TECNM LOS MOCHIS

Portafolio de evidencias

Nombre: Islas Félix Jhoan Gamaliel

Número de control: 20441488

Carrera: Ingeniería Industrial

GRUPO 535

Maestro: Faustino Barreras Manzanares

Tema: Pruebas de hipótesis

Materia: Estadística

1
Índice
3.1 Introducción. ...................................................................................................... 3
3.2 Confiabilidad y significancia. ............................................................................. 4
3.3 Errores tipo I y tipo II. ........................................................................................ 5
3.4 Potencia de la prueba. ...................................................................................... 7
3.5 Formulación de hipótesis estadísticas. .............................................................. 8
3.6 Prueba de hipótesis para la media. ................................................................... 9
3.7 Prueba de hipótesis para la diferencia de medias. .......................................... 11
3.8 Prueba de hipótesis para la proporción. .......................................................... 13
3.9 Prueba de hipótesis para la diferencia de proporciones. ................................. 15
3.10 Prueba de hipótesis para la varianza. ........................................................... 16
3.11 Prueba de hipótesis para la relación de varianzas. ....................................... 17
Conclusión............................................................................................................. 18

2
3.1 Introducción.
Una prueba de hipótesis es una regla que especifica si se puede aceptar o
rechazar una afirmación acerca de una población dependiendo de la evidencia
proporcionada por una muestra de datos.

Una prueba de hipótesis examina dos hipótesis opuestas sobre una población: la
hipótesis nula y la hipótesis alternativa. La hipótesis nula es el enunciado que se
probará. Por lo general, la hipótesis nula es un enunciado de que "no hay efecto" o
"no hay diferencia". La hipótesis alternativa es el enunciado que se desea poder
concluir que es verdadero de acuerdo con la evidencia proporcionada por los
datos de la muestra.

Con base en los datos de muestra, la prueba determina si se puede rechazar la

hipótesis nula. Usted utiliza el valor p para tomar esa decisión. Si el valor p es
menor que el nivel de significancia (denotado como α o alfa), entonces puede
rechazar la hipótesis nula.

Un error común de percepción es que las pruebas estadísticas de hipótesis están

diseñadas para seleccionar la más probable de dos hipótesis. Sin embargo, al
diseñar una prueba de hipótesis, establecemos la hipótesis nula como lo que
queremos desaprobar. Puesto que establecemos el nivel de significancia para que
sea pequeño antes del análisis (por lo general, un valor de 0.05 funciona
adecuadamente), cuando rechazamos la hipótesis nula, tenemos prueba
estadística de que la alternativa es verdadera. En cambio, si no podemos rechazar
la hipótesis nula, no tenemos prueba estadística de que la hipótesis nula sea
verdadera. Esto se debe a que no establecimos la probabilidad de aceptar
equivocadamente la hipótesis nula para que fuera pequeña.

3
3.2 Confiabilidad y significancia.
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.

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

Ejemplo:

Si Ho ≤ 0.50 ⇒ H1 > 0.50 Es unilateral.

Si Ho = 0.50 ⇒ H1≠ 0.50 Es bilateral.

Nivel de Significancia: La probabilidad (α) más alta de rechazar H0 cuando H0 es

cierto se llama nivel de significancia. Comentario: Para mantener la probabilidad
de cometer el error tipo 1 baja, debemos escoger un valor pequeño de α .Usando
un valor pre asignado de α se construye una región de rechazo o región crítica en
la curva normal estándar o en la curva t que indica si debemos rechazar H0.

Región Crítica o de Rechazo: Una región crítica o derechazo es una parte de la

curva de z o de la curva t donde se rechaza H0.

4
3.3 Errores tipo I y tipo II.
El error tipo I se define como el rechazo de la hipótesis nula H o cuando ésta es
verdadera. También es conocido como ó nivel de significancia. Si tuviéramos un
nivel de confianza del 95% entonces el nivel de significancia sería del 5%.
Análogamente si se tiene un nivel de confianza del 90% entonces el nivel de
significancia sería del 10%.

El error tipo II se define como la aceptación de la hipótesis nula cuando ésta es

falsa.

Por tanto, al probar cualquier hipótesis estadística, existen cuatro situaciones

diferentes que determinan si la decisión final es correcta o errónea.

5
1. 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.

2. El tamaño de la región crítica, y por tanto la probabilidad de cometer un error

tipo I, siempre se puede reducir al ajustar el o los valores críticos.

3. Un aumento en el tamaño muestra n reducirá y de forma simultánea.

4. Si la hipótesis nula es falsa, es un máximo cuando el valor real del parámetro se

aproxima al hipotético. Entre más grande sea la distancia entre el valor real y el
valor hipotético, será menor.

6
3.4 Potencia de la prueba.
Hipótesis estadística es, una afirmación acerca de la distribución de la población.

La potencia de la prueba es la probabilidad de acertar cuando la Hipótesis Nula es

falsa.

Esta probabilidad es la de que el conjunto de valores muestrales del estadístico de

contraste se sitúe en la región de rechazo bajo el supuesto de que la Hipótesis
Alternativa sea verdadera.

Principales características de la potencia de la prueba:

»El valor de la potencia es complementario al de beta (probabilidad de cometer

errores de tipo II), cuanto menor es alfa, mayor es beta, y viceversa.

»Los valores de alfa y 1-beta están relacionados. Cuanto mayor sea alfa, mayor es
1-beta.

»El valor de la potencia depende de la verdadera posición del parámetro, que es

desconocida, pero podemos tomar medidas que generalmente la incrementan:

˃Hacer alfa más grande. Hay que tener en cuenta que esta medida también
incrementa la probabilidad de errores de tipo I (si H0 es verdadera).

˃Otra medida consiste en hacer más grande el tamaño de la muestra. La razón es

que disminuye la desviación típica de la distribución muestral (el Error Típico del
estadístico); en consecuencia los límites de la región de aceptación se acercan y
quedan más lejos de la verdadera distribución del estadístico, lo que incrementa la
probabilidad de que el estadístico de contraste se sitúe en la región de rechazo.

Se puede definir el “nivel de significación (α)” como la máxima probabilidad de

rechazar la Ho cuando es cierta. El nivel de significación lo elige el investigador
antes de realizar el contraste, para que no influya en su decisión. Por lo tanto el
nivel de significación representa el riesgo máximo admisible al rechazar Ho. El
nivel crítico se calcula después de obtener el valor del estadístico de contraste y
representa el riesgo mínimo con el que se rechaza Ho.

7
3.5 Formulación de hipótesis estadísticas.
Un procedimiento que conduce a una decisión sobre una hipótesis en particular
recibe el nombre de prueba de hipótesis.

Los procedimientos de prueba de hipótesis dependen del empleo de la

información contenida en la muestra aleatoria de la población de interés.

Si esta información es consistente con la hipótesis, se concluye que ésta es

verdadera; sin embargo si esta información es inconsistente con la hipótesis, se
concluye que esta es falsa.

Debe hacerse hincapié en que la verdad o falsedad de una hipótesis en particular

nunca puede conocerse con certidumbre, a menos que pueda examinarse a toda
la población.

Usualmente esto es imposible en muchas situaciones prácticas.

Por tanto, es necesario desarrollar un procedimiento de prueba de hipótesis

teniendo en cuenta la probabilidad de llegar a una conclusión equivocada.

La hipótesis nula, representada por Ho, es la afirmación sobre una o más

características de poblaciones que al inicio se supone cierta (es decir, la "creencia
a priori").

La hipótesis alternativa, representada por H1, es la afirmación contradictoria a Ho,

y ésta es la hipótesis del investigador.

La hipótesis nula se rechaza en favor de la hipótesis alternativa, sólo si la

evidencia muestral sugiere que Ho es falsa. Si la muestra no contradice
decididamente a Ho, se continúa creyendo en la validez de la hipótesis nula.
Entonces, las dos conclusiones posibles de un análisis por prueba de hipótesis
son rechazar Ho o no rechazar Ho.

Un contraste de hipótesis consiste, por tanto, en estudiar dos hipótesis: H0

(hipótesis nula), H1 (hipótesis alternativa), de manera que el investigador divide
los resultados muéstrales en dos zonas; una zona de rechazo y otra de
aceptación, de manera que según como obtengamos el resultado, aceptaremos o
rechazaremos la hipótesis.

8
3.6 Prueba de hipótesis para la media.
Aquella hipótesis que se desea contrastar se llama hipótesis nula (H0), por tanto,
la que se acepta o rechaza como conclusión del contraste. La hipótesis nula suele
ser una estrategia o medio del que se sirve el investigador para probar la
alternativa. Suele ir acompañada por la hipótesis alternativa o hipótesis
experimental, simbolizada por H1.

PASO 1 Establecimiento de hipótesis nula y alternativa. Se debe establecer en

primer lugar la hipótesis nula (H0) que es el enunciado relativo al valor de un
parámetro población. Establecer en segundo lugar la hipótesis alternativa (H1) que
es la afirmación que se acepta si los datos de la muestra ofrecen evidencia
suficiente para rechazar la hipótesis nula al formulado con el fin de probar
evidencia numérica.

PASO 2 Selección del nivel de significancia Nivel de significancia ( α) que es el

nivel de riesgo. Se trata del riesgo que se corre al rechazar la hipótesis nula
cuando es verdadera. Significancia para una prueba de una o dos colas, esto se
refiere a las gráficas unilaterales y bilaterales respectivamente. Una prueba es de
una cola cuando la hipótesis alternativa H1 indica una sola dirección.

PASO 3 Selección del estadístico de prueba De acuerdo al parámetro a probar

elegir el estadístico. Para el caso de la media µ se tienen las siguientes opciones:
Cuando se conoce la desviación estándar poblacional σ y cuando se desconoce la
desviación estándar poblacional σ y se conoce la muestral s.

El ingreso promedio por persona en Estados Unidos es de $40 000, con una
desviación estándar de $10 000. Una muestra aleatoria de 10 residentes de
Wilmington, Delaware, presentó una media de $50 000, A un nivel de significancia
de 0.05, ¿existe suficiente evidencia para concluir que los residentes de
Wilmington, Delaware, ganan más que el promedio nacional? Datos: µ =40,000 σ
=10,000 n=10 ഥ𝒙 = 50,000

La administración de White Industries analiza una nueva técnica para armar un

carro de golf; la técnica actual requiere 42.3 minutos de trabajo en promedio. El
tiempo medio de montaje de una muestra aleatoria de 24 carros, con la nueva
técnica, fue de 40.6 minutos, y la desviación estándar, de 2.7 minutos. Con un
nivel de significancia de 0.10, ¿puede concluir que el tiempo de montaje con la
nueva técnica es más breve? Datos: µ =42.3 n=24 s =2.7 ഥ𝒙 = 40.6

9
PASO 4 Formulación del criterio de decisión La regla de decisión es una
afirmación sobre las condiciones específicas en que se rechaza H0  Si valor
calculado (Zcal) > que valor crítico (Ztab), rechazo H0 y no rechazo H1  Si valor
calculado (Zcal) < que valor crítico (Ztab, no rechazo H0 y rechazo H1. Nota: se
sugiere considerar como valor absoluto el valor calculado (Zcal) y comparar contra
valor crítico esto facilitará la decisión siguiendo que si el valor calcula do es mayor
que el crítico rechazo H0 y no rechazo H1

PASO 5 Conclusiones, toma de decisión Consiste en calcular el estadístico de la

prueba comparándola con el valor crítico y tomar la decisión de rechazar o no la
hipótesis nula. Se interpretan los resultados de la prueba.

10
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.

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 y 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 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.

11
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.

12
3.8 Prueba de hipótesis para la proporción.
Las pruebas de proporciones son adecuadas cuando los datos que se están
analizando constan de cuentas o frecuencias de elementos de dos o más clases.
El objetivo de estas pruebas es evaluar las afirmaciones con respecto a una
proporción (o Porcentaje) de población. Las pruebas se basan en la premisa de
que una proporción muestral (es decir, x ocurrencias en n observaciones, o x/n)
será igual a la proporción verdadera de la población si se toman márgenes o
tolerancias para la variabilidad muestral. Las pruebas suelen enfocarse en la
diferencia entre un número esperado de ocurrencias, suponiendo que una
afirmación es verdadera, y el número observado realmente. La diferencia se
compara con la variabilidad prescrita mediante una distribución de muestreo que
tiene como base el supuesto de que es realmente verdadera.

En muchos aspectos, las pruebas de proporciones se parecen a las pruebas de

medias, excepto que, en el caso de las primeras, los datos muestrales se
consideran como cuentas en lugar de como mediciones. Por ejemplo, las pruebas
para medias y proporciones se pueden utilizar para evaluar afirmaciones con
respecto a:

1) Un parámetro de población único (prueba de una muestra)

2) La igualdad de parámetros de dos poblaciones (prueba de dos muestras), y

3) La igualdad de parámetros de más de dos poblaciones (prueba de k muestras).

Además, para tamaños grandes de muestras, la distribución de muestreo
adecuada para pruebas de proporciones de una y dos muestras es
aproximadamente normal, justo como sucede en el caso de pruebas de medias de
una y dos muestras.

Prueba de proporciones de una muestra: Cuando el objetivo del muestreo es

evaluar la validez de una afirmación con respecto a la proporción de una
población, es adecuado utilizar una prueba de una muestra. La metodología de
prueba depende de si el número de observaciones de la muestra es grande o
pequeño.
Como se habrá observado anteriormente, las pruebas de grandes muestras de
medias y proporciones son bastante semejantes. De este modo, los
valores estadísticos de prueba miden la desviación de un valor estadístico de
muestra a partir de un valor propuesto. Y ambas pruebas se basan en la
distribución normal estándar para valores críticos. Quizá la única diferencia real
entre las ambas radica en la forma corno se obtiene la desviación estándar de la
distribución de muestreo.

13
Prueba de proporciones de dos muestras: El objetivo 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. Una vez más, esta prueba se
asemeja considerablemente a la prueba de medias de dos muestras.

14
3.9 Prueba de hipótesis para la diferencia de proporciones.
En lugar de preocuparse por las diferencias entre dos poblaciones en términos de
una variable cuantitativa, el interés podría ser las diferencias en alguna
característica cualitativa. La prueba de la diferencia entre dos proporciones
basadas en muestras independientes, se puede efectuar con el uso de dos
métodos diferentes, pero los resultados serán equivalente, aquí sólo
observaremos uno de ellos. El primer método de prueba de la diferencia entre dos
proporciones implica el uso de la distribución normal.

Esta prueba está basada en la diferencia entre las dos proporciones de la

muestra a las cuales se puede aproximar con una distribución normal para
muestras de tamaño grande. Para las dos poblaciones implicadas, interesa
determinar si hay o no alguna diferencia en la proporción de éxitos en los dos
grupos (prueba de dos colas) o si un grupo tuvo una proporción mayor de éxitos
que el otro grupo (prueba de una cola).

El estadístico de la prueba sería con en donde

ps1 = proporción muestral en la población 1.

ps2 = proporción muestral en la población 2.
X1 = número de éxitos en la muestra 1.
X2 = número de éxitos en la muestra 2.
n1 = tamaño de la muestra para la población 1.
n2 = tamaño de la muestra para la población 2.
= estimación combinada para la proporción de la población.

La estimación de la proporción de la población que se utilizará, está basada en la

hipótesis nula, Con la hipótesis nula, se supone que las dos proporciones de la
población son iguales. Por tanto, se puede obtener una estimación total de la
proporción de la población al combinar las dos proporciones de la muestra. La
estimación es simplemente el número de éxitos en las dos muestras combinadas
(X1 + X2) dividido entre el tamaño total de la muestra (n1 + 2).

15
3.10 Prueba de hipótesis para la varianza.
Cuando se analizan variables cuantitativas, a menudo es importante sacar
conclusiones en cuanto a la variabilidad así como al promedio de una
característica de interés. Por ejemplo, en el estudio de las llantas, el gerente de la
fábrica, probablemente se interesaría en determinar si la variabilidad en la
duración de las llantas está o no dentro de los límites aceptables antes de concluir
que el proceso funciona en forma correcta.

En este caso, lo que interesaría sería llegar a conclusiones acerca de la

desviación estándar o a la varianza de la población. Si se intenta llegar a
conclusiones en cuanto a la variabilidad de la población, primero se debe
determinar qué prueba estadística se puede usar para representar la distribución
de la variabilidad en los datos de la muestra.

Si la variable (duración del piso de las llantas) se supone que tiene distribución
normal, entonces el estadístico (n-1)S2 2 seguiría la distribución ji cuadrada (X2 )
con (n-1) grados de libertad. Por tanto, el estadístico de la prueba para probar si la
varianza de la población es o no igual a un valor especificado, es en donde

n = tamaño de la muestra.
S 2 = varianza de la muestra.
2= varianza hipotética de la población.

Prueba de una hipótesis acerca de una varianza poblacional: pruebas de una cola
y de dos colas. Panel A, prueba de dos colas. Panel B, prueba de una cola. Panel
C, prueba de una cola.

Sí, como se ilustra en el panel A de la figura, la prueba de hipótesis es de dos

colas, la región de rechazo está dividida entre las colas superior e inferior de la
distribución ji cuadrada. Pero, si la prueba es de una cola, la región de rechazo
está, ya sea, en la cola superior (panel B) o en la cola inferior (panel C) de la
distribución ji cuadrada, según la dirección de la hipótesis alternativa.

Al probar una hipótesis acerca de una varianza, se debe estar alerta a que se ha
supuesto una población con distribución normal. Desafortunadamente, esta
prueba es sensible a desviaciones de esta suposición, por lo que si la población
no tiene distribución normal, sobre todo para muestras de tamaño pequeño, la
exactitud de la prueba se afectará de una manera muy seria.

16
3.11 Prueba de hipótesis para la relación de varianzas.
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. 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

Para probar la razón de las dos varianzas, se pueden emplear pruebas de una
cola o de dos colas, como se indica en la figura.

Prueba de una hipótesis acerca de dos varianzas poblacionales: pruebas de una y

de dos colas. Panel A, prueba de dos colas. Panel B, prueba de una cola. Panel C,
prueba de una cola.

Al probar la razón de dos varianzas de la población, como ocurrió en el caso de la

varianza de una sola población, se debe estar alerta de que la prueba supone que
cada una de las dos poblaciones tiene distribución normal.

Desafortunadamente, esta prueba no es robusta para las desviaciones de esta

suposición, sobre todo cuando los tamaños de las muestras en los dos grupos no
son iguales. Por tanto, si las poblaciones no están más o menos, normalmente
distribuidas, se puede afectar de un modo muy serio la exactitud, del
procedimiento.

17
Conclusión.
En conclusión una prueba de hipótesis examina dos hipótesis opuestas sobre una
población: la hipótesis nula y la hipótesis alternativa. La hipótesis nula es la
afirmación que se está comprobando. Normalmente la hipótesis nula es una
afirmación de "sin efecto" o "sin diferencia". La hipótesis alternativa es la
afirmación que se desea ser capaz de concluir que es verdadera basándose en la
evidencia proporcionada por los datos de la muestra.

Bibliografías.
 https://support.minitab.com/es-mx/minitab/18/help-and-how-
to/statistics/basic-statistics/supporting-topics/basics/what-is-a-
hypothesis-test/
 https://calculo.cc/temas/temas_estadistica/hipotesis/teoria/hipo_d
if_medias.html
 https://www.monografias.com/trabajos91/prueba-hipotesis-
proporciones-z-y-ji-cuadrado-empleando-excel-y-
winstats/prueba-hipotesis-proporciones-z-y-ji-cuadrado-
empleando-excel-y-winstats.shtml
 http://216.242.144.34/PROBABILIDAD%20Y%20ESTAD%C3%8
DSTICA/9/Word%20-
%20PDF/Probabilidad%20y%20Estad%C3%ADstica%20Sesi%C
3%B3n%209.pdf
 https://www.academia.edu/30451711/Ejresu#:~:text=3.5%20For
mulaci%C3%B3n%20de%20Hip%C3%B3tesis%20estad%C3%A
Dsticas.
https://www.addlink.es/noticias/minitab/2852-que-es-una-prueba-
de-hipotesis

18