UAGRM

Facultad Integral del Norte

1
Estadística Matemática
Ing. René Alfredo Ovando P

TEMA III: PRUEBA DE HIPOTESIS

3.1. TEORIA DE HIPOTESIS

El tema anterior mostró cómo puede estimarse un parámetro a partir de los datos contenidos en una
muestra. Puede encontrarse ya sea un sólo número (estimador puntual) o un intervalo de valores posibles
(intervalo de confianza). Sin embargo, muchos problemas de ingeniería, ciencia, y administración,
requieren que se tome una decisión entre aceptar o rechazar una proposición sobre algún parámetro. Esta
proposición recibe el nombre de hipótesis. Este es uno de los aspectos más útiles de la inferencia
estadística, puesto que muchos tipos de problemas de toma de decisiones, pruebas o experimentos en el
mundo de la ingeniería, pueden formularse como problemas de prueba de hipótesis.

Una hipótesis estadística es una proposición o supuesto sobre los parámetros de una o más poblaciones

Es importante recordar que las hipótesis siempre son proposiciones sobre la población o distribución
bajo estudio, no proposiciones sobre la muestra. Por lo general, el valor del parámetro de la población
especificado en la hipótesis nula se determina en una de tres maneras diferentes:

1. Puede ser resultado de la experiencia pasada o del conocimiento del proceso, entonces el objetivo
de la prueba de hipótesis usualmente es determinar si ha cambiado el valor del parámetro.
2. Puede obtenerse a partir de alguna teoría o modelo que se relaciona con el proceso bajo estudio.
En este caso, el objetivo de la prueba de hipótesis es verificar la teoría o modelo.
3. Cuando el valor del parámetro proviene de consideraciones externas, tales como las
especificaciones de diseño o ingeniería, o de obligaciones contractuales. En esta situación, el
objetivo usual de la prueba de hipótesis es probar el cumplimiento de las especificaciones.

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.
 UAGRM
Facultad Integral del Norte
2
Estadística Matemática
Ing. René Alfredo Ovando P

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.

Al realizar pruebas de hipótesis, se parte de un valor supuesto (hipotético) en parámetro poblacional.

Después de recolectar una muestra aleatoria, se compara la estadística muestral, así como la media (x),
con el parámetro hipotético, se compara con una supuesta media poblacional (). Después se acepta o se
rechaza el valor hipotético, según proceda. Se rechaza el valor hipotético sólo si el resultado muestral
resulta muy poco probable cuando la hipótesis es cierta.

Tenemos dos tipos de pruebas: la prueba bilateral o a dos colas, donde la hipótesis nula presenta la
igualdad y la alternativa presenta diferente (≠). Las pruebas unilaterales pueden de izquierda o derecha,
si la hipótesis alternativa es menor (<), entonces será a la izquierda (en el lado izquierdo se tiene la zona
de rechazo), y si la hipótesis alternativa es mayor (>), entonces será a la derecha.

Ho : µ = 50 Hipótesis nula
Pruebas
bilateral H1 : µ ≠ 50 Hipótesis alternativa

Ho : µ ≤ 50 Hipótesis nula

H1 : µ > 50 Hipótesis alternativa

Pruebas
unilateral
Ho : µ ≥ 50 Hipótesis nula

H1 : µ < 50 Hipótesis alternativa

Las regiones sombreadas en todos los gráficos representa la región crítica de tamaño .

Características de la Hipótesis nula:

 Se va a considerar como cierta hasta que se tenga suficiente evidencia de lo contrario
 SIEMPRE incluye el signo de la igualdad
 Es la base para el análisis estadístico de la prueba

Características de la Hipótesis alternativa:

 Es lo contrario a la hipótesis nula
 En general esta hipótesis se establece en términos de lo que se anda buscando evidencia
 Es la que define la dirección de la zona de rechazo
 UAGRM
Facultad Integral del Norte
3
Estadística Matemática
Ing. René Alfredo Ovando P

3.2. ERROR DE TIPO I Y DE TIPO II

Si rechazamos una hipótesis cuando debiera ser aceptada, diremos que se ha cometido un error de tipo I.
Por otra parte, si aceptamos una hipótesis que debiera ser rechazada, diremos que se cometió un error de
tipo II.

En ambos casos, se ha producido un juicio erróneo.

Para que las reglas de decisión (o no contraste de hipótesis) sean buenas, deben diseñarse de modo que
minimicen los errores de la decisión; y no es una cuestión sencilla, porque para cualquier tamaño de la
muestra, un intento de disminuir un tipo de error suele ir acompañado de un crecimiento del otro tipo.
En la práctica, un tipo de error puede ser más grave que el otro, y debe alcanzarse un compromiso que
disminuya el error más grave.

La única forma de disminuir ambos a la vez es aumentar el tamaño de la muestra que no siempre es
posible.

3.3. NIVEL DE SIGNIFICANCIA

Al contrastar una cierta hipótesis, la máxima probabilidad con la que estamos dispuesto a correr el riesgo
de cometerán error de tipo I, se llama nivel de significación.

Esta probabilidad, denota a menudo por a se, suele especificar antes de tomar la muestra, de manera que
los resultados obtenidos no influyan en nuestra elección.

En la práctica, es frecuente un nivel de significación de 0,05 ó 0,01, si bien se une otros valores. Si por
ejemplo se escoge el nivel de significación 0,05 (ó 5%) al diseñar una regla de decisión, entonces hay
unas cinco (05) oportunidades entre 100 de rechazar la hipótesis cuando debiera haberse aceptado; Es
decir, tenemos un 95% de confianza de que hemos adoptado la decisión correcta. En tal caso decimos
que la hipótesis ha sido rechazada al nivel de significación 0,05, lo cual quiere decir que tal hipótesis
tiene una probabilidad 0,05 de ser falsa.

Variabilidad del parámetro

Si no se conoce, puede obtenerse una aproximación en los datos aportados por la literatura científica o
en un estudio piloto. También hay métodos para calcular el tamaño de la muestra que prescinde de este
aspecto. Habitualmente se usa como medida de esta variabilidad la desviación típica poblacional y se
denota σ.

Error de la estimación
Es una medida de su precisión que se corresponde con la amplitud del intervalo de confianza. Cuanta
más precisión se desee en la estimación de un parámetro, más estrecho deberá ser el intervalo de
confianza y, si se quiere mantener o disminuir el error, más ocurrencias deberán incluirse en la muestra
estudiada. En caso de no incluir nuevas observaciones para la muestra, más error se comete al aumentar
la precisión. Se suele llamar E, según la fórmula E = θ2 - θ1.
 UAGRM
Facultad Integral del Norte
4
Estadística Matemática
Ing. René Alfredo Ovando P

Nivel de confianza
Es la probabilidad de que el verdadero valor del parámetro estimado en la población se sitúe en el
intervalo de confianza obtenido. El nivel de confianza se denota por (1-α), aunque habitualmente suele
expresarse con un porcentaje ((1-α)·100%). Es habitual tomar como nivel de confianza un 95% o un
99%, que se corresponden con valores α de 0,05 y 0,01, respectivamente.

3.4. PROCEDIMIENTO PARA EL ENSAYO DE UNA HIPOTESIS

La prueba de hipótesis es el procedimiento basado en la evidencia muestral y en la teoría de probabilidad

que se emplea para determinar si la hipótesis es un enunciado razonable.

Existe un procedimiento de cinco pasos que sistematiza la prueba de hipótesis:

Paso 1: Plantear la hipótesis nula y la hipótesis alternativa. La hipótesis nula es la afirmación (o

enunciado) acerca del valor de un parámetro poblacional. La hipótesis alternativa es la
afirmación que se aceptará si los datos muestrales proporcionan amplia evidencia de que la
hipótesis nula es falsa.
Paso 2: Se determina el nivel de significancia. El nivel de significancia es la probabilidad de rechazar
la hipótesis nula cuando es verdadera.
Paso 3: Formular la regla de decisión. Una regla de decisión es un enunciado de las condiciones según
las que se acepta o se rechaza la hipótesis nula. La región de rechazo define la ubicación de
todos los valores que son demasiados grandes o demasiado pequeños, por lo que es muy remota
la probabilidad de que ocurran según una hipótesis nula verdadera.
Paso 4: Calcular el valor estadístico de prueba. A partir de un estudio muestral se tiene la información
para calcular “z” que se utiliza para determinar si se rechaza la hipótesis nula.
Paso 5: Tomar una decisión. El quinto y último paso en la prueba de hipótesis es la toma de la decisión
de rechazar o no la hipótesis nula.

Ejemplo:
Un trabajador social cree que el peso promedio de los muchachos de 10 años que viven en un sector rural
determinado es inferior a 34 kilogramos. Una muestra aleatoria de 30 muchachos tomada de esa
población arrojó un peso promedio de 30 kilogramos y una desviación típica de 10. ¿Proporcionan estos
datos evidencia suficiente para concluir que la opinión del trabajador social es correcta en el nivel de
significación 5%?

1er PASO: Formular la hipótesis:

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.
 UAGRM
Facultad Integral del Norte
5
Estadística Matemática
Ing. René Alfredo Ovando P

Por lo tanto, las hipótesis se plantean de la siguiente manera:

H0 : μ ≥ 35 el peso es como mínimo 35 kilogramos

H1 : μ < 35 se sospecha que el peso es ahora menos de 35 kilogramos

2do PASO: Determinar el nivel de significancia:

α = 0,05

3er PASO: Formular la regla de decisión:

Construimos la curva normal y determinamos la zona de aceptación y la zona de rechazo de la
hipótesis nula.

Para,
p = 1-0,05 = 0,95
de tabla normal tenemos que
z = 1,65

Pero, como el análisis es en el lado

izquierdo de la curva normal, z
tendrá signo negativo

4to PASO: Calcular el valor estadístico de prueba

x En la que:
z=  x = valor de la variable aleatoria de interés.
  µ = media de la distribución de la variable
n aleatoria.
 σ = desviación estándar de la distribución.
 z = número de desviaciones estándar que hay
30  35
zC =  2.74 desde x a la media de la distribución (El uso de
10 z es solamente un cambio de escala de medición
30 del eje horizontal), está en función al nivel se
significancia establecido en el ensayo de
hipótesis.

Ubicamos Z calculada en la curva normal.

 UAGRM
Facultad Integral del Norte
6
Estadística Matemática
Ing. René Alfredo Ovando P

5to PASO: Toma de decisiones

Como Z calculada está en la zona de rechazo, entonces se rechaza la hipótesis nula y se acepta la hipótesis
alternativa, por lo que podemos asegurar que el trabajador social tiene razón al indicar que en la
población existen problemas de alimentación y nutrición porque los niños en promedio pesan menos de
35 kilogramos, y deberá plantearse un plan de nutrición y realizar campañas de concientización a la gente
para ver la importancia de la buena alimentación en el rendimiento escolar de los muchachos de 10 años.