PRUEBAS DE HIPÓTESIS

Una hipótesis se define como una proposición acerca de una o más

poblaciones. En general, la hipótesis se refiere a los parámetros de
las poblaciones para las cuales se hace la proposición.
El propósito de la prueba de hipótesis es ayudar al investigador a
tomar una decisión acerca de una población mediante el examen de
una muestra de ella; aunque se puede usar intervalos de confianza,
para llegar a las mismas conclusiones que se alcanzan al utilizar
los procedimientos de prueba de hipótesis.

Tipos de Hipótesis.- Los investigadores se interesan en dos

tipos de hipótesis: de investigación y de estadísticas.
La hipótesis de investigación es la conjetura o suposición que
motiva la investigación; puede ser el resultado de años de
observación por parte del investigador. Las hipótesis de
investigación conducen directamente a las hipótesis estadísticas.
Las hipótesis estadísticas se establecen de tal forma que pueden
ser evaluadas por medio de técnicas estadísticas adecuadas.
La verdad o falsedad de una hipótesis nunca se conoce con certeza
si no se examina toda la población; pero como eso resulta poco
práctico, se toma una muestra aleatoria de la población para que en
base a la información contenida en ella podamos decidir si la
hipótesis es verdadera o falsa.

Para llevar a cabo una prueba de hipótesis estadística deberán

seguirse los siguientes pasos:

1º) Formular las hipótesis

Ho: Hipótesis Nula
H1: Hipótesis Alternativa
La hipótesis nula es la que debe ser comprobada; en general se
establece con el propósito de ser rechazarla. La hipótesis nula a
veces se le conoce como hipótesis de no diferencia.
La hipótesis alternativa también se le conoce como “hipótesis del
investigador” y se formula teniendo en cuenta lo que evidencia la
muestra; es la conclusión a la que se desea o espera llegar como
resultado de la prueba.
Nota.- Se recomienda plantear primero la hipótesis alternativa,
porque precisamente traduce el propósito del estudio.
Por la forma como se formule la hipótesis alternativa, las pruebas
de hipótesis estadística pueden ser:

a) Pruebas unilaterales o a una sola cola; estas pueden formularse

de la siguiente manera:

Ho:   o Ho:   o
H1:  > o H1:  < o

b) Pruebas bilaterales o a dos colas; estas se formulan de la

siguiente manera:

Ho:  = o
H1:   o

2º) Especificar el nivel de significancia (  ) antes de que

efectivamente se lleve a cabo la prueba; es decir es un valor
convencional o convenido previamente antes de realizar el estudio.
El nivel de significancia es la máxima cantidad de error que estamos
dispuestos a aceptar, en el caso que rechacemos Ho (que en
realidad era verdadera) de una manera errónea. Los valores de 
que se usan con más frecuencia son 0.05 y 0.01
Si usamos  = 0.05 implica que rechazaremos incorrectamente la
hipótesis nula un 5 % de las veces que se repita el experimento;
siendo ésta realmente verdadera; es decir el nivel de significación 
es la probabilidad de rechazar una hipótesis nula verdadera .

3º) Determinar la variable estadística de la prueba y calcular su

valor a partir de los datos contenidos en la muestra; dicho valor de
la estadística de prueba se compara con su valor tabular respectivo.

4º) Tomar la decisión; el cual consiste en el rechazo o no de la

hipótesis nula.

5º) Formular la conclusión.

Al llevar a cabo una prueba de hipótesis se puede cometer dos tipos

de errores:

Error de tipo I.- Se comete al rechazar Ho siendo esta verdadera.

El error tipo I no es más que una equivocación, es el suceso, es el
acontecimiento en el que nos hemos equivocado al haber aceptado
nuestra hipótesis del investigador (H 1) como verdadero. Por otro
lado el p-valor es la cuantificación del error tipo I y esperamos que
se encuentre por debajo del nivel de significancia.
La probabilidad de cometer un error de tipo I, se denota con 

Error de tipo II.- Se comete al aceptar Ho siendo esta falsa. La

probabilidad de cometer un error de tipo II se denota por . La
potencia o eficacia de una prueba de decisión estadística, está dado
por 1 -  (probabilidad de no cometer error de tipo II) es decir
caracteriza la capacidad que tiene dicha prueba de no equivocarse
al aceptar Ho.

La probabilidad de cometer ambos tipos de errores puede reducirse,

incrementando el tamaño de la muestra.

Si se toma un nivel de significación  < 0.05 como por ejemplo

 = 0.01 entonces estaremos previniendo cometer un error de tipo I,
pero podría dar lugar a que se cometa un error de tipo II. Por el
contrario si tomamos  > 0.05 aumentaremos la probabilidad de
cometer un error de tipo I y estaremos previniendo que se cometa
un error de tipo II. El investigador debe decidir que tipo de error
prefiere evitar.

Grado de significación

Se simboliza como P valor; se llama así al mínimo valor que debe

tener α para que la hipótesis nula Ho sea rechazada; mide la
probabilidad de que con los datos numéricos de la muestra
estudiada, estemos cometiendo un error de tipo I. Por ello, cuanto
menor sea el p-valor, más seguros podemos estar, de rechazar Ho
sin equivocarnos. Eso implica que los p-valores más grandes
respaldan con más fuerza la veracidad de Ho, mientras que los p-
valores pequeños deberían llevar a rechazarla.
Habitualmente en las publicaciones científicas se utiliza el siguiente
convenio: Si el valor del estadístico es significativo para  = 0.05
pero no llega a serlo para  = 0.01 se simboliza escribiendo P <
0.05; similarmente si el valor del estadístico es significativo para
 = 0.01 pero no lo es para  = 0.001 se simboliza escribiendo
P < 0.01

Como regla general se puede decir que si el valor de P  

entonces la hipótesis Ho se rechaza.
 Pruebas de Hipótesis acerca de la Media 

Cuando la muestra proviene de una población normal y

2 es conocida.- Sea X la media de una muestra aleatoria de
tamaño n seleccionada de una población con media  y varianza 2
supuestamente conocida.
Si la población es normal, entonces la distribución de la estadística
X es exactamente normal N (, 2/ n) para cualquier valor de n 
2.
Si la población no es normal, pero el tamaño de la muestra es
suficientemente grande (n ≥ 30) entonces la distribución de X es
es aproximadamente normal N (, 2/ n)

La estadística para esta prueba es:

X  
Z 
  N ( 0, 1 )
n

Prueba bilateral o de dos colas

Si se prueba Ho:  = o contra H1:   o

Regla de decisión: Rechazar Ho si el valor de la estadística

Z > Z/2 ó Z < - Z/2

Prueba unilateral de cola a la derecha

Si se prueba Ho:  = o contra H1:  > o

Regla de decisión: Rechazar Ho si el valor de la estadística

Z > Z1 

Prueba unilateral de cola a la izquierda

Si se prueba Ho:  = o contra H1:  < o

Regla de decisión: Rechazar Ho si el valor de la estadística

Z < - Z
Ejemplo
Un determinado proceso de empaquetar un producto está
controlado, si el peso medio del producto empaquetado es 400
gramos. Si en una muestra aleatoria de 100 paquetes del producto
se ha encontrado que el peso medio es de 395 gramos. ¿Se podría
concluir que el proceso está fuera de control al nivel de significación
5 %?. Suponga que el peso de los productos empaquetados se
distribuye normalmente con desviación estándar de 20 gramos.

Solución
1. Hipótesis: Ho:  = 400 ( El proceso está en control )
H1:   400 ( El proceso está fuera de control )

2. Nivel de significación:  = 0.05

3. Variable estadística: Dado que la población es normal con

varianza conocida, entonces la variable estadística es:

X  
Z

n

395  400
Z   2 .5
20
100

4. Decisión: Rechazaremos Ho si Z < -1.96 o Z > 1.96. Por lo

tanto rechazaremos Ho

5. Conclusión: El proceso está fuera de control.

Cuando la muestra proviene de una población normal con 2

desconocida.-

Cuando el muestreo se realiza a partir de una población que sigue

una distribución normal con una varianza poblacional desconocida,
entonces la distribución de la media muestral sigue una distribución
T.

La estadística de prueba es:

 X  
T 
S
n

Ejemplo.- Un distribuidor de cerveza sostiene que una nueva

presentación, que consiste en una foto de tamaño real de un
conocido cantante de rock, aumentará las ventas del producto en
los supermercados en al menos 50 cajas semanal. En una muestra
aleatoria de 20 supermercados, las ventas medias aumentaron en
41.3 cajas con una desviación estándar de 12.2 cajas.
Con a = 0.05 ¿Cuál es su conclusión?

Solución

H0: m ≥ 50 cajas
H1: m < 50 cajas
a = 0.05
X   41.3  50  8.7
t    3.19
s 12.2 2.728
n 20

La regla de decisión será rechazar H0 si:

t < - 1.7291 Por lo tanto

Decisión.- Rechazar H0

Conclusión.- Los datos de la muestra evidencian que no es cierto lo

que sostiene el distribuidor de cerveza.

PRUEBA DE HIPÓTESIS ACERCA DE UNA SOLA

PROPORCIÓN

En muchos problemas prácticos, queremos contrastar hipótesis

sobre la proporción de elementos de una población que poseen
cierto atributo. La inferencia sobre la proporción poblacional se basa
en la proporción de individuos de una muestra aleatoria que poseen
el atributo de interés.
Para evaluar la magnitud de la diferencia entre la proporción
muestral ( p̂ ) y la proporción poblacional (p) supuesta, es necesario
que la muestra aleatoria sea lo suficientemente grande (np o nq ≥
5) es decir n ≥ 100 aproximadamente.
La variable estadística para esta prueba es:

pˆ  p
Z
pq
n

Ejemplo

En una muestra aleatoria de 361 propietarios de pequeñas

empresas que se habían declarado en quiebra, 105 manifestaron
que no habían hecho ningún estudio de mercado antes de abrir el
negocio. Contraste al nivel α = 0.05 la hipótesis de que el 25%
como máximo de todos los miembros de esta población no realizó
estudios de mercado antes de abrir el negocio.

Solución

H0: p ≤ 0.25
H1: p > 0.25
a = 0.05

pˆ  p 0.291  0.25 0.041

Z Z    1. 8
pq 0.25 x0.75 0.0228
n 361

La regla de decisión será rechazar H0 si: Z > 1.645

Decisión.- Rechazar H0

Conclusión.- Tenemos razones suficientes para concluir que más

del 25% de las pequeñas empresas, no han hecho estudios de
mercado, antes de abrir su negocio.
PRUEBA DE HIPÓTESIS REFERENTE A LA
VARIANZA

Consideremos que se tiene una muestra aleatoria X1, X2,

………..Xn de una variable aleatoria X con distribución normal con
media μ y varianza σ2 desconocidas. El estadístico de la prueba es:

( n  1) S 2
2 
 02

Ejemplo.- Se afirma que una de las piezas de un motor, producida

por una compañía, tiene una varianza del diámetro no mayor que
0.0002 pulgadas. Una muestra aleatoria de 10 partes reveló una
varianza muestral de 0.0003. Utilice α = 0.05

Solución

H 0 :  2  0.0002
H 1 :  2  0.0002
  0.05

(n  1) S 2 9(0.0003)
2    13.5
 02 0.0002

Según la tabla  (2n1)   (29 ) 0.05  16.919

Decisión.- H0 se acepta
Conclusión.- No hay suficiente evidencia para indicar que la
varianza σ2 sea mayor que 0.0002.