Hipotesis Parte I

Prueba de Hipótesis
Parte I
Cuatrimestre I 2020 Dr. Osmar Vera !1

Hemos visto:
➢Estimación puntual de un parámetro,θ
➢Estimación por IC para un parámetro,θ
Veremos ahora:
➢Contrastes ó comparaciones para ≠ θ

Ejemplo 1: Una empresa de transportes gasta 20 litros
de nafta en promedio cada 200 km, con un desvío de 20
km. Le ofrecen una nueva nafta que según el vendedor
aumentará el rendimiento.
¿Qué hago? ¿Cambio o me quedo con la vieja opción?
Cambiaré en el caso que la nueva nafta aumente

REALMENTE EL RENDIMIENTO
¿Qué procedimiento sigo para tener cierta

“seguridad” en la decisión que tome ?

Tomo una muestra de 25 camiones, les cargo la
nueva nafta y mido el rendimiento promedio.
Observo que en promedio los camiones hacen 220

km con 20 litros!!! Con la vieja nafta hacían 200 km
cada 20 litros!!
¿Existe suficiente evidencia muestral como para

afirmar que la nueva nafta AUMENTA EL
RENDIMIENTO PROMEDIO??

Entonces, en esta situación debemos decidir
entre dos conclusiones ó pretensiones
contradictorias:
«La nueva nafta «La nueva nafta SI

NO aumenta el aumenta el
rendimiento rendimiento
promedio» promedio»
Los métodos para realizar esta toma

de decisión comprenden una parte de
la inferencia estadística, llamada
Prueba de hipótesis.

Existe una analogía conocida del razonamiento en las pruebas
de hipótesis con el que se hace en un juicio criminal.
Una pretensión es la aseveración de que el individuo acusado
es inocente. Esta es la pretensión que inicialmente se cree que
es cierta.
HIPOTESIS INICIAL: EL INDIVIDUO ES INOCENTE
HIPOTESIS ALTERNATIVA: EL INDIVIDUO ES CULPABLE
Sólo frente a una fuerte evidencia que diga lo contrario el

jurado deberá rechazar esta pretensión de inocencia,
a favor de la aseveración alternativa de que el
acusado es culpable.

Entonces, en el juicio criminal, la hipótesis favorecida es
la de inocencia!
Se sospecha que el acusado es culpable (por algo llegamos a
un juicio). Permanecerá inocente hasta que la evidencia pruebe
lo contrario.
La prueba de hipótesis estadística funciona de la misma

forma:
La pretensión inicial que es la favorecida no será

rechazada a favor de la pretensión alternativa a menos
que la evidencia muestral la contradiga y apoye
fuertemente la aseveración alternativa.

Entonces, en nuestro ejemplo:
Hipótesis inicial: rendimiento promedio de la nueva
nafta = rendimiento promedio de la nafta actual
Hipótesis de
No Cambio.
Contradictorias
Hipótesis alternativa: rendimiento promedio de la nueva

nafta es mayor que el rendimiento promedio actual.
Hipótesis que
se sospecha.

Un método conservador es identificar,
Hipótesis inicial: H0
Hipótesis alternativa: H1
En nuestro ejemplo: Se carga la nueva nafta en 25

camiones y se define la variable aleatoria,
X: distancia recorrida por un camión con 20 litros de la
nueva nafta. E(X)=µ
H0: µ = 200 El MISMO rendimiento que con la nafta anterior
H1: µ > 200 MEJOR rendimiento que con la nafta anterior

DEFINICIÓN:
La hipótesis nula denotada con H0, es la pretensión que
inicialmente se supone cierta (la creencia previa). La hipótesis
alternativa H1 (generalmente la hipótesis de trabajo o la que el
investigador quiere probar), es la afirmación contradictoria de
H0.
La hipótesis nula será rechazada a favor de la hipótesis alternativa

solo si la evidencia muestral sugiere que H0 es falsa. Si la muestra
no contradice fuertemente a H0, se continuará creyendo en la
verdad de la hipótesis nula. Las dos posibles conclusiones
derivadas de una prueba de hipótesis son entonces
RECHAZAR H0 O NO RECHAZAR H0 .

Los pasos de este procedimiento:
Hipótesis de trabajo.
Hipótesis estadísticas.
Regla de decisión, se basará en…
Estadístico de prueba, cuya distribución se conoce.
Zona de rechazo, de modo tal que si el estadístico
observado en la muestra pertenece a esta región,
se rechaza H0 .

En nuestro ejemplo: Se carga la nueva nafta en 25
camiones.
X: distancia recorrida por un camión con 20 litros de la
nueva nafta. Si quiero analizar el rendimiento
medio de la nafta nueva, EL
H0: µ = 200 ESTADISTICO DE LA PRUEBA SERÁ EL
H1: µ > 200 ESTIMADOR PUNTUAL DE μ
" , .
Bajo H0
Si al calcular en la muestra de
los 25 camiones, ese valor se
µ = 200 aleja mucho de µ, entonces
RECHAZARÉ H0
¿Cuán lejos deberá estar?
Por un lado tenemos la realidad (que H0 sea
Verdadera o Falsa) y por otro lado tenemos el
hecho de Rechazar H0 o no Rechazar H0
debido a la evidencia muestral.
Entonces, podemos cometer errores:

Rechazar H0 No Rechazar H0
H0 es V Error Tipo I Correcto
H0 es F Correcto Error Tipo II
La base para elegir la región de rechazo radica en la

consideración de los errores que se pueden presentar
al sacar una conclusión.
El mejor de los mundos sería realizar un proceso de
prueba sin cometer errores.
Analicemos cual de los dos errores sería el mas grave.

Llamemos:
Error de Tipo I = error de la acción.
Error de Tipo II = error de la inacción.
α = P(cometer error de tipo I)

β = P(cometer error de tipo II)

¿Alguno de estos dos errores será mas grave?
α = P(cometer error de tipo I)
β = P(cometer error de tipo II)
Entonces vamos a minimizar:
α = P(cometer error de tipo I)=P(Rechazar H0 cuando H0
es Verdadera) = Nivel de significación de la Prueba
β = P(cometer error de tipo II)=P(No rechazar H0 cuando H0
es falsa)


En nuestro ejemplo una prueba para la media de una
población Normal con σ
" conocida.
H0: µ = 200 Con un nivel de significación α
" lo más
H1: µ > 200 chico posible.
Graficamente,
Hay dos distribuciones para : cuando H0 es V y otra cuando

H0 es F Bajo: H0 V Bajo: H0 F
µ=200 µ>200

Si rechazo H0 es porque la muestra me indica que los
valores de la media se alejan del valor de la hipótesis
nula o sea se alejan de 200 para los valores grandes
positivos.
α estará ubicado en la zona que determina la hipótesis

alternativa, o sea en este caso hacia la derecha.
Bajo H0 V
α
µ=200

Bajo H0 V
Zona de No rechazo de H0
Zona de Rechazo de H0
µ=200
µ=200
Bajo H0 F
µ>200

Volviendo a nuestro Bajo: H0 V
Zona de No rechazo de H0 α
problema:
Zona de Rechazo
H0: µ = 200 de H0
H1: µ > 200
µ=200
Minimicemos:
α = P(cometer error de tipo I)=P(Rechazar H0 cuando H0
es Verdadera) = Nivel de significación de la Prueba

Entonces, α = P(Rechazar H0 / H0 es Verdadera)
Gráficamente: Bajo H0 V
Zona de No rechazo de H0 α = pequeño
Zona de Rechazo
de H0
µ=200
Dos formas equivalentes de determinar la

zona de Rechazo de H0

σ Respecto de
n
Bajo H0 V
Zona de No rechazo de H0
α = pequeño
Zona de Rechazo de H0
µ=200
µ=200
Respecto de Z
α = pequeño
Zona de
Rechazo de H0
Z
µ=0 Zα =?

Respecto de Z
El estadístico de la prueba es , estandarizando resulta:
α = 0.05
Zona de
Rechazo de H0
Con µ0=200, σ=20, µ=0

z Z0.05 = 1.64
Zona de Rechazo = { z / z > 1.64} = [1.64; +∞)
Rechazo H0!!
EObservado ∈ Zona de Rechazo

Respecto de Rechazare H0 si resulta muy grande!
Despejando,
RECHAZARÉ H0 si al calcular x α = 0.05

Zona de
e n l a m u e s t ra d e l o s 2 5
Rechazo de H0
camiones, ese valor
supera206.56
µ=200
Rechazo H0!!

Pasos para una Prueba de Hipótesis
1. Definir la variable aleatoria en estudio.

2. Plantear las hipótesis de trabajo.
3. Hacer las suposiciones necesarias.
4. Plantear las hipótesis, H0 y H1.
5. Definir el Estadístico de prueba: E.
6. Dar la distribución del Estadístico E si H0 es
Verdadera.
7. Establecer la región de rechazo de la prueba fijado
α.
8. Calcular el Estadístico Observado y decidir.
9. Interpretar el resultado.

En general, TEST DE GAUSS PARA LA MEDIA DE
UNA POBLACIÓN NORMAL CON σ2 CONOCIDO
Hipótesis del problema

1 2 3
H0: µ = µ0 H0: µ = µ0 H0: µ = µ0

H1: µ > µ0 H1: µ < µ0 H1: µ ≠ µ0
Estadístico de la prueba
Para un nivel de significación α rechazo H0 si EObservado ∈ Zona de Rechazo

1 2 3
H0: µ = µ0 H0: µ = µ0 H0: µ = µ0
H1: µ > µ0 H1: µ < µ0 H1: µ ≠ µ0
Región de Rechazo para nivel de significación α

Unilaterales ó Bilateral ó de 2 colas
de una cola
α/2 α/2
α α
R = { z / z > zα } R = { z / z <- zα }

Ejemplo 2:
Se sabe que el tiempo de secado de cierto tipo de pintura está normalmente
distribuido con valor medio 75 min y desviación estándar 9 min. Los técnicos
propusieron un nuevo aditivo para reducir el tiempo de secado. Sea µ el tiempo de
secado promedio verdadero cuando se utiliza el aditivo. Para poner a prueba el
aditivo se miden 25 tiempos de secado, dando por resultado una media muestral
de 70.1 min. Si se considera un nivel de significación de la prueba del 5%, plantee
una prueba para el uso del aditivo y establezca la regla de decisión respecto del
promedio muestral.
Datos:
1. Definir la variable aleatoria en estudio. X: tiempo de secado
2. Plantear la hipótesis de trabajo. X~ N(µ=75,σ =9)
3. Hacer las suposiciones necesarias. n=25
4. Plantear las hipótesis, H0 y H1. α = 0.05. "x = 70.1
6. Dar la distribución del Estadístico si H0 es Verdadera.
7. Establecer la región de rechazo de la prueba fijado α.

1. Definir la variable aleatoria en estudio.
X: Tiempo de secado de una pintura.
2. Plantear la hipótesis de trabajo:
Se desea poner a prueba que el nuevo aditivo disminuirá el
tiempo de secado.
3. Hacer las suposiciones necesarias.
X ~ N (µ=75 min,σ=9 min)
4. Plantear las hipótesis, H0 y H1.

H0: µ=75 min H1: µ<75 min
6. Dar la distribución del Estadístico si H0 es Verdadera.

E~ N(0,1)
7. Establecer la región de rechazo de la prueba fijado α .
Región de Rechazo para nivel de significación α = 0.05
Respecto de Z
Zona de Rechazare H0 si resulta muy
Rechazo de H0 chico!
α = 0.05
µ=0
Rechazo H0!!
Con un nivel de significación del 5% existe suficiente evidencia muestral
para considerar que el aditivo va a disminuir el tiempo de secado de la
pintura.

Respecto de
Zona de Rechazare H0 si resulta muy
Rechazo de H0 chico!
α = 0.05
µ=75
Como Rechazo H0!!

PROBABILIDAD ERROR TIPO II
Calculemos el valor de β(72), es decir: β(72) =
= P(error tipo II, cuando μ = 72) = P(H0 no es rechazada cuando es falta porque μ = 72)
= P(X > 75 − 1.64 ⋅ 1.8, μ = 72) = P(X > 72.048, μ = 72) =
X − 72 72.048 − 72
= P( > ) = P(Z > 0.026) = 0.49
1.8 1.8
β(72) = 0.49
72.048 − 70.08
β(70.8) = 1 − ϕ( ) = 1 − ϕ(1.09) = 0.137
1.8
72.048 − 70
β(70) = 1 − ϕ( ) = 0.124
1.8
72.048 − 67
β(67) = 1 − ϕ( ) = 0.0025
1.8

CALCULO DEL TAMAÑO DE LA MUESTRA
Consideremos dos restricciones P(error tipo I ) = α y β(μ′) = β para α, μ′ y β especificadas.
Entonces para una prueba de cola inferior, el tamaño de la muestra n deberá ser elegido de forma
tal que satisfaga la siguiente igualdad:
β = β(μ′) = P(error tipo II, cuando μ = μ′) = P(H0 no es rechazada cuando es falsa porque μ = μ′)
X − μ′ (μ0 − μ′) zα ⋅ σ/ n
β = P(X > μ0 − zα ⋅ σ/ n, cuando μ = μ′) = P( > − )
σ/ n σ/ n σ/ n
μ0 − μ′
β = P(Z > − zα + ) la única incógnita de esta igualdad es n .
σ/ n
Si para el test anterior, H0: µ=75 ; H1: µ<75 se tiene α = 0.05, β = 0.60 y , μ′ = 72, se
tiene que n es tal que:
75 − 72 75 − 72
0.60 = P(Z > − z0.05 + ) ⟹ −1.64 + = − 0.25 ⟹ n = 18
9/ n 9/ n

1. Una empresa desea iniciar una campaña de ventas de aparatos de TV. Se considera que
la decisión de comenzar la campaña debe estar relacionada con los ingresos medios
mensuales por familia, de modo que será afirmativa si estos son iguales o superiores a
$5000 y negativa cuando los ingresos no lleguen a esa suma. Suponer el desvío
poblacional de $200 y que se extrae una muestra de 100 familias, dando un promedio de
ingresos mensuales de $4980. Decidir si se comienza la campaña de venta de aparatos
de TV, con un nivel de significación del 5% . Hallar el p – valor. Calcular la probabilidad
de cometer error de Tipo II cuando la verdadera media es igual a 4970.
Resolver yo este ejercicio. No calcule aun el p-valor

H0 : μ = μ0 H1 : μ > μo
Datos:
X: peso de un tubo de hormigón H0: µ=18 H1: µ>18
X~ N(µ=18,σ2 =4)
n=16
α = 0.05. x" = 18.5 α = 0.05
Zona de
Rechazo de H0
µ=18

H0: µ=18 H1: µ>18
α = 0.05 y z0.05=1.64
µ=18
µ=0
No Rechazo H0!!
Con un nivel de significación del 5% no existe suficiente evidencia
muestral para considerar que el peso medio de los tubos es
significativamente superior al especificado por el fabricante.

P - Valor
α = 0.05 = 5%
µ=0
Eobservado=1
P – Valor = P(Z>1)= 1- $ϕ(1) =1 – 0.84134 = 0.15866 , 16%

Si el p – valor > nivel de significación (α) NO SE RECHAZA H0
Definición de p – valor: Es el área de rechazo para el estadístico

calculado para esa muestra

Un fabricante de sistemas rociadores como protección contra incendios
afirma que la temperatura promedio verdadera de activación del sistema
es de 130°. Una muestra de n=9 sistemas, cuando se someten a prueba
dan una temperatura de activación promedio de 131.08°. Si la
temperatura de activación es normal con un desvió estándar de 1.5°
¿Contradicen los datos la afirmación del fabricante a un nivel de
significación del 1%?
Datos:
X: temperatura de activación del sistema H0: µ=130 vs. H1: µ≠130
X~ N(µ=130,σ =1.5)
n=9 Bilateral ó de 2 colas
α = 0.01
α/2 =0.005 α/2=0.005
µ=0

α/2 = 0.005 α/2 = 0.005
µ=0
No Rechazo H0!!
Respecto de

P - Valor
Como es una prueba bilateral el p – valor es el área de cada cola:

P – Valor = 2*P(Z>2.16)= 2*(1- ϕ$ (2.16)) =2*(1 – 0.9846) =
=2*0.0154 = 0,03. 3%
Como el p – valor > nivel de significación (α) NO SE RECHAZA H0

4
Encontrar
Datos:
X: Duración de una lampara H0: µ=9.5 H1: µ>9.5
X~ N(µ=9.5,σ)
n=10
α = 0.05
α=0.05
R = { t9 / t9 > t9;α }

Rechazo H0!!
Respecto de

P - Valor
P – Valor = P(t9 >4.087)=0.00136<0.05
Como el p – valor < nivel de significación (α) SE RECHAZA H0

En general, TEST PARA LA MEDIA DE UNA
POBLACION NORMAL CON σ2 DESCONOCIDO
Hipótesis del problema
1 2 3
H0: µ = µ0 H0: µ = µ0 H0: µ = µ0
H1: µ > µ0 H1: µ < µ0 H1: µ ≠ µ0
S
Para un nivel de significación α ,rechazo H0 si EObservado ∈ Zona de Rechazo

1 2 3
H0: µ = µ0 H0: µ = µ0 H0: µ = µ0
H1: µ > µ0 H1: µ < µ0 H1: µ ≠ µ0
Estadístico de la prueba S
Región de Rechazo para nivel de significación α

Unilaterales ó Bilateral ó de 2 colas
de una cola
α/2 α/2
α α
R = { tn-1 / tn-1 > tα; n-1 } R = { tn-1 / tn-1 < -tα; n-1 }

Ejercicio 2 Trabajo Práctico 7: Según un fabricante, la resistencia
media extrema de cierto alambre aleado de Al es de 250 MN/m2 y su
distribución es normal. Un contratista adquiere un lote de alambre y pone
a prueba una muestra de tamaño 25. El valor medio y la desviación
estándar obtenidos a partir de esa muestra son respectivamente 253.4
MN/m2 y 11.2 MN/m2. ¿Es justificable que el contratista concluya que la
remesa tiene una resistencia significativamente diferente a lo especificado
por el fabricante ? Tomar un nivel de significación del 5%. Encontrar el p-
valor.
Datos:
X: resistencia alambre aleado de Al
X~ N(µ=250,σ)
n=25
α = 0.05. x" = 253.4, s = 11.2
H0 : μ = 250, H1 : μ ≠ 250
Finalizarlo yo !

Subir al aula virtual el ejercicio 2 del TP7, enviarlo via mail a:
overa17@gmail.com.
FIN

Hipotesis Parte I

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Hipotesis Parte I

Cargado por

Copyright:

Formatos disponibles

Prueba de Hipótesis

Cuatrimestre I 2020 Dr. Osmar Vera !1

➢Estimación puntual de un parámetro,θ

➢Estimación por IC para un parámetro,θ

Cuatrimestre I 2020 Dr. Osmar Vera !2

¿Qué hago? ¿Cambio o me quedo con la vieja opción?

Cambiaré en el caso que la nueva nafta aumente

¿Qué procedimiento sigo para tener cierta

Cuatrimestre I 2020 Dr. Osmar Vera !3

Observo que en promedio los camiones hacen 220

¿Existe suficiente evidencia muestral como para

Cuatrimestre I 2020 Dr. Osmar Vera !4

«La nueva nafta «La nueva nafta SI

Los métodos para realizar esta toma

Cuatrimestre I 2020 Dr. Osmar Vera !5

HIPOTESIS INICIAL: EL INDIVIDUO ES INOCENTE

HIPOTESIS ALTERNATIVA: EL INDIVIDUO ES CULPABLE

Sólo frente a una fuerte evidencia que diga lo contrario el

Cuatrimestre I 2020 Dr. Osmar Vera !6

La prueba de hipótesis estadística funciona de la misma

La pretensión inicial que es la favorecida no será

Cuatrimestre I 2020 Dr. Osmar Vera !7

Hipótesis alternativa: rendimiento promedio de la nueva

Cuatrimestre I 2020 Dr. Osmar Vera !8

En nuestro ejemplo: Se carga la nueva nafta en 25

H1: µ > 200 MEJOR rendimiento que con la nafta anterior

Cuatrimestre I 2020 Dr. Osmar Vera !9

La hipótesis nula será rechazada a favor de la hipótesis alternativa

Cuatrimestre I 2020 Dr. Osmar Vera !10

Cuatrimestre I 2020 Dr. Osmar Vera !11

Entonces, podemos cometer errores:

La base para elegir la región de rechazo radica en la

H0 es V Error Tipo I Correcto

α = P(cometer error de tipo I)

Cuatrimestre I 2020 Dr. Osmar Vera !14

H0 es V Error Tipo I Correcto

Cuatrimestre I 2020 Dr. Osmar Vera !15

Hay dos distribuciones para : cuando H0 es V y otra cuando

Cuatrimestre I 2020 Dr. Osmar Vera !16

α estará ubicado en la zona que determina la hipótesis

Cuatrimestre I 2020 Dr. Osmar Vera !17

Cuatrimestre I 2020 Dr. Osmar Vera !18

Cuatrimestre I 2020 Dr. Osmar Vera !19

Dos formas equivalentes de determinar la

Cuatrimestre I 2020 Dr. Osmar Vera !20

Cuatrimestre I 2020 Dr. Osmar Vera !21

El estadístico de la prueba es , estandarizando resulta:

Con µ0=200, σ=20, µ=0

Zona de Rechazo = { z / z > 1.64} = [1.64; +∞)

Cuatrimestre I 2020 Dr. Osmar Vera !22

RECHAZARÉ H0 si al calcular x α = 0.05

Cuatrimestre I 2020 Dr. Osmar Vera !23

1. Definir la variable aleatoria en estudio.

Cuatrimestre I 2020 Dr. Osmar Vera !24

Hipótesis del problema

H0: µ = µ0 H0: µ = µ0 H0: µ = µ0

Para un nivel de significación α rechazo H0 si EObservado ∈ Zona de Rechazo

Cuatrimestre I 2020 Dr. Osmar Vera !25

Región de Rechazo para nivel de significación α

Cuatrimestre I 2020 Dr. Osmar Vera !26

Cuatrimestre I 2020 Dr. Osmar Vera !27

4. Plantear las hipótesis, H0 y H1.

6. Dar la distribución del Estadístico si H0 es Verdadera.