PRUEBAS DE HIPÓTESIS
 
 
 
 

A través de nuestro módulo hemos construido el camino que nos ha permitido realizar inferencias
acerca de parámetros poblacionales basados en estadísticos muestrales; el último tema que
trabajamos consideraba la estimación de dichos parámetros con intervalos de estadísticos
muestrales que tenían un nivel de confianza bajo el cual podíamos indicar que se encontraba el
parámetro. Hemos llegado finalmente a la cumbre de nuestro curso que es el de realizar hipótesis de
un parámetro poblacional para determinar por medio de estadísticos muestrales si nuestras
suposiciones son aceptadas o rechazadas.

Una hipótesis estadística se define como cualquier supuesto que se haga sobre alguno o algunos
hechos poblacionales. Los siguientes ejemplos podrían ser tomados como hipótesis:

Ejemplos

Si una empresa que produce botellones, botellas y bolsas de agua desea probar que el peso
promedio de una bolsa de agua, en su proceso de producción, es de 125 ml ésta sería la hipótesis y
lo lógico sería que se tomara una muestra de bolsas de agua, se pesaran y se determinara el peso
promedio de las mismas para establecer si la hipótesis se acepta o no.

Nótese que es interesante realizar dichas pruebas de hipótesis porque en caso de encontrar que el
supuesto no se cumple la empresa debería realizar ajustes en su proceso de producción ya que
podría incurrir en pleitos legales por ofrecer a los consumidores un producto que no cumple con las
características ofrecidas en el mercado.

En esta sección nos dedicaremos a estudiar dichas pruebas de hipótesis, analizaremos los pasos
necesarios para rechazarla o no y los errores que podríamos cometer al rechazar una hipótesis
cuando en realidad debía aceptarse o viceversa.

Observemos el significado de los conceptos que utilizaremos en esta primera parte.

Otros ejemplos podrían ser:

El ingreso promedio de los trabajadores de una empresa es superior a $2´500.000

El saldo promedio en las cuentas de ahorro en una entidad financiera es inferior a $20´000.000

El rendimiento promedio de los trabajadores de una empresa es diferente si trabajan en la jornada de

la mañana o de la tarde.

 
El porcentaje de hombres que prefieren determinada marca de celular es superior a la proporción de
mujeres.

Hipótesis: es un enunciado referente al parámetro de una población que se probará 
con el fin de rechazarlo  o no. 
Prueba  de  hipótesis:  es  un  procedimiento  con  el  cual  se  prueba  si  la  hipótesis 
realizada  de  un  parámetro  es  razonable,  basándose  en  las  observaciones  de  una 
muestra. 
Hipótesis nula: es una afirmación acerca de un parámetro poblacional. 
Hipótesis alternativa: es una afirmación que se acepta en caso de que la evidencia 
muestral proporcione una prueba de que la hipótesis nula no es cierta. 
Nivel  de  significancia:  es  la  probabilidad  de  rechazar  la  hipótesis  nula  cuando  es 
cierta. 
Error de tipo I: es aquel que se realiza cuando se rechaza la hipótesis nula, siendo 
en realidad verdadera. 
Error de tipo II: es aquel que se comete cuando se acepta la hipótesis nula siendo 
esta en realida falsa. 

El procedimiento que se emplea en la prueba estadística de una hipótesis, es contraria a la forma

usual de pensar. De hecho es semejante al método matemático de prueba de contradicción.

El proceso se basa nuevamente, en información muestral por lo cual, así como se puede llegar a una
buena decisión en el sentido de rechazar la hipótesis nula cuando es falsa o no hacerlo cuando es
cierta, también se puede cometer errores que consisten en ´´rechazar la hipótesis nula cuando es
cierta, constituyendo el error tipo I o no rechazar la hipótesis nula cuando es falsa cometiendo error
tipo II.

La siguiente tabla ayuda a entender la explicación de la terminología básica de la prueba de

hipótesis.

DECISIÓN H0 HIPÓTESIS NULA

CON RESPECTO A H0 CIERTA FALSA
Rechazar Error tipo I Correcto
(Nivel de significancia α) (1- α)
No rechazar Correcto Error tipo II
(1 – β) β

 
Lo deseable es entonces desarrollar el proceso de tal manera que la probabilidad de ¨error¨ sea lo
más pequeña posible.
La forma quizá un poco extraña, de desarrollar un proceso de prueba de hipótesis estadística, se
basa en problemas para evaluar las probabilidades de las decisiones incorrectas, siendo en general
más fácil resolver el asociado con la de cometer error tipo I, llamado el nivel de significancia de la
prueba, que la de cometer error tipo II.

Una prueba de hipótesis en términos muy simples, en observar si entre el supuesto que la hipótesis
nula contiene y la información proporcionada por la muestra, existe diferencias significativas que
lleve el rechazo de aquella, o si tan diferencia es insignificante y se debe a las fluctuaciones propias
del azar, caso en el cual se considera que no existe evidencia suficiente para rechazarla. Por esta
visión del proceso se habla también de pruebas de significancia.

El concepto de nivel de significancia implica puntos de referencia hasta los cuales se consideran
significantes las diferencias y está asociado con la proporción de muestras de un tamaño dado, que
pueden llevar a cometer error tipo I, siendo los niveles más usuales 10%, 5%, 1%

Pasos para probar hipótesis

Podemos clasificar el procedimiento para aceptar o rechazar una hipótesis nula (probar la hipótesis)
en los siguientes pasos:

1. Planteamiento de las hipótesis: la hipótesis nula ( H 0 ) y la hipótesis alternativa ( H 1 )

Notaremos en adelante con H 0 a la hipótesis nula y con H 1 a la hipótesis alternativa. Recordemos

que en lenguaje matemático la primera se lee h sub-cero y la segunda h sub-uno.

La hipótesis nula es la afirmación que hacemos respecto al parámetro poblacional, por ejemplo
consideremos el número de cajas de penicilina que solicita la farmacia de un hospital mensualmente
si se sabe que los encargados de realizar los pedidos indican o afirman que en promedio se entregan
500 cajas mensuales a los usuarios; ésta sería la hipótesis nula:

H 0 : µ = 500

Por otra parte, una hipótesis alternativa sería encontrar que en promedio se entregan menos de 500
cajas de este medicamento:
H1 : µ < 500

En cuyo caso los encargados de realizar los pedidos serían investigados sobre el por qué están
solicitando más medicamentos de los necesarios (alguien podría pensar que se están
comercializando fuera del hospital y entonces habría un estudio o investigación judicial al respecto).

 
Existen dos tipos de hipótesis alternativas la compuesta unilateral como H1 : µ < 500 o
H1 : µ > 500 y la compuesta bilateral como H1 : µ ≠ 500 que también se puede escribir como
H1 : µ < 500 y µ > 500 . Si observamos la alternativa compuesta bilateral contiene la dos
posibilidades de hipótesis unilateral.

Para elegir o establecer la hipótesis nula o alternativa desarrollaremos unas reglas de decisión según
el problema a estudiar y primordialmente basada en la evidencia que aportan las observaciones de la
muestra, pero esto lo realizaremos más adelante.

2. Seleccionar el nivel de significancia.

Recordemos que el nivel de significancia es la probabilidad de rechazar la hipótesis nula cuando

esta es verdadera, no existe un nivel de significancia para todos los contextos y la elección de este
valor depende del investigador o de la persona encargada de realizar el estudio. Lo que sí debe ser
claro es que al ser una probabilidad dicho valor debe estar entre 0 y 1, y por lo general se utilizan
valores como 0.05, 0.01 y 0.10; nótese que dichos valores no son probabilidades altas ya que se
desea que sea muy pequeña la probabilidad de rechazar una hipótesis cuando ésta era verdadera.

Se utiliza la letra griega α (alpha) para denotar el nivel de significancia y existe dicho valor
porque si analizamos una población tomando una muestra aleatoria puede ocurrir que el estadístico
muestral no satisfaga la hipótesis nula pero si se hubiese tomado otra muestra es posible que la
misma sí satisfaga la hipótesis entonces habríamos rechazado la hipótesis nula cuando en realidad
existían muestras que nos permitían aceptarla o no rechazarla. En algunos textos no suele utilizarse
la palabra aceptar porque en realidad no es que se acepte la hipótesis sino que al no encontrar
evidencia que muestre lo contrario no podemos rechazar la hipótesis pero tampoco hay la suficiente
certeza para afirmar que es cierta.

3. Consideramos los supuestos bajo los cuales vamos a realizar la prueba:

a. Tamaño de la población (finita, infinita)
b. Tamaño de la muestra (grande o pequeña)
c. Para que parámetro de la población se está realizando la prueba (media, proporción,
varianza, diferencia de medias, diferencia de proporciones)
d. Cuando sea necesario hay que indicar si se conoce o no la varianza poblacional.

Por lo general se supone que la muestra es aleatoria y la población es normal.

4. Calcular el estadístico de prueba.

El valor el estadístico de prueba es aquel con el que se prueba la hipótesis, es decir es el valor que
se usa para determinar si se rechaza o no la hipótesis nula.

 
 X −µ
En el caso de la media poblacional se utiliza el estadístico Z = cuando se conoce la varianza
σ
n
X −µ
poblacional y tn −1 = cuando se desconoce la varianza poblacional; por otra parte, en el caso
s
n
de la proporción poblacional se utiliza el estadístico  
 
!!!
𝑧! =           si se tiene un tamaño de muestra grande.
!(!!!)
!

5. Establecer la regla de decisión.

Con la regla de decisión se establecen las condiciones bajo las cuales se rechaza la hipótesis nula. Si
consideramos el caso de la media poblacional cuando se conoce la varianza poblacional y el de la
proporción poblacional cuando el tamaño de muestra es grande sabemos que éstas se distribuyen
normal estándar, entonces interpretaremos las reglas de decisión basados en la gráfica de una
distribución normal estándar.

Supongamos que deseamos realizar la siguiente prueba de hipótesis:

𝐻!  ∶  𝜇 ≤ 20

Con hipótesis alternativa

𝐻!  ∶  𝜇 > 20

Y nivel de significancia del 5% es decir con una probabilidad de ocurrencia de error tipo I (rechazar
la hipótesis nula siendo verdadera).

Como la media muestral se distribuye normal debemos estandarizar la variable aleatoria y buscar la
probabilidad de que el valor de la media muestral sea superior o igual a 20 sea α :

P( X ≥ 20) = α
 
 X − 20 
P ≥ zα  = α
 σ 
 
 n 
P( Z ≥ zα ) = α

Con lo cual tendríamos:

 
 Gráfica de distribución
Normal, Media=0, Desv.Est.=1

0.4

0.3
Región  de  no  rechazo: 
Densidad

0.95  de  probabilidad  Región  de  rechazo: 

0.2 de  tomar  la  decisión  0.05  de  probabilidad 
correcta.  de cometer error tipo I. 
     
0.1

0.05
0.0
0 1.64
X
↓
zα
 
Veamos ahora la interpretación de rechazar o no rechazar la hipótesis nula en el caso de la media
muestral cuando no se conoce la varianza poblacional.

Considerando el mismo contexto pero como sabemos la distribución en este caso es una t-student
con n-1 grados de libertad para la cual:

Gráfica de distribución
T, df=19

0.4

0.3
Región  de  no  rechazo: 
Densidad

0.95  de  probabilidad  Región  de  rechazo: 

0.2 de  tomar  la  decisión  0.05  de  probabilidad 
correcta.  de cometer error tipo I. 

0.1

0.05
0.0
0 1.73
X
 

 
Ahora supongamos que deseamos realizar la siguiente prueba de hipótesis:

𝐻!  ∶  𝜇 ≥ 20

Con hipótesis alternativa

𝐻! ∶  𝜇 < 20

Y nivel de significancia del 5% es decir con una probabilidad de ocurrencia de error tipo I (rechazar
la hipótesis nula siendo verdadera).

Como la media muestral se distribuye normal debemos estandarizar la variable aleatoria y buscar la
probabilidad de que el valor de la media muestral sea inferior o igual a 20 sea α :

 
 X − 20 
P( X ≤ 20) = α P ≤ zα  =α P( Z ≤ zα ) = α
 σ 
 
 n 

Con lo cual tendríamos:

 
 
Veamos ahora la interpretación de rechazar o no rechazar la hipótesis nula en el caso de la media
muestral cuando no se conoce la varianza poblacional.

 
Considerando el mismo contexto pero como sabemos la distribución en este caso es una t-student
con n-1 grados de libertad para la cual:

 
 
 
Ahora supongamos que deseamos realizar la siguiente prueba de hipótesis:

H 0 : µ = 20
Con hipótesis alternativa
H1 : µ ≠ 20

Y nivel de significancia del 5% es decir con una probabilidad de ocurrencia de error tipo I (rechazar
la hipótesis nula siendo verdadera).

Como la media muestral se distribuye normal debemos estandarizar la variable aleatoria y buscar la
probabilidad de que el valor de la media muestral sea superior a 20 sea α al igual que probabilidad
de que el valor de la media muestral sea inferior a 20:

 
 X − 20 
P( X < 20) = α P < zα  =α P( Z < zα ) = α
 σ 
 
 n 
 
 X − 20 
P( X > 20) = α P > zα  = α P( Z > zα ) = α
 σ 
 
 n 

 
Con lo cual tendríamos:
 

 
 
Veamos ahora la interpretación de rechazar o no rechazar la hipótesis nula en el caso de la media
muestral cuando no se conoce la varianza poblacional.

Considerando el mismo contexto pero como sabemos la distribución en este caso es una t-student
con n-1 grados de libertad para la cual:

 
 

6. Tomar la decisión.

 
En el caso de que el valor de z o t se encuentre en la región sombreada con rojo se rechaza la
hipótesis y si se encuentra en la parte no sombreada no se rechaza la hipótesis nula.

Ahora que hemos identificado los pasos necesarios para probar una hipótesis nula veamos algunas
aplicaciones para medias poblacionales con varianza conocida y desconocida y luego estudiemos la
forma de probar la hipótesis nula de la proporción poblacional para tamaño de muestra grande.

Prueba de hipótesis para la media poblacional 
de  una  distribución  normal  con  varianza 
conocida 
Para comprender el proceso que se realiza para probar una hipótesis para la media poblacional de
una distribución normal con varianza conocida realizaremos tres ejemplos en los que
consideraremos diferentes tipos de hipótesis alternativa. Veamos.

• Continuemos analizando el caso de la productora de agua embotellada y en bolsa. En este

contexto estábamos interesados en probar la hipótesis nula

H 0 : µ = 125
Con la hipótesis alternativa
H1 : µ < 125

Con un nivel de significancia de 0.05, sabiendo que la distribución de la variable aleatoria muestral
es normal con media 125 mililitros y desviación típica 0.9 mililitros y se toma una muestra aleatoria
de 25 bolsas de agua.

Observemos antes de realizar la prueba de hipótesis que si rechazamos la hipótesis nula diríamos
que se están enviando al mercado bolsas de agua con menos de 125 mililitros y esto conllevaría a la
empresa a tener posibles pleitos legales.

Lo primero que haremos entonces es estandarizar la variable aleatoria X :

X −µ X − 125 X − 125
Z= = =
σ 0.9 0.18
n 25

 
 X −µ
Lo que buscamos es rechazar H 0 si < − zα cuando α = 0.05 . El valor de zα corresponde al
σ
n
valor de la normal que tiene probabilidad acumulada α = 0.05 en la cola inferior:
P( Z < − zα ) = 0.05

Gráfica de distribución
Normal, Media=0, Desv.Est.=1

0.4

0.3
Densidad

0.2

0.1

0.05
0.0
-1.64 0
X

En otras palabras queremos hallar zα para el cual (en la cola superior) P( Z > zα ) = 0.05 por
propiedades de la simetría de la distribución normal. Nótese que debemos realizar este proceso
porque la tabla que tenemos en este caso determina tan solo los valores de las probabilidades
menores o iguales que un número y mayores o iguales que cero.

Gráfica de distribución
Normal, Media=0, Desv.Est.=1

0.4

0.3
Densidad

0.2

0.1

0.05
0.0
0 1.64
X

 
Pero como P( Z > zα ) = P( Z ≥ zα ) = 1 − P( Z < zα ) = 1 − 0.95 = 0.05 (por propiedades de la simetría
de la distribución normal), entonces queremos el valor para el cual P( Z < zα ) = 0.95 y este valor es
1.64. Finalmente como el valor requerido está ubicado en la cola izquierda el valor solicitado es
−1.64 .

X −µ
Retomando nuestra búsqueda tenemos que rechazar H 0 si < −1.64 ; otra manera de expresar
σ
n
lo anterior se obtiene despejando la media muestral así:

σ 0.9
Se rechaza H 0 si X < µ − 1.64 = 125 − 1.64 = 125 − 0.2952 = 124.7048 , esto significa que
n 25
rechazamos la hipótesis nula si al tomar una muestra aleatoria el promedio de los pesos de las
bolsas de agua es inferior a124.7048 mililitros.

Como podemos ver es muy interesante realizar una prueba de hipótesis porque con ella
establecemos para qué valores del estadístico muestral debemos rechazar la hipótesis.

• También hubiésemos podido hacer el estudio de hipótesis nula H 0 : µ = 125 con la hipótesis
alternativa H1 : µ > 125 bajo un nivel de significancia de 0.05, sabiendo que la distribución de la
variable aleatoria muestral es normal con media 125 mililitros y desviación típica 0.9 mililitros
con una muestra aleatoria de 25 bolsas de agua. En este caso determinaríamos los valores del
promedio muestral para los cuales se rechazaría la hipótesis nula pero en este caso los valores
superarían el promedio de mililitros ofrecido en el mercado; esto significa que no se
demandaría a la empresa pero ella sí tendría que revisar su proceso de producción porque está
enviando más mililitros y como consecuencia está perdiendo dinero.

Realicemos entonces la prueba de hipótesis y veamos cuándo tendría que revisar la empresa su
proceso de producción.

X −µ
Buscamos es rechazar H 0 si > zα cuando α = 0.05 en este caso el zα = 1.64 porque se
σ
n
busca el valor que arroja la probabilidad resaltada con rojo

 
 Gráfica de distribución
Normal, Media=0, Desv.Est.=1

0.4

0.3
Densidad

0.2

0.1

0.05
0.0
0 1.64
X

X − 125
Entonces se rechaza H 0 si > 1.64 ; otra manera de expresar lo anterior se obtiene
0.9
25
despejando la media muestral así:

σ 0.9
Se rechaza H 0 si X > µ + 1.64 = 125 + 1.64 = 125 + 0.2952 = 125.2952 , esto significa que
n 25
rechazamos la hipótesis nula si al tomar una muestra aleatoria, el promedio de los pesos de las
bolsas de agua es superior a125.2952 mililitros o 125.3 mililitros.

• Por último analizaremos la prueba de hipótesis nula H 0 : µ = 125 con la hipótesis alternativa
H1 : µ ≠ 125 bajo un nivel de significancia de 0.05, sabiendo que la distribución de la variable
aleatoria muestral es normal con media 125 mililitros y desviación típica 0.9 mililitros con una
muestra aleatoria de 25 bolsas de agua.

Como la hipótesis alternativa puede expresarse como H1 : µ < 125 o µ > 125 entonces
X − 125 X − 125
rechazaremos la hipótesis nula se rechaza si > zα o < − zα debe resaltarse
0.9 2 0.9 2

25 25
que ahora buscaremos en la distribución de la normal P ( Z < − zα ) = α   y  P( Z > zα ) = α   en
2 2 2 2
cuyo caso zα = z0.025 = 1.96
2

 
 Gráfica de distribución
Normal, Media=0, Desv.Est.=1

0.4

0.3
Densidad

0.2

0.1

0.025 0.025
0.0
-1.96 0 1.96
X

X − 125 X − 125
De este modo obtendremos que se rechaza la hipótesis nula si > 1.96 o < −1.96
0.9 0.9
25 25
con lo cual al despejar X en ambas desigualdades se tendrá que rechazaremos H 0 si
 0.9   0.9 
X > 125 + 1.96   o X < 125 − 1.96  
 25   25 

Con lo cual
X > 125 + 0.3528 o X < 125 − 0.3528
X > 125.3528 o X < 124.6472

Diremos que si la media muestral del peso en mililitros de las bolsas de agua es inferior a 124.6472
e inferior a 125.3528 entonces la hipótesis nula se rechaza.

• También hubiésemos podido analizar las siguientes pruebas de hipótesis y el mismo es muy
similar al tratado anteriormente.

 Probar la hipótesis nula

H 0 : µ ≥ 125
Con la hipótesis alternativa
H1 : µ < 125

 Probar la hipótesis nula

 
 H 0 : µ ≤ 125
Con la hipótesis alternativa
H1 : µ > 125

Existe otro método para examinar una prueba de hipótesis, éste es el p-valor que determina el nivel
menor de significancia al que puede rechazarse la hipótesis nula, nos preguntaremos entonces ¿para
qué determinar este nuevo valor? Esto se debe a que alguien podría pensar que sería mejor realizar
la prueba de hipótesis con un nivel de significancia de 0.01 porque él nos diría que la probabilidad
de cometer un error de tipo I es muy pequeña; por ello según los datos muestrales buscaremos el
nivel más pequeño al cual podemos rechazar una hipótesis nula.

El p-valor será entonces la probabilidad de obtener un valor del estadístico de la prueba igual de
extremo o más que el valor obtenido cuando la hipótesis nula es verdadera. Esto significa que si la
probabilidad o e p-valor es mayor que el nivel de significancia, no se rechaza la hipótesis nula
porque este valor es el menor valor al que se rechaza la misma; por el contrario si el valor es menor
que el nivel de significancia es muy posible que la hipótesis nula sea falsa y como consecuencia es
rechazada por ser el menor nivel de significancia al cual se puede rechazar la hipótesis nula.

El p-valor no es sólo una forma de decidir el rechazo o no de la hipótesis nula sino que proporciona
información adicional acerca de la fuerza con que podemos apoyar o no la prueba de hipótesis. Por
ejemplo si el p-valor es: (Mason/Lind/Marchal)

• Menor que 0.10 se tiene una evidencia no muy fuerte de que la hipótesis nula no es verdadera.
• Menor que 0.05 se tiene una evidencia fuerte de que la hipótesis nula no es verdadera.
• Menor que 0.01 se tiene una evidencia muy fuerte de que la hipótesis nula no es verdadera.
• Menor que 0.001 se tiene una evidencia extremadamente fuerte de que la hipótesis nula no es
verdadera.

Como ejemplo consideremos el segundo caso de prueba de hipótesis que vimos:

H 0 : µ = 125 con hipótesis alternativa H1 : µ > 125 bajo un nivel de significancia de 0.05, sabiendo
que la distribución de la variable aleatoria muestral es normal con media 125 mililitros y desviación
típica 0.9 mililitros con una muestra aleatoria de 25 bolsas de agua.

En este ejemplo se rechazaba la hipótesis si X > 125.2952 , determinemos el p-valor:

 
 125.3 − 125 
P( X > 125.3) = P  Z >  = P(Z > 1.67) = 1 − P(Z < 1.67) = 1 − 0.9525 = 0.0475
 0.9 
 
 25 

 
Esto quiere decir que al menor nivel de significancia que se puede rechazar la hipótesis nula es
0.0475; como 0.05 es mayor podemos pensar que la hipótesis nula no es verdadera y debería
rechazarse.

Veamos ahora el análisis de prueba de hipótesis para la media poblacional cuando no se conoce la
varianza o la desviación típica.

Prueba de hipótesis para la media poblacional 
de  una  distribución  normal  con  varianza 
desconocida 

Como vimos en la sección de distribuciones muestrales cuando se estudia una distribución muestral
con varianza desconocida ésta se distribuye t-student con n-1 grado de libertad (recordemos que n
es el tamaño de la muestra). El análisis que realizaremos es análogo al de la distribución normal con
varianza conocida sólo que ahora nuestra distribución no es normal sino t-student por ello
expondremos los casos con sus respectivas conclusiones.

Si tenemos una muestra aleatoria de tamaño n cuyas observaciones provienen de una distribución
normal con media µ para un nivel de significancia α tenemos:
• Si se desea probar la hipótesis nula H 0 : µ = µ0 con la hipótesis alternativa H1 : µ < µ0
O se desea probar la hipótesis nula H 0 : µ ≥ µ0 con la hipótesis alternativa H1 : µ < µ0
X − µ0
Entonces se rechaza H 0 si t = < −tn −1,α . Donde tn −1,α es el valor de la t-Student con n-1
s
n
grados de libertad y probabilidad α .

• Si se desea probar la hipótesis nula H 0 : µ = µ0 con la hipótesis alternativa H1 : µ > µ0

O se desea probar la hipótesis nula H 0 : µ ≤ µ0 con la hipótesis alternativa H1 : µ > µ0
X − µ0
Entonces se rechaza H 0 si t = > tn −1,α . Donde tn −1,α es el valor de la t-Student con n-1
s
n
grados de libertad y probabilidad α .

• Si se desea probar la hipótesis nula H 0 : µ = µ0 con la hipótesis alternativa H1 : µ ≠ µ0

Que es lo mismo que probar la hipótesis nula H 0 : µ = µ0 con la hipótesis alternativa

 
 H1 : µ > µ 0 o µ < µ 0 .

X − µ0 X − µ0
Entonces se rechaza H 0 si t = > tn −1,α o t = < −tn −1,α Donde tn −1,α es el valor de
s 2 s 2 2

n n
la t-Student con n-1 grados de libertad y probabilidad α .
2

Ejemplo 80

Consideremos de nuevo el estudio de hipótesis nula H 0 : µ = 125 con la hipótesis alternativa

H1 : µ > 125 bajo un nivel de significancia de 0.05, sabiendo que la distribución de la variable
aleatoria muestral es normal con media 125 mililitros y desviación típica muestral 0.12 mililitros en
una muestra aleatoria de 25 bolsas de agua.

X − µ0
Se rechaza H 0 si t = > tn −1,α Donde tn −1,α es el valor de la t-Student con n-1 grados de
s
n
libertad y probabilidad α :

Hallemos el valor de t24,0.05 , buscamos en la tabla de la distribución t-Student el valor para el cual la
probabilidad es 0.05 con 24 grados de libertad.

 
  

Luego el valor de t24,0.05 para el cual P(t > t24 ) = 0.05 es t24,0.05 = 1.71. Con lo anterior diremos que
se rechaza la hipótesis nula si
X − µ0
t= > tn −1,α
s
n

Es decir si t es superior a 1.71

Nuestro último análisis de pruebas de hipótesis está orientado a las proporciones muestrales que
tanto en el área empresarial como en muchas otras áreas es de interés porque permite establecer, por
ejemplo, el porcentaje de productos de cierta empresa que solicitan mensualmente los consumidores
o el porcentaje de una población que utiliza cierta marca de automóviles entre muchos otros
contextos.

Prueba  de  hipótesis  para  la  proporción 

poblacional con tamaño de muestra grande 

A continuación describiremos los posibles casos de pruebas de hipótesis que se pueden presentar en
un contexto.

Si se desea probar la hipótesis nula 𝐻!  ∶  𝜋 = 𝜋! con la hipótesis alternativa 𝐻!  ∶  𝜋 ≠ 𝜋!

O se desea probar la hipótesis nula 𝐻!  ∶  𝜋 ≥ 𝜋! con la hipótesis alternativa 𝐻!  ∶  𝜋 < 𝜋!

 
 !!!!
Entonces se rechaza H 0 si Z= < −𝑍∝
!!  (!!!! )
!

• Si se desea probar la hipótesis nula   𝐻!  ∶  𝜋 ≤ 𝜋!       con la hipótesis alternativa 𝐻!  : 𝜋 > 𝜋!

!!!!
Entonces se rechaza H 0 si Z= > 𝑍∝
!!  (!!!! )
!

• Si se desea probar la hipótesis nula 𝐻!  ∶  𝜋 = 𝜋! con la hipótesis alternativa 𝐻!  ∶  𝜋 ≠ 𝜋!

Que es lo mismo que probar la hipótesis nula 𝐻!  ∶  𝜋 = 𝜋! con la hipótesis alternativa

𝐻!  ∶  𝜋 < 𝜋! o 𝐻!  : 𝜋 > 𝜋!

!!!! !!!!
Entonces se rechaza H 0 si Z= < −𝑍∝ o si Z= > 𝑍∝
!!  (!!!! ) !!  (!!!! )
! !

Ejemplo 81

En una muestra aleatoria de 100 auditores, 78 se mostraron de acuerdo con la siguiente afirmación:
“el flujo de caja es un importante indicador de la rentabilidad”. Efectúe una prueba de hipótesis para
la hipótesis nula de que la mitad de los miembros de la población estaría de acuerdo con la
afirmación frente a la hipótesis alternativa bilateral con un nivel de significancia del 10%.

Se desea probar la hipótesis nula 𝐻! : 𝜋 = 0,50 con la hipótesis alternativa 𝐻! : 𝜋 ≠ 0,50

Que es lo mismo que probar la hipótesis nula 𝐻! : 𝜋 = 0,50 con la hipótesis alternativa

𝐻! : 𝜋 < 0,50 o 𝐻! : 𝜋 > 0,50

µ − 0.50
P µ − 0.50
P
Entonces se rechaza H 0 si Z = > zα o Z = < − zα
0.50(1 − 0.50) 2 0.50(1 − 0.50) 2

100 100

µ = 78 = 0.78 tenemos que éste valor en

Entonces, dado que el valor de la proporción muestral es P
100
!,!"!!,!"
la ecuación planteada es: 𝑍= = 5,6
!,!"(!!!,!")
!""

 
Para el nivel de significancia del 10% el valor 𝑍!,!" =1,64 (Tabla de la distribución normal)
entonces se rechaza la hipótesis H0. Indicando que con este nivel de significancia se puede decir que
la proporción si es diferente a 0,5.

Auto‐estudio 
 
Llego el momento de aplicar los temas tratados anteriormente, para reforzar nuestros conocimientos
es necesario practicar; por ello tal y como se indica en guía de actividades por semana, por favor
realice la o las guías prácticas de la semana y revise el o los libros sugeridos en el mapa conceptual
de la unidad 8 (todo lo referente a pruebas de hipótesis) sino logra acceder a los libros sugeridos,
consulte un libro físico de inferencia estadística, luego realice los ejercicios en la guía práctica de la
semana y si tiene alguna duda consulte al tutor que le corresponda.

Para acceder al libro mencionado debe ingresar a la biblioteca virtual en otra página de internet
distinta a la del módulo. Las instrucciones para ingresar a la biblioteca aparecen a continuación; por
favor sígalas y realice los ejercicios del libro (sólo aquellos que cubran los temas tratados hasta
ahora).

Para acceder al libro…

En la unidad 8, aparece un mapa conceptual; al ubicarse en las hojitas se despliega la bibliografía y

para acceder a dichos libros debe seguir los siguientes pasos:

1. en la página principal de campus virtual debajo del CAE dice biblioteca virtual, de click en 
este link. 
2. Allí se abre la página de la biblioteca y debe escribir su usuario y contraseña. 
3. Hagan click en libros electrónicos e ingrese el usuario y la contraseña. 
4. Ahora de click en e‐libro, vuelva a la página del mapa conceptual y de click sobre el libro 
que desean consultar. 

Si siguió correctamente las instrucciones debe poder visualizar el libro indicado.

 
Adicionalmente  puede  revisar  el  libro  Estadística  para  Administración  y  Economía escrito  por 
David R. Anderson, Dennis J. Sweeney que se encuentra en google (libros); busque en el índice los 
temas  tratados:  pruebas  de  hipótesis  (capítulo  9,  desde  la  página  338).  Luego  resuelva  los 
ejercicios allí propuestos.