ESTADÍSTICA APLICADA

PRUEBAS DE HIPÓTESIS
PARAMÉTRICAS

Docente: Ing. Ronald Mamani Mayta

 Pruebas Paramétricas

Se busca estimar los parámetros de una Población

en base a una muestra.

Se conoce el modelo de distribución de la

población, presenta variables cuantitativas
continuas (medibles).

Mientras más grande sea la muestra más exacta

será la estimación, mientras más pequeña, más
distorsionada será la media de las muestras.
Docente: Ing. Ronald Mamani Mayta
 VENTAJAS Y DESVENTAJAS

Ventajas de las Pruebas Paramétricas

 Tienen más poder de eficiencia.
 Más sensibles a los rasgos de los datos recolectados.
 Menos posibilidad de errores.
 Dan estimaciones probabilísticas bastante exactas.

Desventajas de las Pruebas Paramétricas

 Más complicadas de calcular.
 Limitaciones en los tipos de datos que se pueden
evaluar.
Docente: Ing. Ronald Mamani Mayta
 TIPOS DE PRUEBAS PARAMÉTRICAS

Prueba del valor Z de la distribución normal

Prueba T de Student para datos
relacionados(muestras dependientes)
Prueba T de Student para datos no relacionados
(muestras independientes)
Prueba T de Student-Welch para dos muestras
independientes con varianzas no homogéneas
Prueba F (análisis de varianza o ANOVA).

Docente: Ing. Ronald Mamani Mayta

 Prueba de hipótesis para m
Caso 1: con s 2 conocida

Hipótesis:
Unilateral Unilateral
Bilateral
izquierda derecha
H0: m ≥ m0 H0: m = m0 H0: m ≤ m0
H1: m < m0 H1: m  m0 H1: m > m0

Estadístico de prueba:

X  m0
Zc = ~Z
s n
Docente: Ing. Ronald Mamani Mayta
 Prueba de hipótesis para la media (m )
Caso 2: con s 2 desconocida, n>30

Hipótesis:
Unilateral Unilateral
Bilateral
izquierda derecha
H0: m ≥ m0 H0: m = m0 H0: m ≤ m0
H1: m < m0 H1: m  m0 H1: m > m0

Estadístico de prueba:
X  m0
Zc =
S n

Docente: Ing. Ronald Mamani Mayta

 Prueba de hipótesis para la media (m )
Caso 2: con s 2 desconocida, n30

Hipótesis:
Unilateral Unilateral
Bilateral
izquierda derecha
H0: m ≥ m0 H0: m = m0 H0: m ≤ m0
H1: m < m0 H1: m  m0 H1: m > m0

Estadístico de prueba:
X  m0
Tc = ~ tn 1
S n

Docente: Ing. Ronald Mamani Mayta

 Prueba de hipótesis para dos medias
Caso 1: s 21 y s 22 conocidas

Hipótesis:

Unilateral Unilateral
Bilateral
izquierda derecha
H0: m1 ≥ m2 H0: m1 = m2 H0: m1 ≤ m2
H1: m1 < m2 H1: m1 ≠ m2 H1: m1 > m2

 )
Estadístico de prueba:
X 1  X 2   m1  m2 )
Zc = ~ Z  0,1)
s 12 s 22

n1 n2
Docente: Ing. Ronald Mamani Mayta
 Prueba de hipótesis para dos medias
Caso 2: s 21 y s 22 desconocidas (n1 + n2 >30)

Hipótesis:

Unilateral Unilateral
Bilateral
izquierda derecha
H0: m1 ≥ m2 H0: m1 = m2 H0: m1 ≤ m2
H1: m1 < m2 H1: m1 ≠ m2 H1: m1 > m2
Estadístico de prueba:

Zc =
 X 1 )
 X 2   m1  m2 )
~ Z  0,1)
2 2
s s
1
 2
n1 n2
Docente: Ing. Ronald Mamani Mayta
 Prueba de hipótesis para dos medias
Caso 2: s 21 y s 22 desconocidas (n1 + n2 30)

Hipótesis:

Unilateral Unilateral
Bilateral
izquierda derecha
H0: m1 ≥ m2 H0: m1 = m2 H0: m1 ≤ m2
H1: m1 < m2 H1: m1 ≠ m2 H1: m1 > m2
Estadístico de prueba:
tc =
X 1 )
 X 2   m1  m2 )
~ t n1  n2  2)
(n1  1) S12  (n2  1) S 22  1 1 
  
n1  n2  2  n1 n2 
Docente: Ing. Ronald Mamani Mayta
 Prueba de hipótesis para la diferencia de medias
Caso 2: tamaño de muestra grande (n>30)

Hipótesis:

Unilateral Unilateral
Bilateral
izquierda derecha
H0: mD ≥ 0 H0: mD = 0 H0: mD ≤ 0
H1: mD < 0 H1: mD ≠ 0 H1: mD > 0
Estadístico de prueba:
D   m1  m2 )
Z= ~ N (0,1)
SD
n
Docente: Ing. Ronald Mamani Mayta
 Prueba de hipótesis para la diferencia de medias
Caso 2: tamaño de muestra pequeño (n30)

Hipótesis:

Unilateral Unilateral
Bilateral
izquierda derecha
H0: mD ≥ 0 H0: mD = 0 H0: mD ≤ 0
H1: mD < 0 H1: mD ≠ 0 H1: mD > 0
Estadístico de prueba:
D   m1  m2 )
tc = ~ t n 1)
SD
n
Docente: Ing. Ronald Mamani Mayta
 Prueba de hipótesis para la correlación

Hipótesis:

Unilateral Unilateral
Bilateral
izquierda derecha
H0 : 𝜌 ≥ k H0 : 𝜌 = k H0 : 𝜌 ≤ k
H1 : 𝜌 < k H1 : 𝜌 ≠ k H1 : 𝜌 > k
Estadístico de prueba:

𝑛−2
𝑡𝑐 = 𝑟 2
~𝑡(𝛼,𝑛−2)
1−𝑟 2

Docente: Ing. Ronald Mamani Mayta

 EJEMPLO 1: PRUEBA DE HIPÓTESIS PARA LA MEDIA

Tiempo de comunicación: Se ha establecido empíricamente que el

tiempo, en segundos, que dura la comunicación telefónica de los
pobladores de una pequeña ciudad con una central de ambulancias se
distribuye normalmente. Una muestra de llamadas recibidas dio los
siguientes tiempos de duración de las llamadas, en segundos: 66, 78,
55, 62, 70, 51, 72, 62.
Con un nivel de significación del 5% docime la hipótesis de que el
tiempo medio que duran las llamadas a este servicio es de 65 segundos.

Solución: Con los datos numéricos primero calculamos los

estadígrafos muestrales necesarios: 𝑛 = 8; 𝑥ҧ = 64.5 𝑠𝑒𝑔. ; 𝑠 =
8,91 𝑠𝑒𝑔.

Docente: Ing. Ronald Mamani Mayta

 EJEMPLO 1: PRUEBA DE HIPÓTESIS PARA LA MEDIA

Luego realizamos la prueba de hipótesis cuyos pasos son:

1) Planteamiento de hipótesis:
𝐻0 : 𝜇 = 65 𝑠𝑒𝑔. (El tiempo medio que duran las llamadas es 65 seg.)
𝐻1 : 𝜇 ≠ 65 𝑠𝑒𝑔. (El tiempo medio que duran las llamadas no es 65 seg.)

2) Nivel de significancia:  = 5%

3) Estadístico de prueba: Para este caso la variable aleatoria tiende a una

distribución t con n-1 grados de libertad.
𝑋ሜ − 𝜇0
𝑡𝑐 = ~𝑡𝑛−1
𝑆
𝑛

Docente: Ing. Ronald Mamani Mayta

 EJEMPLO 1: PRUEBA DE HIPÓTESIS PARA LA MEDIA

4) Regla de decisión:
Si tc cae en la región de aceptación aceptamos H0 y rechazamos H1.
Si tc cae en la región de rechazo rechazamos H0 y aceptamos H1.

5) Cálculos:
64,5 − 65
𝑡𝑐 = = −0,16~𝑡7
8.91
8

Docente: Ing. Ronald Mamani Mayta

 EJEMPLO 1: PRUEBA DE HIPÓTESIS PARA LA MEDIA

Además el valor tabular lo buscamos en las tablas de la distribución t-

student con el valor de 𝛼/2=0.025 y n-1=7 grados de libertad, esto es:

𝑡𝑡 = ±2,37

6) Decisión:
Como tc = 0,16 > tt= -2.37 y tc = 0,16  tt= 2.37, cae en la región de
aceptación entonces aceptamos H0 y rechazamos H1 al 95% de
confianza.

7) Conclusión:
A un nivel de confianza de 95%, se puede concluir que el tiempo
medio que dura la comunicación telefónica es de 65 segundos.
Docente: Ing. Ronald Mamani Mayta
 EJEMPLO 1: PRUEBA DE HIPÓTESIS PARA LA MEDIA

Otra forma para tomar la decisión es:

Regla de Decisión:
Si p-valor <  se rechaza H0 y se acepta H1
Si p-valor   se acepta H0 y se rechaza H1

Para nuestro ejemplo p-valor=0.88  0.05 entonces se acepta H0 y se

rechaza H1, es decir existen suficientes evidencias para afirmar que el
tiempo de comunicación es 65 segundos.
Docente: Ing. Ronald Mamani Mayta
 EJEMPLO 2: PRUEBA DE HIPÓTESIS PARA DOS MEDIAS

Edad de inicio de la actividad sexual: Ciertas investigaciones apuntan a concluir que el

inicio de la actividad sexual en los jóvenes es cada vez más temprana. Un estudio con
muestras aleatoria de hombres y mujeres de una localidad rural cercana a la capital, que ya
han iniciado la actividad sexual, arrojó las siguientes edades de inicio de la actividad
sexual:

Edad de inicio hombres (años): 17 – 15 – 18 –15 – 14 – 16 – 15 – 20 – 17 – 13

Edad de inicio mujeres (años): 16 – 22 – 19 – 24 – 15 – 19 – 17 – 20

Contrastar, al 5%, que la edad promedio de inicio de la actividad sexual en las mujeres es
mayor que la de los hombres.

Solución:
Se trata de una situación de dos muestras pequeñas independientes, con varianza
poblacional desconocida.

Docente: Ing. Ronald Mamani Mayta

 EJEMPLO 2: PRUEBA DE HIPÓTESIS PARA DOS MEDIAS

Solución:
Calculando los estadígrafos para los datos de la muestra obtenemos los siguientes
resultados.
Estadísticos descriptivos
Error Desviación
Género n Media
estándar estándar
Hombres 10 16.00 0.650 2.055
Mujeres 8 19.00 1.069 3.024

También se calculará el error muestral de la diferencia de medias:

9 2,0552 +7 3,0242 1 1
𝜎𝑋ത𝐻 −𝑋ത𝑀 = 10+8−2
(10 + 8)=1.20 años

Docente: Ing. Ronald Mamani Mayta

 EJEMPLO 2: PRUEBA DE HIPÓTESIS PARA DOS MEDIAS

Luego realizamos la prueba de hipótesis cuyos pasos son:

1) Planteamiento de hipótesis:
𝐻0 : 𝜇𝑀 − 𝜇𝐻 = 0 (La edad promedio de inicio de la actividad sexual en
mujeres es igual que la de los hombres)
𝐻1 : 𝜇𝑀 − 𝜇𝐻 > 0 (La edad promedio de inicio de la actividad sexual en
mujeres es mayor que la de los hombres)
2) Nivel de significancia:  = 5%
3) Estadístico de prueba: Para este caso la variable aleatoria tiende a una
distribución t con n1+n2-2 grados de libertad.

𝑋1 − 𝑋2 − 𝑘
𝑡𝑐 = ~𝑡𝑛1 +𝑛2 −2
1 1
𝑆𝑝2 𝑛 + 𝑛
1 2

Docente: Ing. Ronald Mamani Mayta

 EJEMPLO 1: PRUEBA DE HIPÓTESIS PARA DOS MEDIAS

4) Regla de decisión:
Si tc cae en la región de aceptación aceptamos H0 y rechazamos H1.
Si tc cae en la región de rechazo rechazamos H0 y aceptamos H1.

5) Cálculos:
19 − 16
𝑡𝑐 = = 2.5
1.20

Docente: Ing. Ronald Mamani Mayta

 EJEMPLO 2: PRUEBA DE HIPÓTESIS PARA DOS MEDIAS

Además el valor tabular lo buscamos en las tablas de la distribución t-

student con el valor de 𝛼=0.05 y n1+n2-2=10+8-2=16 grados de
libertad, esto es:

𝑡𝑡 = ±1,75

6) Decisión:
Como tc = 2.5 > tt= 1,75; cae en la región de rechazo entonces
rechazamos H0 y aceptamos H1 al 5% de significancia.

7) Conclusión:
A un nivel de confianza de 95%, se puede concluir que la edad
promedio de inicio de la actividad sexual en las mujeres es mayor
que la de los hombres.
Docente: Ing. Ronald Mamani Mayta
 EJEMPLO 2: PRUEBA DE HIPÓTESIS PARA DOS MEDIAS

Otra forma para tomar la decisión es:

Regla de Decisión:
Si p-valor <  se rechaza H0 y se acepta H1
Si p-valor   se acepta H0 y se rechaza H1

Para nuestro ejemplo p-valor=0.023 < 0.05 entonces se rechaza H0 y se

acepta H1, es decir existen suficientes evidencias para afirmar que la edad
promedio de inicio de la actividad sexual en las mujeres es mayor que la de
los hombres.
Docente: Ing. Ronald Mamani Mayta
 EJEMPLO 3: PRUEBA DE HIPÓTESIS PARA LA CORRELACIÓN

Ejemplo: Con los datos del ejemplo 1 (de correlación), calcular el coeficiente de
correlación de Pearson (r) y probar la hipótesis de significancia del coeficiente de
correlación a un nivel de significancia del 5%.

Solución:

Primero calculamos e coeficiente de correlación:

8 6244 − 40 1026
𝑟= = 0.992
8 244 − 40 2 8 160248 − 1026 2

Docente: Ing. Ronald Mamani Mayta

 EJEMPLO 3: PRUEBA DE HIPÓTESIS PARA LA CORRELACIÓN

Luego realizamos la prueba de hipótesis cuyos pasos son:

1) Planteamiento de hipótesis:
𝐻0 : 𝜌 = 0 (No es significativo o no existe correlación entre las
variables)
𝐻1 : 𝜌 ≠ 0 (Es significativo o existe correlación entre las variables)

2) Nivel de significancia:  = 5%

3) Estadístico de prueba: Para este caso la variable aleatoria tiende a una

distribución t con n-2 grados de libertad
𝑛−2
𝑡𝑐 = 𝑟 2
~𝑡(𝛼,𝑛−2)
1−𝑟 2

Docente: Ing. Ronald Mamani Mayta

 EJEMPLO 3: PRUEBA DE HIPÓTESIS PARA LA CORRELACIÓN

4) Regla de decisión:
Si tc cae en la región de aceptación aceptamos H0 y rechazamos H1.
Si tc cae en la región de rechazo rechazamos H0 y aceptamos H1.

5) Cálculos:
8−2
𝑡𝑐 = 0.992 2
= 19.25
1 − 0.992

Docente: Ing. Ronald Mamani Mayta

 EJEMPLO 3: PRUEBA DE HIPÓTESIS PARA LA CORRELACIÓN

Además el valor tabular lo buscamos en las tablas de la distribución t-

student con el valor de 𝛼/2 y n-2 grados de libertad, esto es:

𝑡𝑡 = ±2.45

6) Decisión:
Como tc = 19.25 > tt=2.45, cae en la región de rechazo entonces
rechazamos H0 y aceptamos H1 al 95% de confianza.

7) Conclusión:
A un nivel de significancia del 5%, se puede concluir que el
coeficiente de correlación es significativo o existe correlación entre
las variables.
Docente: Ing. Ronald Mamani Mayta
 EJEMPLO 6: PRUEBA DE HIPÓTESIS PARA LA CORRELACIÓN

Otra forma para tomar la decisión es:

Regla de Decisión:
Si p-valor < 0.05 (si =5%) se rechaza H0 y se acepta H1
Si p-valor>=0.05 se acepta H0 y se rechaza H1

Para nuestro ejemplo p-valor=0.0000013 < 0.05 entonces se rechaza H0

y se acepta H1, es decir existen suficientes evidencias para afirmar que
el coeficiente de correlación es significativo o existe correlación entre
las variables.
Docente: Ing. Ronald Mamani Mayta
 EJERCICIO 1

Se realiza un experimento para estudiar el nivel (en minutos) que

se requiere para que la temperatura del cuerpo de un lagarto del
desierto alcance los 45º partiendo de la temperatura normal de su
cuerpo mientras está en la sombra. Se obtuvieron las siguientes
observaciones: 10.1 ; 12.5 ; 12.2 ; 10.2 ; 12.8 ; 12.1 ; 11.2 ; 11.4 ;
10.7 ; 14.9 ; 13.9 ; 13.3. Se pide:
a) Hallar las estimaciones puntuales de la media y la varianza.
b) Con un =5% ¿Puede concluirse que el tiempo medio
requerido para alcanzar la dosis letal es de 15 minutos?
c) Con un =5% ¿Puede concluirse que el tiempo medio
requerido para alcanzar la dosis letal es inferior a 13 minutos?
Docente: Ing. Ronald Mamani Mayta
 EJERCICIO 2

Una muestra de las calificaciones en un examen que presentaron varones y mujeres

en un curso de Estadística se muestran en la tabla:

Varones Mujeres Varones Mujeres Varones Mujeres

72 81 79 76 66 81
69 67 80 67 98 76
98 90 77 90 76
66 78 80 81 85
85 81 72 80 77
76 80 69 78 79

• Pruebe al 5%, si existe una diferencia significativa en el rendimiento de hombres y

mujeres.
Docente: Ing. Ronald Mamani Mayta