Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Una hipótesis estadística es una conjetura que se hace en relación con algún parámetro de
cierta población y que puede o no ser cierta. Por otro lado, una prueba de hipótesis es un
proceso de toma de decisiones para evaluar dichas afirmaciones.
Hipótesis nula (𝑯𝟎 ) es una hipótesis estadística que establece que no hay diferencia entre un
parámetro y un valor específico, o que no hay diferencia entre dos parámetros. En otras
palabras, es una afirmación de un parámetro poblacional.
Hipótesis alternativa (𝑯𝟏 ) es una hipótesis estadística que establece la existencia de diferencia
entre un parámetro y un valor específico, o bien, que hay diferencia entre dos parámetros. Dicho
de otra manera, es una afirmación que se acepta si los datos muestrales proporcionan evidencia
suficiente de que la hipótesis nula es falsa.
Prueba estadística. Utiliza los datos obtenidos de una muestra para decidir si la hipótesis nula
debe ser rechazada. El valor obtenido de a partir de una prueba estadística se conoce como
valor de prueba.
3) Aplicar de manera correcta la sana distancia en la población es una de las medidas sociales
para reducir la frecuencia de contacto entre las personas y disminuir el riesgo en la propagación
de un virus. Algunos epidemiólogos mexicanos están interesados en el promedio diario de casos
positivos a COVID-19 en pacientes que adoptan la medida de sana distancia. Si el promedio
diario de la penúltima semana de junio de casos positivos fue de 4581. ¿Este promedio se
decrementará, si las personas aplican la medida de sana distancia?
𝐻0 : 𝜇 ≥ 4581 y 𝐻1 : 𝜇 < 4581 Prueba de extremo izquierdo o cola izquierda.
Prueba de una cola. Indica que la hipótesis nula debe rechazarse si el valor de prueba está en la
región crítica a un lado de la media. Una prueba de una cola puede clasificarse como de cola
izquierda o cola derecha, dependiendo de la dirección de la desigualdad de la hipótesis
alternativa.
Prueba de dos colas. La hipótesis se rechaza si el valor de prueba está se encuentra en
cualesquiera de las dos regiones críticas.
Error tipo I. Rechazar la hipótesis nula (𝐻0 ) cuando es verdadera. La probabilidad de cometer
un error tipo I se denota con 𝛼.
Error tipo II. Aceptar la hipótesis nula cuando es falsa. La probabilidad de cometer un error de
tipo II se denota con 𝛽.
Generalmente cuando la media de la muestra está muy alejada de la media hipotetizada, se
considera que la hipótesis nula es falsa; sin embargo, es necesario establecer qué tan grande
debe ser esa diferencia para poder rechazar la hipótesis nula y por ello, surge el concepto de
nivel de significancia.
Nivel de significancia (𝜶). Probabilidad de cometer un error del tipo I. Los niveles de
significancia usualmente empleados son: 0.10, 0.05 y 0.01.
MÉTODO TRADICIONAL
Establecer la hipótesis e identificar la afirmación.
Encontrar el o los valores críticos.
Calcular el valor de prueba.
Decidir si se rechaza o no la hipótesis nula.
Valor crítico. Separa la región crítica de la no crítica. Se representa como V. C. y depende del
nivel de significancia 𝛼.
Región crítica o región de rechazo. Es el intervalo de valores de prueba que indican que hay una
diferencia significativa y que por la tanto, la hipótesis nula debe ser rechazada.
Región no crítica o región de no rechazo. Es el intervalo de valores de prueba que indica que la
diferencia se debió probablemente al azar y que, por tanto, la hipótesis nula no debería ser
rechazada.
Ejemplo.
Si 𝐻0 : 𝜇 ≥ 80 ; 𝐻1 : 𝜇 < 80 ; 𝑆 = 19.2 ; 𝑛 = 36 ; 𝑋̅ = 75 y 𝛼 = 0.10. ¿Existe evidencia para
rechazar la hipótesis nula y aceptar la hipótesis alternativa?
Como el valor de prueba se encuentra en la región crítica, entonces se rechaza la hipótesis nula
y se acepta la hipótesis alternativa.
Ejemplo.
Si 𝐻0 : 𝜇 = 24672 ; 𝐻1 : 𝜇 ≠ 24672 ; 𝜎 = 3251 ; 𝑛 = 35 ; 𝑋̅ = 25226 y 𝛼 = 0.01. ¿Existe
evidencia para rechazar la hipótesis nula y aceptar la hipótesis alternativa?
Ejemplo.
Si 𝐻0 : 𝜇 ≤ 24 ; 𝐻1 : 𝜇 > 24(afirmación) ; 𝑆 = 2 ; 𝑛 = 36 ; 𝑋̅ = 24.7 y 𝛼 = 0.05. ¿Existe evidencia
para rechazar la hipótesis nula y aceptar la hipótesis alternativa?
Para poder trabajar con la curva normal estándar se calcula:
𝑋̅ − 𝜇 24.7 − 24
𝑧= = = 2.10
𝑆 2
( ) ( )
√𝑛 √36
𝑃(𝑋̅ > 24.7) = 𝑃(𝑧 > 2.10) = 0.0179 (valor P)
Como la probabilidad 0.0179 es menor que 0.05 se rechaza la hipótesis nula y se acepta la
hipótesis alternativa.
Ejemplo.
Si 𝐻0 : 𝜇 = 8 (afirmación) ; 𝐻1 : 𝜇 ≠ 8 ; 𝑆 = 0.6 ; 𝑛 = 32 ; 𝑋̅ = 8.2 y 𝛼 = 0.05. ¿Existe evidencia
para rechazar la hipótesis nula y aceptar la hipótesis alternativa?
Para poder trabajar con la curva normal estándar se calcula:
𝑋̅ − 𝜇 8.2 − 8
𝑧= = = 1.89
𝑆 0.6
( ) ( )
√𝑛 √32
𝑃(𝑋̅ > 8.2) = 𝑃(𝑧 > 1.89) = 0.0294
Debido a que se trata de una prueba de dos colas, el área 0.0294 se duplica para obtener el
valor P:
2(0.0294) = 0.0588
Debido a que el valor P es mayor que 0.05, se acepta la hipótesis nula y se rechaza la hipótesis
alternativa.
MÉTODO DE INTERVALO DE CONFIANZA
Ejemplo.
El detergente en polvo se empaqueta en bolsas de 5 kg. Sin embargo, inspectores de la Profeco
sospechan que las bolsas pueden no contener los 5 kg. La media de una muestra de 50 paquetes
de jabón es de 4.6 kg, con una desviación estándar de 0.7 kg. ¿Existen elementos suficientes
para afirmar, con un índice 0.05 de significatividad, que las bolas no contienen los 5 kg?
Adicionalmente calcular, para la media verdadera, el intervalo de confianza con un nivel de
confiabilidad del 95%.