La prueba de Hipótesis para la diferencia de dos proporciones de población nos permite comparar

dos proporciones desconocidas e inferir si no son iguales entre sí o si una es mayor que la otra. En
una prueba de significancia, de intenta mostrar que es probable que una afirmación sobre el valor
de un parámetro de población  (o, a veces, la naturaleza de la población en sí) sea cierta. 

El proceso general para una prueba de hipótesis viene dado por la siguiente lista:
1. Asegurarse de que se cumplan las condiciones necesarias para nuestra prueba.
2. Enunciar claramente las hipótesis nula y alternativa . La hipótesis alternativa puede
involucrar una prueba unilateral o bilateral. También se debe determinar el nivel de
significancia, que será denotado por la letra griega alfa.
3. Calcular la estadística de prueba. El tipo de estadística que se usa depende de la prueba
particular que estamos realizando. El cálculo se basa en la muestra estadística. 
4. Calcular el valor p . La estadística de prueba se puede traducir en un valor p. Un valor p es
la probabilidad de que el azar produzca por sí solo el valor de nuestra estadística de
prueba bajo el supuesto de que la hipótesis nula es verdadera. La regla general es que
cuanto menor es el valor p, mayor es la evidencia en contra de la hipótesis nula.
5. Obtener una conclusión. Finalmente usamos el valor de alfa que ya fue seleccionado como
valor de umbral. La regla de decisión es que si el valor p es menor o igual que alfa,
entonces rechazamos la hipótesis nula. De lo contrario, no rechazamos la hipótesis nula.

Las condiciones
Una prueba de hipótesis para la diferencia de dos proporciones de población requiere que se
cumplan las siguientes condiciones: 
 Tener dos muestras aleatorias simples de grandes poblaciones. Aquí "grande" significa que
la población es al menos 20 veces mayor que el tamaño de la muestra. Los tamaños de
muestra se denotarán mediante n  1 y n  2 .
 Los individuos de las muestras se han elegido independientemente unos de otros. Las
propias poblaciones también deben ser independientes.
 Hay al menos 10 éxitos y 10 fracasos en las dos muestras.

Siempre que se cumplan estas condiciones, podemos continuar con nuestra

prueba de hipótesis.
Las hipótesis nula y alternativa

 La hipótesis nula es la declaración de no efecto. En este tipo particular de

prueba de hipótesis, nuestra hipótesis nula es que no hay diferencia entre las
dos proporciones de población. Podemos escribir esto como H 0 : p  1 = p  2 .

La hipótesis alternativa es una de tres posibilidades, dependiendo de las

características específicas de lo que estamos probando: 

 H a :  p  1 es mayor que p  2 . Esta es una prueba unilateral o unilateral.

 H a : p  1 es menor que p  2 . Esta también es una prueba unilateral.
 H a : p  1 no es igual ap  2 . Esta es una prueba de dos colas o de dos
caras.

Como siempre, para ser cautelosos, se debería utilizar la hipótesis alternativa

de dos caras si no se tiene una dirección en mente antes de obtener nuestra
muestra. La razón para hacer esto es que es más difícil rechazar la hipótesis
nula con una prueba de dos caras.

Las tres hipótesis se pueden reescribir indicando cómo p  1 - p  2 se relaciona
con el valor cero. Para ser más específicos, la hipótesis nula se convertiría en
H 0 : p  1 - p  2 = 0. Las posibles hipótesis alternativas se escribirían como:

 H a :  p  1 - p  2  > 0 es equivalente al enunciado " p  1 es mayor que p  2 ".
 H a :  p  1 - p  2  <0 es equivalente al enunciado " p  1 es menor que p  2 ".
 H a :  p  1 - p  2   ≠ 0 es equivalente al enunciado " p  1 no es igual ap  2 ".

La Estadística de Prueba

La fórmula para la estadística de prueba se da en la siguiente imagen:

A continuación, se ofrece una explicación de cada uno de los términos:

 La muestra de la primera población tiene un

tamaño n  1.  El número de éxitos de esta muestra (que no
se ve directamente en la fórmula anterior) es k  1.

 La muestra de la segunda población tiene un

tamaño n  2.  El número de éxitos de esta muestra es k  2.

 Las proporciones de la muestra son p 1 -hat = k  1 /

n  1  yp 2 -hat = k  2 / n  2 .

 Luego, combinamos o agrupamos los éxitos de ambas

muestras y obtenemos:                         p-hat = (k  1 + k  2 ) /
(n  1 + n  2 ).

Regla de decisión

Ahora se toma una decisión sobre si rechazar la hipótesis nula (y por lo tanto
aceptar la alternativa) o dejar de rechazar la hipótesis nula. Tomamos esta
decisión comparando nuestro valor p con el nivel de significancia alfa.

 Si el valor p es menor o igual que alfa, rechazamos la hipótesis

nula. Esto significa que tenemos un resultado estadísticamente
significativo y que vamos a aceptar la hipótesis alternativa.

 Si el valor p es mayor que alfa, entonces no rechazamos la hipótesis

nula. Esto no prueba que la hipótesis nula sea cierta. En cambio,
significa que no obtuvimos suficiente evidencia convincente para
rechazar la hipótesis nula. 
 PRUEBA DE PROPORCIONES DE DOS MUESTRAS
(Esto es de otra pagina, no es la continuación de lo anterior)
El objeto de una prueba de dos muestras es determinar si las dos muestras independientes fueron
tomadas de dos poblaciones, las cuales presentan la misma proporción de elementos con
determinada característica. La prueba se concentra en la diferencia relativa (diferencia dividida
entre la desviación estándar de la distribución de muestreo) entre las dos proporciones
muestrales. Diferencias pequeñas denotan únicamente la variación casual producto del muestreo
(se acepta H0), en tanto que grandes diferencias significan lo contrario (se rechaza H0). El valor
estadístico de prueba (diferencia relativa) es comparado con un valor tabular de la distribución
normal, a fin de decidir si H0 es aceptada o rechazada.
La hipótesis nula en una prueba de dos muestras es

Las hipótesis alternativas posibles son

El método que se debe seguir consiste en suponer inicialmente que H0 es verdadera y después
utilizar una distribución de muestreo, basada en ese supuesto, a fin de llevar a cabo la prueba. Sin
embargo, a diferencia de la prueba de una muestra, no existe ningún parámetro de población
establecido en H0. Por tanto, la obtención de un valor de p, a fin de emplearlo, debe ser manejado
de una manera un tanto diferente. Obsérvese que si, de hecho, p1 es igual a p2, entonces las dos
muestras obtenidas a partir de dos poblaciones, se pueden considerar como dos muestras
tomadas de la misma población. De ese modo, cada proporción muestra¡ puede considerarse cono
una estimación de la misma proporción de la población. Además, parecería razonable (debido al
mayor tamaño) que la combinación de las dos muestras proporcionara una estimación aún mejor
del verdadero valor de la proporción de población. La estimación combinada de p se puede
calcular de la siguiente manera:
en la cual:
 x1 = número de aciertos en la muestra 1
 x2 = número de aciertos en la muestra 2
 n1 = número de observaciones de la muestra 1
 n2 = número de observaciones de la muestra 2
Este valor de p se utiliza para calcular la desviación estándar de la proporción, que es semejante a
las fórmulas anteriores, excepto en que ahora se debe “ponderar” por medio de los dos tamaños
de muestra:

Ejemplo 5: Considérese este caso:

A los votantes de dos ciudades se les pregunta si están a favor o en contra de una ley que está
actualmente en estudio en la legislatura del estado, para proporcionar ropa a animales de granja.
Para determinar si los votantes de las dos ciudades difieren en términos del porcentaje que está a
favor, se toma una muestra de 100 votantes de cada ciudad. Treinta de los muestreados de una
ciudad están a favor, en tanto que, en la otra, lo están veinte. En primer lugar se deben establecer
las hipótesis nula y alternativa:

(Se deberá utilizar una prueba de dos colas, ya que el problema no especifica si se considera que el
porcentaje de una ciudad debe ser mayor -o más alto- que el porcentaje en la otra.)

El valor estadístico de prueba z es:

Por consiguiente, se tiene:

Como el valor estadístico de prueba, z, presenta un valor dentro de la región de aceptación, no se

puede concluir que las dos ciudades difieren en términos del porcentaje de quienes están a favor
de la aprobación de la ley. Ver figura 5.

Supóngase que, en el ejemplo anterior, se llegó a la hipótesis (H1) de que p1 era mayor que p2. La
prueba se podría establecer de la siguiente manera:
 Utilizando los mismos valores muestrales, z permanecería igual a 1.63. De ahí que se aceptaría
H0 al nivel 0.05, y no se podría concluir que la primera ciudad presenta un porcentaje mayor de
votantes a favor de la promulgación de la ley. Ver figura 6.

Supóngase que en el ejemplo anterior, la alternativa fue que P1 < P2. Gráficamente, la prueba se
indicaría como en la figura 7. Como el valor estadístico de prueba z es positivo, una vez más se
aceptaría H0.

https://www.youtube.com/watch?v=OWXHbqp8jy0&ab_channel=AulaDeEconomia
En este video utilizan prácticamente la misma metodología y las mismas formulas..
 (Otro Ejemplo….. Otra pg)
Es de sumo interés el cálculo de una proporción. De manera similar es de gran interés el
estadístico que dicte, si existe o no diferencia entre algún par de ellas. Así siguiendo la lógica de
desarrollo de los cálculos en una población, se hace el cálculo ahora para dos poblaciones
tomando como base en el siguiente estadístico de prueba:

( P 1−P2 )−(π 1 π 2)
Z=
S P −P
1 2

En donde 𝑝1 ,2 son proporciones de éxitos en las respectivas muestras y 𝑆𝑝1−𝑝2 es el error

estándar de las diferencias. La decisión es: No rechazar si 𝑍 está entre ±2.58 . Rechazar en otro
caso.
Ejemplo:
Un comerciante de menudeo quiere probar la hipótesis de que sus clientes hombres, quienes
compran a crédito, son iguales en proporción a las mujeres que también compran a crédito.
Selecciona una muestra de 100 hombres y encuentra que 57 de ellos compran a crédito, en
contraste solo 52 de las 110 mujeres seleccionadas compran por medio del crédito. Entonces de
acuerdo a lo anterior tenemos que:

Ahora tenemos que:

Con lo que se concluye que, debido a que 𝒁 está entre ±𝟐.𝟓𝟖 no se puede rechazar la hipótesis
nula con un nivel 𝜶 = 𝟎. 𝟎𝟏 y por tanto el minorista no puede concluir que las proporciones de
compras entre mujeres y hombres son diferentes.