UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN

FACULTAD DE INGENIERIA MECÁNICA Y

ELECTRICA

ESTADISTICA INFERENCIAL

1953274 Juan Eduardo Dávila González IMA

BRIGADA: 013

DOCENTE: MARTIN LUNA LAZARO

SEMESTRE: Enero -junio 2022

LUGAR Y FECHA: Monterrey Nuevo León a 19 de enero 2022

PRUEBA DE HIPOTESIS

Una hipótesis estadística es una aseveración o conjetura respecto a una o más

poblaciones.
La verdad o falsedad de una hipótesis estadística nunca se sabe con absoluta
certeza, a menos que se examine toda la población, lo cual, por supuesto, sería
poco práctico en la mayoría de las situaciones. En vez de eso se toma una
muestra aleatoria de la población de interés y se utilizan los datos contenidos en
ella para proporcionar evidencia que respalde o no la hipótesis. La evidencia de
la muestra que es inconsistente con la hipótesis planteada conduce al rechazo
de la misma.
Un procedimiento de toma de decisiones debe implicar la conciencia de la
probabilidad de llegar a una conclusión errónea. el rechazo de una hipótesis
implica que fue refutada por la evidencia de la muestra. En otras palabras, el
rechazo significa que existe una pequeña probabilidad de obtener la información
muestral observada cuando, de hecho, la hipótesis es verdadera.
El rechazo de una hipótesis tiende a casi “descartar” la hipótesis. Por otro lado,
es muy importante enfatizar que la aceptación o, más bien, la falta de rechazo
no descarta otras posibilidades. Como resultado, el analista de datos establece
una conclusión firme cuando se rechaza una hipótesis.

La hipótesis nula y la hipótesis alternativa

La estructura de la prueba de hipótesis se establece usando el término hipótesis
nula, el cual se refiere a cualquier hipótesis que se desea probar y se denota con
H0. El rechazo de H0 conduce a la aceptación de una hipótesis alternativa, que
se denota con H1.
La hipótesis alternativa H1 por lo general representa la pregunta que se
responderá o la teoría que se probará, por lo que su especificación es muy
importante. La hipótesis nula H0 anula o se opone a H1 y a menudo es el
complemento lógico de H1. A medida que el lector aprenda más sobre la prueba
de hipótesis notará que el analista llega a una de las siguientes dos conclusiones:

El estadístico de prueba
El estadístico de prueba en el cual se basa nuestra decisión es X, el número de
individuos en nuestro grupo de prueba que reciben protección de la nueva
vacuna durante un periodo de al menos 2 años. Los valores posibles de X, de 0
a 20, se dividen en dos grupos: los números menores o iguales que 8 y aquellos
mayores que 8.
Todos los posibles valores mayores que 8 constituyen la región crítica. El último
número que observamos al pasar a la región crítica se llama valor crítico. En
nuestro ejemplo el valor crítico es el número 8. Por lo tanto, si x > 8, rechazamos
H0 a favor de la hipótesis alternativa H1. Si x ≤ 8, no rechazamos H0.

La probabilidad de un error tipo 1

El procedimiento de toma de decisiones recién descrito podría conducir a
cualquiera de dos conclusiones erróneas. Por ejemplo, es probable que la nueva
vacuna no sea mejor que la que se usa en la actualidad (H0 verdadera) y, sin
embargo, en este grupo específico de individuos seleccionados aleatoriamente
más de 8 pasan el periodo de 2 años sin contraer el virus. Si rechazáramos H0
a favor de H1 cuando, de hecho, H0 es verdadera, cometeríamos un error que
se conoce como error tipo I.
El rechazo de la hipótesis nula cuando es verdadera se denomina error tipo I.
Si 8 o menos miembros del grupo superan exitosamente el periodo de 2 años y
no concluimos que la nueva vacuna es mejor cuando en realidad sí lo es (H1
verdadera), cometemos un segundo tipo de error, el de no rechazar la hipótesis
H0 cuando en realidad es falsa. A este error se le conoce como error tipo II.
No rechazar la hipótesis nula cuando es falsa se denomina error tipo II.

Ilustración con una variable aleatoria continua

Los conceptos que se analizan aquí para una población discreta también se
pueden aplicar a variables aleatorias continuas. Considere la hipótesis nula de
que el peso promedio de estudiantes hombres en cierta universidad es de 68
kilogramos, contra la hipótesis alternativa de que es diferente a 68. Es decir,
deseamos probar
Propiedades importantes de una prueba de hipótesis
1. Los errores tipo I y tipo II están relacionados. Por lo general una disminución
en la probabilidad de cometer uno da como resultado un incremento en la
probabilidad de cometer el otro.
2. El tamaño de la región crítica y, por lo tanto, la probabilidad de cometer un
error tipo I, siempre se puede reducir ajustando el (los) valor(es) crítico(s).
3. Un aumento en el tamaño de la muestra n reducirá α y β de forma simultánea.
4. Si la hipótesis nula es falsa, β es un máximo cuando el valor verdadero de un
parámetro se aproxima al valor hipotético. Cuanto más grande sea la distancia
entre el valor verdadero y el valor hipotético, más pequeña será β.
La potencia de una prueba es la probabilidad de rechazar H0 dado que una
alternativa específica es verdadera.
La potencia de una prueba se puede calcular como 1 – β. A menudo diferentes
tipos de pruebas se comparan contrastando propiedades de potencia

Pruebas de una y dos colas

Una prueba de cualquier hipótesis estadística donde la alternativa es unilateral,
como

se denomina prueba de una sola cola. Anteriormente en esta sección se hizo

referencia al estadístico de prueba para una hipótesis. Por lo general la región
crítica para la hipótesis alternativa θ > θ0 yace en la cola derecha de la
distribución del estadístico de prueba, en tanto que la región crítica para la
hipótesis alternativa θ < θ0 yace por completo en la cola izquierda. (En cierto
sentido el símbolo de desigualdad señala la dirección en donde se encuentra la
región crítica).
La prueba de cualquier hipótesis alternativa donde la alternativa es bilateral,
como

se denomina prueba de dos colas, ya que la región crítica se divide en dos partes,
a menudo con probabilidades iguales en cada cola de la distribución del
estadístico de prueba. La hipótesis alternativa θ ≠ θ0 establece que θ < θ0 o que
θ > θ0 .
Uso de valores P para la toma de decisiones en la prueba de
hipótesis
Al probar hipótesis en las que el estadístico de prueba es discreto, la región
crítica se podría elegir de manera arbitraria y determinar su tamaño. Si α es
demasiado grande, se reduce haciendo un ajuste en el valor crítico. Quizá sea
necesario aumentar el tamaño
de la muestra para compensar la disminución que ocurre de manera automática
en la potencia de la prueba. Por generaciones enteras de análisis estadístico se
ha vuelto costumbre elegir una α de 0.05 o 0.01 y seleccionar la región crítica de
acuerdo con esto. Entonces, desde luego, el rechazo o no rechazo estrictos de
H0 dependerá de esa región crítica. Por ejemplo, si la prueba es de dos colas, α
se fija a un nivel de significancia de 0.05 y el estadístico de prueba implica,
digamos, la distribución normal estándar, entonces se observa un valor z de los
datos y la región crítica es
z > 1.96 o z < −1.96,
donde el valor 1.96 corresponde a z0.025 en la tabla A.3. Un valor de z en la
región crítica sugiere la aseveración: “El valor del estadístico de prueba es
significativo”, el cual se puede traducir al lenguaje del caso. Por ejemplo, si la
hipótesis es dada por
H0 : μ = 10, H1 : μ ≠ 10,
se puede decir: “La media difiere de manera significativa del valor 10”.

Pruebas para una sola media (varianza conocida)

Primero deberíamos describir las suposiciones en las que se basa el
experimento. El modelo para la situación subyacente se centra alrededor de un
experimento con X1 , X2 ,..., Xn , que representan una muestra aleatoria de una
distribución con media μ y varianza σ 2 > 0. Considere primero la hipótesis H0 :
μ = μ0 , H1 : μ ≠ μ0 . El estadístico de prueba adecuado se debe basar en la
variable aleatoria X ⁻ . En el capítulo 8 se presentó el teorema del límite central,
el cual establece en esencia que, sin importar la distribución de X, la variable
aleatoria X ⁻ tiene una distribución casi normal con media μ y varianza σ2 /n para
muestras de tamaño razonablemente grande. Por consiguiente, μ X¯ = μ y σ X
n 2 σ2 ¯ = / . Podemos determinar, entonces, una región crítica basada en el
promedio muestral calculado x¯. Ahora ya debería quedarle claro al lector que
habrá una región crítica de dos colas para la prueba.