se rechaza H0 al nivel de significación .

Si - z/2  z0  z/2  no se rechaza H0 al nivel de significación .

Aunque es más fácil entender la región crítica en términos del estadístico de prueba Z0 que en términos
de X , escribiremos la misma región crítica en términos del promedio calculado x .
De esta forma podemos escribir el proceso de decisión como sigue:

si x ≥b ó x ≤a ⇒ se rechaza H 0 donde:

σ σ
a = µ 0 - z α/2 y b = µ 0 + z α/2
n n

Para un nivel de significación , los valores críticos de la variable aleatoria Z y X se indican en la Fig.
4.

Página 8 de 13
UNLP-Facultad de Ingeniería Cátedra: Estadística

Carreras: Ing. Electrónica y Electricista Mag. Lic. Alicia Ledesma

Fig.4 Región crítica para la hipótesis   0

También pueden desarrollarse procedimientos para pruebas de hipótesis unilaterales, sobre 

Las pruebas de hipótesis unilaterales sobre la media se diferencian en que la región crítica sólo está en
una cola de la distribución normal estándar. Así:
I. Supongamos la prueba: H0:  = 0 versus H1:  > 0
Región crítica: si z0 > z  se rechaza H0

II. Supongamos la prueba: H0:  = 0 versus H1:  < 0

Región crítica: si z0 < - z  se rechaza H0

7.6.2 Ejemplos
a) Una muestra aleatoria de 100 muertes registradas en el país, en el 2006, muestra una vida
promedio de 71,8 años. Suponiendo una desviación estándar poblacional de 8,9 años, ¿parece
indicar esto, que la vida media hoy en día es mayor que 70 años? Tomar  = 0,05.
Solución
I. Se trata de una distribución muestral de medias con  conocida.

II. Datos
 = 70 años
 = 8,9 años
x = 71,8 años
n = 100
 = 0,05

III. Test de hipótesis

H0:  = 70
H1:  > 70

IV. Regla de decisión

X - µ0
Se usará el estadístico de prueba Z 0 = que tiene distribución aproximadamente
σ
n
N(0, 1). (Observar que se dan las condiciones para poder usarlo, varianza conocida y n
grande).
Si z0 > 1,645  se rechaza H0.
V. Cálculos
71,8 - 70
z0 = = 2,02
8,9
100
VI. Decisión y justificación
2,02 > 1,645  z0 cae en la zona de rechazo, por tanto se rechaza H0.

Página 9 de 13
UNLP-Facultad de Ingeniería Cátedra: Estadística

Carreras: Ing. Electrónica y Electricista Mag. Lic. Alicia Ledesma

Si queremos resolver el ejercicio, tomando la decisión en base al estadístico real, es decir en base a la
media muestral X , operamos como sigue:

x -µ z.σ (1,645).(8,9)
z= ⇒ x=µ+ = 70 + = 71,46
σ n 10
n

b) Una empresa eléctrica fabrica elementos con una duración que se distribuye en forma
aproximadamente normal con una media de 800 horas y una desviación estándar de 40 horas. Si
una muestra aleatoria de 30 de tales elementos tiene una duración promedio de 788 horas
¿muestran los datos suficiente evidencia para decir que la duración media ha cambiado? tomar 
= 0,04.
Solución
I. Se trata de una distribución muestral de medias con desviación estándar conocida.

II. Datos
 = 800 horas
 = 40 horas
x = 788 horas
n=30
 = 0,04

III. Test de hipótesis

H0:  = 800
H1:   800 (se trata de un test de dos colas)

IV. Regla de decisión

X - µ0
Se usará el estadístico de prueba Z0 = que tiene distribución
σ
n
aproximadamente N(0, 1). (Observar que se dan las condiciones para usarlo, varianza
conocida y n grande)
Si -2,052  z0  2,052  no se rechaza H0.
Si z0 > 2,052 ó z0 < -2,052  se rechaza H0.
¿porqué?
V. Cálculos
x - µ 0 788 - 800
z0 = = = -1,64
σ 40
n 30

Página 10 de 13
UNLP-Facultad de Ingeniería Cátedra: Estadística

Carreras: Ing. Electrónica y Electricista Mag. Lic. Alicia Ledesma

VI. Justificación y decisión

-2,052  -1,64  2,052  no se rechaza H0 y se concluye que la duración media de los
elementos fabricados no ha cambiado.
No existe suficiente evidencia muestral para rechazar H0.

Si queremos resolver el ejercicio, tomando la decisión en base a la media de la muestra

directamente, operamos como sigue:
x -µ z 0 .σ (2,05).(40)
z0 = ⇒ x=µ+ = 800 ± = 785,02 y 814,98
σ n 30
n

Regla de decisión
si 785,02  x  814,98 no se rechaza H0.
si x < 785,02 ó x >814,98 se rechaza H0.

Como x = 788 horas  no se rechaza H0 y se concluye que la duración media no ha

cambiado.

c) Una muestra aleatoria de 64 bolsas de un material plástico pesan, en promedio 174,316 gramos con
una desviación estándar (muestral) de 8 gramos. Probar la hipótesis de que  = 183,315 gramos
contra la hipótesis alternativa  < 183,315 gramos. Tomar  =0,05.
Solución
I. Se trata de una distribución muestral de medias con desviación estándar poblacional
desconocida, pero como el tamaño de muestra es mayor que 30 se puede tomar la desviación
muestral como un estimador puntual para la población.

II. Datos
 = 183,315
s=8
x = 174,316
n = 64
 = 0,05

III. Ensayo de hipótesis

H0:  = 183,315 versus H1:  < 183,315

IV. Regla de decisión

si z  -1,645  no se rechaza H0
si z < -1,645  se rechaza H0
¿porqué? Hacer la gráfica aproximada

V. Cálculos
x - µ 174,316 - 183,315
z= = = -9
σ 8
n 64
VI. Justificación y decisión
-9 < -1,645  se rechaza H0
Se concluiye con un nivel de significación del 0,05 que las bolsas de ese material pesan en
promedio menos de 183,315 gramos.

Esto es común en todo lo que se vende envasado, los fabricantes aseguran que las latas,
botellas, etc. tienen en promedio un peso superior al que realmente tienen.

Página 11 de 13
UNLP-Facultad de Ingeniería Cátedra: Estadística

Carreras: Ing. Electrónica y Electricista Mag. Lic. Alicia Ledesma

7.7 OTRA MANERA DE INFORMAR SOBRE LOS RESULTADOS

DE PRUEBAS ESTADÍSTICAS: VALORES p
La probabilidad  de cometer un error de tipo I, ya sabemos que se llama nivel de
significación de una prueba estadística. Este término surgió de la manera siguiente:

La probabilidad del valor observado del estadístico de prueba o algún otro valor hasta
más contradictorio a la hipótesis nula, mide (de cierta forma) el peso de la evidencia a
favor del rechazo de H0. Algunos de los que realizan los experimentos informan que los
resultados de la prueba son significativos (rechazaríamos H0) a un nivel de significación
del 5 % pero no al nivel del 1 %.

Esto implica que rechazaríamos H0 si  = 0,05 pero no si  = 0,01.

Al valor mínimo de  para el cual los resultados de la prueba son significativos desde el
punto de vista de la estadística, suele llamarse valor p o nivel de significación
observado.
Podemos dar la siguiente definición:

Definición El valor p es el valor de significación  = P(error de tipo I) = P(rechazar

H0/H0 es verdadera) más pequeño en el que el valor observado del estadístico de prueba
es significativo.

Podemos decir entonces , que en un test de hipótesis:

 El valor p es el nivel de significación más pequeño que conduce al rechazo de la

hipótesis nula.

 El valor p es el mínimo valor de significación en el cual H 0 sería rechazada

cuando se usa un procedimiento de prueba especificado con un conjunto dado de
información. Una vez que el valor p se haya determinado, la conclusión en
cualquier nivel  particular resulta de comparar el valor p con :

1.- Valor p    rechazar H0 al nivel .

2.- Valor p >   no rechazar H0 al nivel 
Para las pruebas donde usamos estadísticos de prueba que tienen distribución normal,
como las vistas hasta el momento, calcular el valor p es sencillo.
Si z0 es el valor calculado del estadístico de prueba, entonces el valor p es:

p = 2.[1-(z0)] para una prueba de dos colas: H0:  = 0 versus H1:   0

p = 1- (z0) para una prueba de cola superior: H0:  = 0 versus H1:  > 0
p = (z0) para una prueba de cola inferior: H0:  = 0 versus H1:  < 0

Recordar que (z0) = P(Z  z0), es la función de distribución acumulada de la N(0,1)

calculada en z0.

Página 12 de 13
UNLP-Facultad de Ingeniería Cátedra: Estadística

Carreras: Ing. Electrónica y Electricista Mag. Lic. Alicia Ledesma

7.8 CONTRASTE PARA LA MEDIA DE UNA POBLACIÓN CON

VARIANZA DESCONOCIDA
Las pruebas sobre una media poblacional  con 2 desconocida, al igual que en la
estimación por intervalos de confianza debe incluir el uso de la distribución t de
Student.
La aplicación de la distribución t de Student para los intervalos de confianza y los test
de hipótesis tiene en cuenta las siguientes suposiciones:
(X1, X2,…, Xn) representa una muestra aleatoria de una distribución normal con  y 2
desconocidas.

X -µ
El estadístico de prueba es: T = que como sabemos tiene distribución t de
S
n
Student con (n-1) grados de libertad.

La forma de realizar los test es idéntica a los que usan como estadístico de prueba a Z.
Asi, si el test es bilateral:
H0:  = 0 vs H1:   0
x - µ0
calculando: t 0 =
S
n
La región crítica será:
t0  t/2, n-1 ó t0  - t/2, n-1
como vemos es una región crítica de dos colas. (Recordar que la distribución t es
simétrica respecto del cero).
Si H1:  > 0 entonces se rechaza H0 cuando t0 > t, n-1
Si H1:  < 0 entonces se rechaza H0 cuando t0 < - t, n-1

Página 13 de 13