DEPARTAMENTO DE INGENIERÍA INDUSTRIAL.

ESTADÍSTICA INFERENCIAL I

UNIDAD 3: PRUEBA DE HIPOTESIS

INTEGRANTES DEL EQUIPO:

ABRAHAM DE JESUS DZIB PACHECO

CARLOS MARIO CAUICH PEREZ

ANDREA CONCEPCION GUZMAN MANUEL

ANGEL DAVID SALAS ROMERO

PORTAFOLIO DE EVIDENCIAS

GRUPO: 3I1.

PROFESOR: ING. LUIS EDUARDO BASTO AGUILAR

CURSO EN LINEA, SEMESTRE FEBRERO – JUNIO 2021.

FECHA DE ENTREGA: 30 de Abril de 2021

ISO 9001:2015 8.1, 8.2.2, 8.5.1, 7.1.5, 9.1.1, 8.6 R E V 06 ITMER-AC-PO-003-01

 2

Contenido
3. Prueba de hipótesis. ............................................................................................ 3

3.1 Introducción. ...................................................................................................... 4

3.2 Confiabilidad y significancia. ............................................................................. 6

3.3 Errores de tipo I y de tipo II ............................................................................... 9

3.4 Potencia de la prueba...................................................................................... 11

3.5 Formulación de hipótesis................................................................................. 13

3.6 Prueba de hipótesis para una media ............................................................... 14

3.6.1 Prueba para una Media de una Población con una Desviación Estándar 17

3.6.2 Prueba para una Media de una Población con una Desviación Estándar 19

3.7 Prueba de hipótesis para la diferencia de medias ........................................... 21

3.8 Prueba de hipótesis para la proporción ........................................................... 24

3.9 Prueba de hipótesis para la diferencia de proporciones .................................. 26

3.10 Prueba de hipótesis para la varianza ............................................................ 27

Conclusión............................................................................................................. 31

Referencias. .......................................................................................................... 32
 3

3. Prueba de hipótesis.

Dentro del estudio de la inferencia estadística, se describe cómo se puede tomar

una muestra aleatoria y a partir de esta muestra estimar el valor de un parámetro
poblacional en la cual se puede emplear el método de muestreo y el teorema del
valor central lo que permite explicar cómo a partir de una muestra se puede inferir
algo acerca de una población, lo cual nos lleva a definir y elaborar una distribución
de muestreo de medias muéstrales que nos permite explicar el teorema del límite
central y utilizar este teorema para encontrar las probabilidades de obtener las
distintas medias maestrales de una población.

Pero es necesario tener conocimiento de ciertos datos de la población como la

media, la desviación estándar o la forma de la población, pero a veces no se dispone
de esta información.

En este caso es necesario hacer una estimación puntual que es un valor que se usa
para estimar un valor poblacional. Pero una estimación puntual es un solo valor y
se requiere un intervalo de valores a esto se denomina intervalo de confianza y se
espera que dentro de este intervalo se encuentre el parámetro poblacional buscado.
También se utiliza una estimación mediante un intervalo, el cual es un rango de
valores en el que se espera se encuentre el parámetro poblacional

En nuestro caso se desarrolla un procedimiento para probar la validez de una

aseveración acerca de un parámetro poblacional este método es denominado
Prueba de hipótesis para una muestra.

Esta foto de Autor desconocido está bajo licencia CC BY-NC

 4

3.1 Introducción.
Hipótesis y prueba de hipótesis

Tenemos que empezar por definir que es una hipótesis y que es prueba de
hipótesis. Hipótesis es una aseveración de una población elaborado con el propósito
de poner a prueba, para verificar si la afirmación es razonable se usan datos.

En el análisis estadístico se hace una aseveración, es decir, se plantea una

hipótesis, después se hacen las pruebas para verificar la aseveración o para
determinar que no es verdadera.

Por tanto, la prueba de hipótesis es un procedimiento basado en la evidencia

muestral y la teoría de probabilidad; se emplea para determinar si la hipótesis es
una afirmación razonable.

Prueba de una hipótesis: se realiza mediante un procedimiento sistemático de cinco

pasos:

Siguiendo este procedimiento sistemático, al llegar al paso cinco se puede o no

rechazar la hipótesis, pero debemos de tener cuidado con esta determinación ya
que en la consideración de estadística no proporciona evidencia de que algo sea
verdadero. Esta prueba aporta una clase de prueba más allá de una duda
razonable. Analizaremos cada paso en detalle

Objetivo de la prueba de hipótesis.

El propósito de la prueba de hipótesis no es cuestionar el valor calculado del

estadístico (muestral), sino hacer un juicio con respecto a la diferencia entre
estadístico de muestra y un valor planteado del parámetro.
 5

Procedimiento sistemático para una prueba de hipótesis de una muestra

Paso 1: Plantear la hipótesis nula Ho y la hipótesis alternativa H1.

Cualquier investigación estadística implica la existencia de hipótesis o afirmaciones

acerca de las poblaciones que se estudian.

La hipótesis nula (Ho) se refiere siempre a un valor especificado del parámetro de

población, no a una estadística de muestra. La letra H significa hipótesis y el
subíndice cero no hay diferencia. Por lo general hay un "no" en la hipótesis nula que
indica que "no hay cambio" Podemos rechazar o aceptar Ho.

La hipótesis nula es una afirmación que no se rechaza a menos que los datos
maestrales proporcionen evidencia convincente de que es falsa. El planteamiento
de la hipótesis nula siempre contiene un signo de igualdad con respecto al valor
especificado del parámetro.

La hipótesis alternativa (H1) es cualquier hipótesis que difiera de la hipótesis nula.

Es una afirmación que se acepta si los datos maestrales proporcionan evidencia
suficiente de que la hipótesis nula es falsa. Se le conoce también como la hipótesis
de investigación. El planteamiento de la hipótesis alternativa nunca contiene un
signo de igualdad con respecto al valor especificado del parámetro.

Paso 2: Seleccionar el nivel de significancia.

Nivel de significancia: Probabilidad de rechazar la hipótesis nula cuando es

verdadera. Se le denota mediante la letra griega α, también es denominada como
nivel de riesgo, este término es más adecuado ya que se corre el riesgo de rechazar
la hipótesis nula, cuando en realidad es verdadera. Este nivel está bajo el control de
la persona que realiza la prueba.

Si suponemos que la hipótesis planteada es verdadera, entonces, el nivel de

significación indicará la probabilidad de no aceptarla, es decir, estén fuera de área
de aceptación. El nivel de confianza (1-α), indica la probabilidad de aceptar la
hipótesis planteada, cuando es verdadera en la población.
 6

La distribución de muestreo de la estadística de prueba se divide en dos regiones,

una región de rechazo (conocida como región crítica) y una región de no rechazo
(aceptación). Si la estadística de prueba cae dentro de la región de aceptación, no
se puede rechazar la hipótesis nula.

La región de rechazo puede considerarse como el conjunto de valores de la

estadística de prueba que no tienen posibilidad de presentarse si la hipótesis nula
es verdadera. Por otro lado, estos valores no son tan improbables de presentarse
si la hipótesis nula es falsa. El valor crítico separa la región de no rechazo de la de
rechazo.

3.2 Confiabilidad y significancia.

El valor α se llama “nivel de significancia o nivel de riesgo” y representa a la

probabilidad de que un nivel concreto del estadístico de contraste caiga en la zona
de rechazo o crítica, es decir, es el conjunto de valores del estadístico de contraste
que nos lleva a la decisión de rechazar la hipótesis nula.

El valor (1-α) se llama “nivel de confianza”, es el conjunto de valores del estadístico

de contraste que nos lleva a la decisión de aceptar la hipótesis nula.

En los contrates unilaterales α está concentrada en uno de los dos extremos de la

distribución, en una única cola. En los contrastes bilaterales α se reparte entre los
dos extremos de la distribución, en las dos colas.
 7

Los contrastes unilaterales suelen ser mejores que los contrates bilaterales. La
elección de uno u otro está condicionada al planteamiento de la hipótesis alternativa.

La confiabilidad de un instrumento se refiere a la constitución interna de las

personas, a la mayor o menor acescencia de errores de medida. Un instrumento
confiable significa que si lo aplicamos por más de una vez a un mismo elemento
entonces obtendríamos iguales resultados.

Hay diversos métodos para determinar la confiabilidad de un instrumento de

medición. Todos utilizan fórmulas que producen coeficientes de confiabilidad, estos
coeficientes pueden oscilar entre 0 y 1, donde un coeficiente de 0 significa nula
confiabilidad y 1 representa un máximo de confiabilidad (Confiabilidad total).

Ejemplo:

Se tienen los resultados referidos a la opinión de 06 alumnos respecto a los ítems

formulados en un cuestionario.

Alumno ITEMS
I II III
1 3 5 5
2 5 4 5
3 4 4 5
4 4 5 3
5 1 2 2
6 4 3 3

Paso 1: Calcular las varianzas de cada uno de los ítems; en el cuadro de cálculo:

Alumno ITEMS
I II III
1 3 5 5
2 5 4 5
 8

3 4 4 5
4 4 5 3
5 1 2 2
6 4 3 3
∑Xi 21 23 23
∑Xi2 83 95 97
Si2 1.9 1.37 1.77

Paso 2: Calcular la sumatoria de varianzas de los ítems.

∑Si2 =5.04

Paso 3: Calcular la varianza de la suma de los ítems.

Suma de ítems
13
14
12
5
10
∑Xi = 67
∑Xi2 = 803

Paso 4: Calcular el coeficiente de alfa de Cronbach.

Paso 5: Interpretación de la significancia de α=0.81; lo que significa que los

resultados de opinión de los 06 alumnos respecto a los ítems considerados se
encuentran correlacionados de manera altamente confiable y muy aceptable.
 9

3.3 Errores de tipo I y de tipo II

El error de tipo I también denominado error de tipo alfa (α) o falso positivo, es el
error que se comete cuando el investigador no acepta la hipótesis nula siendo ésta
verdadera en la población. Es equivalente a encontrar un resultado falso positivo,
porque el investigador llega a la conclusión de que existe una diferencia entre las
hipótesis cuando en realidad no existe. Se relaciona con el nivel de significancia
estadística.

El error de tipo II también llamado error de tipo beta (β) o falso negativo, es el error
que se comete cuando el investigador no rechaza la hipótesis nula siendo esta falsa
en la población. Es equivalente a la probabilidad de un resultado falso negativo, ya
que el investigador llega a la conclusión de que ha sido incapaz de encontrar una
diferencia que existe en la realidad.

Contrariamente al error tipo I, en la mayoría de los casos no es posible calcular la

probabilidad del error tipo II. La razón de esto se encuentra en la manera en que se
formulan las hipótesis en una prueba estadística. Mientras que la hipótesis nula
representa siempre una afirmación enérgica.

Los errores tipo I y tipo II están relacionados. Una disminución en la probabilidad de

uno por lo general tiene como resultado un aumento en la probabilidad del otro.
 10

Al tomar una decisión en una prueba de hipótesis, hay cuatro posibles resultados
que pueden ocurrir; como se ilustra en el siguiente diagrama:

Dos de los resultados involucran decisiones correctas y dos de las decisiones

involucran decisiones incorrectas. Rechazar Ho cuando es verdadera y no rechazar
Ho cuando es falsa, son decisiones incorrectas. Rechazar Ho cuando es cierta se
llama error Tipo I, y no rechazar Ho, cuando es falsa, se llama error Tipo II.

Es necesario tener alguna cantidad que mida la posibilidad de cometer alguno de

estos errores. Esta medida es una probabilidad. La probabilidad de rechazar Ho,
dado que Ho es verdadera, se define como la probabilidad del error Tipo I y se
denota por. La probabilidad de no rechazar Ho, dado que Ho es falsa, se define
como la probabilidad del error tipo II y se denota por:

Propiedades de y

1. El valor de se fija al escoger la zona de rechazo.

2. El valor de dependerá de la hipótesis alternativa que se escoja.

3. Para un tamaño muestral fijo, al aumentar la región de rechazo y, por lo tanto,

disminuye. Si decrece, aumentará.

4. Al aumentar el tamaño de la muestra y decrecen a la vez

Ejemplo
 11

Suponga que un método nuevo y más caro, para detectar el cáncer de la matriz en
las mujeres, se está probando para ver si es superior al método usado
generalmente.

Las hipótesis estadísticas son:

Ho: El nuevo tratamiento no es mejor que el comúnmente usado

Ha: El nuevo tratamiento es mejor que el comúnmente usado

Se tiene un error tipo I cuando se rechaza la Ho siendo verdadera; las

consecuencias de este error incrementarían los costos médicos. Un error del Tipo
II se tiene cuando Ho no se rechaza siendo falsa; sus consecuencias serían una
menor eficacia del tratamiento y, posiblemente, una mayor proporción de muertes
por cáncer en la matriz. Aquí el error más serio es el error Tipo II.

Suponga que un investigador médico se interesa en probar los efectos de un nuevo

medicamento. Las hipótesis estadísticas:

Ho: El medicamento es peligroso

Ha: El medicamento es inofensivo

Un error Tipo I es concluir que el medicamento peligroso es inofensivo, y un error

del Tipo II es concluir que el medicamento inofensivo es peligroso.

3.4 Potencia de la prueba

La potencia de una prueba es igual a 1- β y describe la probabilidad de detectar una
diferencia verdadera de una magnitud determinada. Mientras mayor es la potencia
de una prueba menor es la probabilidad de tener un falso negativo. Frente a cada
resultado no significativo debe considerarse la posibilidad de un error tipo II y la
potencia de la prueba usada para evaluar la diferencia. En otras palabras, una
prueba tiene una elevada potencia cuando tiene una escasa probabilidad de
rechazar la hipótesis nula cuando ésta es verdadera, pero una gran posibilidad de
rechazarla cuando ésta es falsa.
 12

Para calcular la potencia de una prueba es necesario conocer la magnitud de la

diferencia, la variabilidad y el tamaño de la muestra. En la planificación de un trabajo
se debe estimar el tamaño de la muestra usando para ello una estimación de la
diferencia esperada y clínicamente significativa, la variabilidad esperada y decidir
cuál es el error β que se declarará aceptable (usualmente 20% lo que en muchas
circunstancias es excesivo). Las cifras de diferencia y variabilidad se pueden
obtener de trabajos en áreas similares en la literatura o bien desarrollar un piloto
que permita hacer la estimación.

Para aumentar la potencia de una prueba hay diversas alternativas:

1. Como existe una relación inversa entre α y β, se puede aumentar la potencia

elevando el nivel de significación. Es la peor alternativa pues implica
aumentar la posibilidad de un error tipo I.

2. Considerar sólo diferencias mayores concentrándose sólo en aquellas

médica o biológicamente relevantes, algo que debería estar siempre
presente desde el inicio.

3. Aumentar el tamaño de la(s) muestra(s), lo que aumenta el costo y la

duración de la investigación.

4. Disminuir la variabilidad con mediciones más precisas o escogiendo

muestras más homogéneas.

5. Hacer la mayor cantidad de presunciones válidas posibles (por ejemplo, la

prueba de 1 cola es más potente que el de 2 colas).

6. Usar la prueba de mayor poder aplicable al caso en cuestión (por ejemplo,

una prueba paramétrica tiene mayor poder que uno no paramétrico).

Existe un caso frecuente de error tipo II que se da al evaluar la seguridad de un

tratamiento o procedimiento en término de los efectos adversos o la
morbimortalidad. Cuando éstos tienen una baja incidencia, es frecuente que en una
serie relativamente pequeña no aparezcan casos del evento, hecho que muchas
veces es interpretado como hallazgo negativo y la droga o el procedimiento son
 13

catalogados como seguros. Debe quedar muy claro el hecho que un numerador de
cero no significa que no exista riesgo y no impide que se puedan hacer estimaciones
sobre la magnitud de ese riesgo. De hecho, los principios de estadística inferencial
que se aplican a numeradores distintos de cero también se aplican cuando este es
cero. Por ser un problema de estimación, será analizado en el artículo
correspondiente.

3.5 Formulación de hipótesis

En general, la hipótesis es uno de los aspectos más útiles de la inferencia
estadística y se refiere a los parámetros de las poblaciones para las cuales se hace
dicha proposición. Por ejemplo, el administrador de un hospital puede suponer que
el periodo promedio de permanencia de los pacientes internados es de cinco días;
una enfermera del área de salud pública supondrá que un determinado programa
educativo hará que mejore la comunicación entre enfermera y paciente; un médico
supone que cierto medicamento será eficaz en 90% de los casos en que se utilice.
Todos estos son proposiciones que pueden formularse como hipótesis de
investigación en un momento dado. Por tanto, una definición aceptable de hipótesis
es:

 Hipótesis: Enunciado que expone supuestos, sujetos a verificación que

orientan la búsqueda de la información y su relación esperada con las
variables.

Es importante recalcar que las hipótesis siempre son proposiciones sobre la

población o distribución bajo estudio, no proposiciones sobre la muestra.

Tipos de hipótesis

Los investigadores se interesan en dos tipos de hipótesis: de investigación y

estadísticas. La primera es una conjetura (como los ejemplos anteriores) que motivó
la investigación y la segunda son establecidas o enunciadas de tal manera que
puedan ser contrastadas por medio de pruebas estadísticas adecuadas. Una
hipótesis estadística es una proposición o supuesto sobre los parámetros de una o
más poblaciones.
 14

Las hipótesis de investigación son formuladas como resultado de la ocurrencia de

eventos que hacen pensar que éstos tienen influencia sobre alguna variable de
interés que se ha estudiado ya sea a corto o incluso a largo plazo. Ejemplo, una
enfermera, puede haber notado que ciertos pacientes respondieron más
rápidamente a un tipo particular de programa de educación sanitaria.

Un médico recordara numerosos casos en los cuales ciertas combinaciones de

medidas terapéuticas fueron más efectivas que cualquiera de ellas por separado.
Las investigaciones a menudo se llevan a cabo gracias al deseo de tales
profesionales para determinar si sus teorías, supuestos o sospechas se pueden
sostener o no al ser sometidas a los rigores de la investigación científica. Las
hipótesis de investigación conducen directamente a las hipótesis estadísticas.

Las hipótesis de tipo estadístico tienen el propósito de ayudar al profesional de la

salud o investigador a tomar una decisión acerca de una población a partir de una
muestra extraída de ella.

Y el tipo de inferencia que se aplica son las pruebas de hipótesis, que determinan
si tales proposiciones son compatibles o no con los datos disponibles. Pero ¿qué
es una prueba de hipótesis? pues es un procedimiento basado en la evidencia de
la muestra, es la probabilidad para determinar si la hipótesis que se contrasta es
una afirmación razonable.

La prueba de hipótesis formula dos hipótesis estadísticas que deben anunciarse

explícitamente: hipótesis nula y alternativa. La primera, se designa por el símbolo
H0. Esta hipótesis se conoce también como la hipótesis de no diferencia, ya que es
una proposición de conformidad con (o sin diferencia respecto a) Características
que se suponen ciertas en la población de interés. Esta hipótesis siempre se opone
a la hipótesis del investigador.

3.6 Prueba de hipótesis para una media

A este respecto, pueden darse 3 casos a saber:

1. Cuando el muestreo se realiza a partir de una población de valores que

siguen una distribución normal con varianza conocida;
 15

2. Cuando el muestreo se realiza a partir de una población con distribución

normal y con varianza desconocida, y

3. Cuando el muestreo se realiza a partir de una población que no presenta una

distribución normal (no la veremos, por ahora).

Aunque la teoría para las condiciones 1 y 2 depende de poblaciones con distribución

normal, es una práctica común aplicar la teoría cuando las poblaciones importantes
solo están distribuidas en forma aproximadamente normal. Esto es satisfactorio
siempre que la desviación de la normalidad es moderada.

Diagrama 1. Planteamiento
de una hipótesis para
probar una media (µ).

Cuando la desviación estándar (σ) es desconocida, se utiliza la desviación estándar

muestral (s) en su lugar. Y la distribución de t de Student se utiliza como estadístico
de prueba.

Vea la figura:

Diagrama 2. Estadísticos de
prueba según la varianza, cuando
esta es conocida se usa la
distribución z, cuando no lo es; se
usa la distribución t de Student.
 16

Gráficamente tenemos:

Diagrama 3. Prueba de una cola y prueba de dos colas.

 17

¿Pruebas de cola izquierda o de cola izquierda?

La dirección de la prueba involucra proposiciones que comprenden las palabras “ha

mejorado”, “es mejor que”, y el cómo dependerá sobre la variable que esté siendo
medida. Por ejemplo, si la variable involucra tiempo para que un cierto medicamento
haga efecto, las palabras “mejor” “mejore” “o más efectivo” se traducen como “<”
(menos que, i.e. alivio menos rápido). Por otro lado, si la variable se refiere a un
resultado de una prueba, entonces las palabras “mejor” “se mejora” o “más efectiva”
se traducen como “>” (más grande que, i.e. resultados del examen más altos).

3.6.1 Prueba para una Media de una Población con una Desviación Estándar

Ejemplo:

Los servicios coordinados de salud de un municipio de alta marginación reportan en

la época de verano (cuando hace más calor), un número promedio de 200 niños,
menores de cinco años, con problemas de deshidratación por diarrea. Supongamos
que la incidencia de niños deshidratados sigue la distribución de probabilidad normal
con una media de 200 y una desviación estándar de 16. Recientemente, se realizó
una campaña de información sobre hábitos de higiene, que duró 50 semanas. Se
quiere investigar si ha habido un cambio en la incidencia de casos de deshidratación
infantil semanal en el municipio de alta marginación.

Solución:

Paso 1: Establezca la hipótesis nula y la hipótesis alternativa.

Paso 2: Seleccione el nivel de significancia.

α = 0.01 en este caso

 18

Paso 3: Seleccione el estadístico de prueba.

Use la distribución de Z en virtud de que σ es conocida (recuerde que en la unidad

anterior esta la tabla de z en anexos, úsela para este ejemplo).

Paso 4: Formule la regla de decisión.

Rechace H0 si |Z| > Zα/2

Cálculos:

Diagrama 4. Haga una decisión e interprete el resultado.

Debido a que 1.98 no cae en la región de rechazo, H0: μ = 200 no se rechaza.

Concluimos que la media poblacional no es diferente de 200. Así que reportaríamos

que la incidencia de deshidratación por diarrea, en niños menores de cinco años,
en el municipio de alta marginación no ha cambiado con una campaña de salud e
higiene en las últimas 50 semanas.
 19

Recuérdese contrastar esto con el valor de p:

Concluimos: No se rechaza H0

3.6.2 Prueba para una Media de una Población con una Desviación Estándar

Ejemplo: El Departamento de Reclamaciones de Seguros Médicos de MetLife

reporta que el costo medio para procesar una reclamación es de $60 pesos. Una
encuesta mostró que esta cantidad es más grande que cualquier otra compañía de
seguros, así que la aseguradora instituyó medidas para reducir costos. Para evaluar
el efecto de las medidas de reducción de costos, el supervisor del Departamento
seleccionó una muestra aleatoria de 26 reclamaciones procesadas el último mes.
La información muestral se reporta en el recuadro inferior. ¿Con un nivel de
significancia de p=0?01, es razonable afirmar que el costo de una reclamación es
actualmente menor de $60?

Paso 1: Establezca las hipótesis nula y alternativa.

Paso 2: Seleccione el nivel de significancia.

α = 0.01 como se estableció en el problema

Paso 3: Seleccione el estadístico de prueba.

 20

Use la distribución t de Student en virtud de que σ es desconocido

Tabla 2. Porción de una tabla t de Student (vea la tabla completa en el anexo de

esta unidad).

Paso 4: Formule la regla de decisión.

Rechace H0 si t < -tα, n-1

Cálculos:

Diagrama 7.
Haga una
decisión e
interprete el
resultado.
 21

Debido a que -1.818 no cae en la zona de rechazo, no se rechaza H0 al nivel de

significancia de p=0.01. No hemos demostrado que las medidas para reducir el
costo medio por reclamación de un seguro de gastos médicos de MetLife sean
menos de $60.

La diferencia de $3.58 ($56.42 – $60) entre la media muestral y la media poblacional

podría deberse a error de muestreo.

3.7 Prueba de hipótesis para la diferencia de medias

Si queremos comparar la media entre dos poblaciones, tendremos dos variables
con distribución normal y para las que queremos contrastar la diferencia de sus
medias.
Un buen estadístico para diferencia de medias poblacionales μ x - μ y es la
distribución muestral de la diferencia de medias cuya distribución se aproxima a una
normal

Fases en el contraste de hipótesis.

1. Se formula la hipótesis nula H0 y la hipótesis alternativa H1.

2. Identificamos la distribución de probabilidad y el tamaño de la muestra.

3. Construimos las regiones de aceptación y rechazo.

4. Calcular el estadístico de contraste y verificar la hipótesis.

5. Interpretación de la decisión.

Ejemplo 1:

Para tomar una importante decisión a nivel profesional se desea determinar si

existen diferencias significativas fundamentadas entre dos empresas referentes al
salario de sus empleados. Se realiza una investigación revisando el salario de 60
trabajadores de la empresa A y 70 de la empresa B. Se obtiene un salario medio de
 22

30000 euros anuales con una desviación típica de 1000 euros en el primer grupo y
un salario medio de 25000 euros anuales con una desviación típica de 1500 en el
segundo grupo. ¿Podríamos decidir a favor de alguna de las dos empresas con un
nivel de significación del 1 %?

1. Se formula la hipótesis nula H0 y la hipótesis alternativa H1.

Hipótesis nula: H0: μx - μy = 0

Hipótesis alternativa: H1: μx - μy ≠ 0
En este caso tenemos un contraste bilateral, ya que nuestra hipótesis nula se
encuentra formulada en forma de igualdad.

2. Identificamos la distribución de probabilidad y el tamaño de la muestra.

Tenemos una distribución de la diferencia de las medias, con μ1 - μ2 = 5000, un

tamaño de muestra en A de n = 60 y en B de n = 70. La distribución de las medias
se distribuye:

Esta foto de Autor desconocido está bajo licencia CC BY-SA

 23

3. Construimos las regiones de aceptación y rechazo.

4. Calcular el estadístico de contraste y verificar la hipótesis.

El estadístico de contraste que emplearemos será la diferencia de las medias de las

muestras, μ1 - μ2 = 30000 - 25000 = 5000.

5000 ∉ (-569,99; 569,99) ⇒ Nuestro estadístico de contraste no pertenece a nuestra

región de aceptación.

5. Interpretación de la decisión.

Dado que nuestro estadístico de contraste no pertenece a la región de

aceptación, rechazamos la hipótesis nula.
Consideramos por tanto que existen diferencias significativas y hay diferencias entre
las dos empresas.
 24

3.8 Prueba de hipótesis para la proporción

Para elaborar una prueba de hipótesis para la proporción, se sigue el mismo

procedimiento que para la prueba de hipótesis de la media. Debemos recordar que
la distribución binomial, es la distribución teóricamente correcta que debe usarse
para las proporciones, pues los datos son discretos. A medida que aumenta el
tamaño de la muestra, la distribución binomial se acerca a la distribución normal en
sus características y podemos aplicar esta última para aproximar la distribución de
muestreo. En resumen, np y nq necesitan cada una ser por lo menos 5 para que se
pueda utilizar la distribución normal de probabilidad en sustitución de la binomial.

En este caso se utiliza la siguiente prueba estadística adecuada

Un fabricante de blusas para dama cree que su marca se vende en 19% de las
tiendas de ropa para mujer del centro de la ciudad de México. Recientemente tomo
una muestra de 85 de esas tiendas y encontró que únicamente el 14.12% venden
su marca. Con un nivel de significancia del 4% ¿Se podría concluir que ha
disminuido la presencia de su marca en esa parte de la ciudad?

SOLUCION

Observaciones: Se desea probar una proporción poblacional y np es mayor a 5, por

lo tanto, se puede utilizar la distribución normal, la hipótesis de trabajo es demostrar
si ha disminuido la presencia de la marca en una región, se debe aplicar una prueba
de un extremo a la izquierda.
 25

1. 𝜋 = 19% de las tiendas venden la marca

2. DATOS n = 85 p = .1412

3. Determinar el valor de α: α = 0.04

4. Plantear las hipótesis 0 1: 0.19: 0.19

6. Tomar una decisión: El valor de Z c se encuentra en área de aceptación, por lo

tanto, la decisión es aceptar H0.

7. Emitir una conclusión: Se encontró evidencia estadística con un α = 0.04 que el

19% de las tiendas de ropa para Dama en el centro de Ciudad de México venden la
marca del fabricante, por lo que se puede concluir que no ha disminuido su
presencia en la zona.
 26

3.9 Prueba de hipótesis para la diferencia de proporciones

El estadístico de prueba que permite contrastar frente a a

partir de dos muestras aleatorias e independientes es siendo p

la estimación de obtenida del total de observaciones.

Si se consideran las proporciones como medias y se aplica la prueba t utilizada para

comparar medias poblacionales los resultados no son fiables ya que la estimación
del error típico que realiza el programa no coincide con la del estadístico de prueba.
Para resolver el problema con el programa SPSS se deberá cruzar la variable
analizada con la que define los grupos (obtener la tabla de contingencia) y realizar
el contraste de independencia Chi-cuadrado.

El estadístico de prueba Chi-cuadrado se define: y

presenta una distribución Chi-cuadrado con (I-1) (J-1) grados de libertad. Las Eij se
calculan multiplicando las frecuencias marginales y dividendo el producto por n.
Estas Eij son estimaciones de las frecuencias absolutas que cabría esperar en cada
casilla bajo el supuesto de que la proporción de éxitos es la obtenida a partir del
total de observaciones muestrales sin considerar diferencias entre los dos grupos.

La secuencia es:

 Analizar
 Estadísticos Descriptivos
 Tablas de contingencia

En el cuadro de diálogo se indica la variable que se quiere contrastar (filas), la

variable que define los dos grupos (columnas) y se selecciona la opción Chi-
cuadrado en Estadísticos.
 27

3.10 Prueba de hipótesis para la varianza

Si se desea probar una hipótesis acerca de la varianza se puede hacer utilizando

las medidas estadísticas con las que se construyó el intervalo de confianza σ2, esto
es con la distribución cuadrada. Así podremos determinar una franja de confianza,
con base en la cual podríamos tomarse decisiones al respecto.

Si se extrae una muestra aleatoria de tamaño n de una población normal con media
µ y varianza σ2, y se calcula la varianza muestral, se obtiene el valor del estadístico
s2 que se utilizará para conocer la σ2, mediante una variable aleatoria cuadrada con
“n-1” grados de libertad. Formalizando con el siguiente teorema: si s2 es la varianza
de una muestra aleatoria de tamaño “n” que se toma de una población normal que
tiene varianza σ2, entonces el estadístico:

Ejemplo

Un fabricante de baterías garantiza que su producto dura en promedio 2,5 años con
una desviación estándar de 0,8 años. Si se toma una muestra aleatoria de 8 baterías
resultó que

¿Con la evidencia tomada tiene razón el fabricante respecto a la desviación

estándar poblacional? Utilice un nivel de significancia de 0,01.
 28

La hipótesis:

Se calcula el estadístico:

Para el nivel de significancia de 0,99, hay que remitirse a la distribución chi cuadrado
con v=8-1 = 7 grados de libertad. El valor crítico será:

Como el estadístico quedó dentro de la región de aceptación, con la evidencia

tomada se puede aceptar la afirmación del fabricante.

3.11 prueba de hipótesis para la relación de varianza

En una forma análoga a las ya descritas para las medias y proporciones, también
interesa determinar si las dos poblaciones tienen o no la misma variabilidad.

Para poder comparar la igualdad de las varianzas de dos poblaciones

independientes, se ha ideado un procedimiento estadístico basado en la razón de
las dos varianzas muestrales. Si los datos de cada población se suponen
distribuidos normalmente, entonces la razón S1 2 /S2 2 sigue una distribución
llamada distribución F, que recibe el nombre en honor de R. A. Fisher.
 29

El valor crítico de la distribución F depende de "dos" conjuntos de grados de libertad:

los grados de libertad en el numerador y en el denominador.
El estadístico de la prueba para probar la razón entre las dos varianzas sería en
donde:

n1 = tamaño de la muestra del grupo 1

n2 = tamaño de la muestra del grupo 2

n1 - 1 = grados de libertad en el grupo 1

n2 - 1 = grados de libertad en el grupo 2

S1^2 = varianza de la muestra del grupo 1

S2^ 2 = varianza de la muestra del grupo 2

Supuestos:

Las poblaciones siguen la distribución Normal.

Los datos son independientes

Distribución del estadístico de contraste: F con n1-1 y n2-1 grados de libertad.

Significación del estadístico de contraste.

 30

Ejemplo

Quieren someter a contraste la hipótesis de igualdad de las Varianzas de las

puntuaciones obtenidas por dos grupos de individuos en una prueba de
extraversión.

Supuestos: Dado que las muestras han sido generadas aleatoriamente, se supone
que los datos son independientes.

Hipótesis:

Estadístico de contraste:

d) Distribución del estadístico de contraste: F con 31-1 y 41-1 grados de libertad.

e) Significación del estadístico de contraste: 0.63

f) Decisión: La significación del estadístico de contraste es superior a 0.01, y en

consecuencia se acepta la Hipótesis Nula.
 31

Conclusión.
Como conclusión podemos percatarnos de cada uno de los significados y métodos
para la comprobación de una hipótesis estadística para ver si se rechaza o no,
problemáticas clave de la prueba y formulación de hipótesis, de la misma manera,
nos encargamos de estudiar y recopilar información útil de todo lo aprendido a lo
largo de la unidad, información que se trata acerca de cómo se conocen las
hipótesis, que tipos de hipótesis hay, también como los parámetros que deben
contener las hipótesis para ser formuladas y los más importante el saber si una
hipótesis se rechaza o no de acuerdo a los parámetros que nos da el ejercicio.

Podemos comentar de manera grata que esta recopilación de información ha sido

de gran ayuda, ya que ha despejado todas las dudas acerca de la teoría que se
necesitaba conocer. De igual forma, podemos concluir como equipo que el uso de
pruebas de hipótesis es meramente un cálculo teórico que, en base a parámetros
de carácter cualitativo, nosotros tendremos que realizar las operaciones y formulas
necesarias para obtener una respuesta de carácter cuantitativo.

A grandes rasgos, la prueba de hipótesis tiene como objetivo principal

evaluar suposiciones o afirmaciones acerca de los valores estadísticos de la
población, denominados parámetros, para poder tomar una decisión correcta de
acuerdo con los recursos que se cuenta, como los ejemplos que vimos durante la
unidad con el maestro.

Con esta investigación llevada a cabo ampliamos nuestro conocimiento y capacidad

de análisis para llevar a cabo estas pruebas en la vida real así como en el sector de
trabajo, para así al momento de sacar una prueba de hipótesis sea cual sea las
condiciones podemos aceptar o rechazar nuestra afirmación acerca de una
población.

A manera de conclusión la prueba de hipótesis para la varianza enfatiza la

extracción de una muestra aleatoria de tamaño n de una población normal con
media µ y varianza σ2, y así poder calcular con los valores obtenidos la varianza
muestral, Ahora bien, hablando con respecto a la prueba de hipótesis se entiende
 32

que es un caso de igualdad entre varianzas de una población con el fin de

determinar si las dos poblaciones tienen o no la misma variabilidad

Referencias.

 Enfermeríaenlinea. (2019, 7 enero). Unidad didáctica 3: Las pruebas de

hipótesis. Recuperado 27 de abril de 2021, de
https://blogs.ugto.mx/enfermeriaenlinea/unidad-didactica-3-las-pruebas-de-
hipotesis/

 revistachilenadeanestesia. (2019, Mayo). INFERENCIA ESTADÍSTICA:

PRUEBAS DE HIPÓTESIS – Revista Chilena de Anestesia. Recuperado abril
de 2021, de https://revistachilenadeanestesia.cl/inferencia-estadistica-
pruebas-de-
hipotesis/#:%7E:text=La%20pruebas%20de%20hip%C3%B3tesis%20eval
%C3%BAan,efecto%20o%20diferencia%2C%20sea%20verdadera.

 Estadística Inferencial I (2018, Abril). Prueba de Hipótesis. Recuperado 29

de abril de 2021, de https://www.academia.edu/30451711/Ejresu

 Syllabus (2020, Mayo). Estadística Inferencial I. Recuperado 29 de abril de

2021, de https://itescam.edu.mx/portal/asignatura.php?clave_asig=AEF-
1024&carrera=IIND-2010-227&id_d=196

 (2018, 23 junio). Prueba de hipótesis sobre diferencia de medias de dos

poblaciones. Prueba de Hipótesis Para Diferencia de Medias.
https://issuu.com/enismago/docs/1.prueba_de_hip__tesis_sobre_difere

 Prueba de hipótesis para la diferencia de proporciones. Ejemplo. (2019, 6

agosto). Khan Academy-Estadistica Inferencial.
https://es.khanacademy.org/math/ap-statistics/two-sample-inference/two-
sample-z-test-proportions/v/hypothesis-test-for-difference-in-proportions-
example

 Amón, J. (1991). Estadística para Psicólogos II. Capítulo 14, pp. 374-388.
Madrid: Pirámide.
https://fhernanb.github.io/Manual-de-R/ph.html