PROCESO: PLANEACIÓN Y GESTIÓN INTEGRAL

TÍTULO: GUIA DE APRENDIZAJE

CÓDIGO: R-FAC-048
VERSIÓN: 001

GUÍA DE APRENDIZAJE N° 4

2. PRESENTACIÓN

Área de Formación: Catalogo:

Ciencias Básicas Versión:
Asignatura: Eje Formativo:
Estadística II
Fase Formativa: Modalidad de Formación
(Marque con una x):
__x_Presencial _____Virtual
Actividad de Aprendizaje: Pruebas de hipótesis de
una y dos muestras

Escuela o Área: Inferencia Estadística

Resultados de Aprendizaje – Habilidades Competencia:
Identifica las diferentes pruebas de hipótesis existente y Apropiar los conocimientos de
aplica en diferentes contexto. De prueba de hipótesis
Interpreta y aplica la prueba de
hipótesis el contexto indicado
Duración de la guía (en tiempo): 6 horas
Presentación, justificación y objetivos.

A menudo, el problema al que se enfrentan el científico, el ingeniero o el medico no es tanto

la estimación de un parámetro poblacional, sino más bien la formación de un procedimiento
de decisión que se base en los datos, el cual ofrezca una conclusión acerca de algún sistema
científico. Por ejemplo, un investigador médico puede decidir, sobre la base de evidencia
experimental, si en
los seres humanos beber café incrementa el riesgo de padecer cáncer; un ingeniero quizá
tenga que decidir sobre la base de datos muestrales si hay una diferencia entre la precisión
de dos ti pos de medidores; o tal vez un sociólogo desee reunir los datos apropiados que le
permitan decidir si el tipo sanguíneo de un individuo
y el color de los ojos son variables independientes. En cada uno de estos casos, el científico
o el ingeniero postulan o conjeturan algo acerca de un sistema. Además, cada uno debe
incluir el uso de da tos experimentales y la toma de decisiones basadas en ellos. De manera
formal, en cada caso, la conjetura se puede poner en forma de hipótesis estadística. Los
procedimientos que conducen a la aceptación o

1
 PROCESO: PLANEACIÓN Y GESTIÓN INTEGRAL
TÍTULO: GUIA DE APRENDIZAJE
CÓDIGO: R-FAC-048
VERSIÓN: 001

GUÍA DE APRENDIZAJE N° 4

al rechazo de hipótesis estadísticas como éstas comprenden un área importante de la

inferencia estadística: Primero, definamos con precisión lo que entendemos

3. ACTIVIDADES DE APRENDIZAJE

Pruebas de hipótesis de una y dos muestras

Hipótesis nula e hipótesis alternativa

La estructura de la prueba de hipótesis se formulará usando el término hipótesis nula, el

cual se refiere a cualquier hipótesis que deseamos probar y se denota con H0. El rechazo
de H0 conduce a la aceptación de una hipótesis alternativa, que se denota con H1. La
comprensión de las diferentes funciones que desempeñan la hipótesis nula (H0) y la
hipótesis alternativa (H1) es fundamental para entender
los principios de la prueba de hipótesis. La hipótesis alternativa H1, por lo general,
representa la pregunta que debe responderse, la teoría que debe probarse y, por ello, su
especificación es muy importante. La hipótesis nula H0 anula o se opone a H1 y a menudo
es el complemento lógico para H1. Conforme el lector vaya aprendiendo más sobre la
prueba de hipótesis, debería notar que el analista llega a una de las
Siguientes dos conclusiones:

Rechace H0: a favor de H1 debido a evidencia suficiente en los datos.

no rechace H0: debido a evidencia insuficiente en los datos.

Observe que las conclusiones no implican una “aceptación” formal y literal de H0. El
enunciado de H0 a menudo representa el “status quo” contrario a una nueva idea,
conjetura, etcétera, enunciada en H1; en tanto que no rechazar H0 representa la
conclusión adecuada. En nuestro ejemplo binomial, la cuestión práctica podría surgir a
partir de un interés en que la probabilidad histórica de defectuosos de 0.10 ya no
es real. De hecho, la conjetura podría ser que excede 0.10. De manera que enunciaríamos

2
 PROCESO: PLANEACIÓN Y GESTIÓN INTEGRAL
TÍTULO: GUIA DE APRENDIZAJE
CÓDIGO: R-FAC-048
VERSIÓN: 001

GUÍA DE APRENDIZAJE N° 4

Ahora, 12 artículos defectuosos de cada 100 no rechazan p = 0.10, por lo que la conclusión
es “no rechace H0”. Sin embargo, si los datos producen 20 artículos defectuosos de cada
100, la conclusión sería “rechace H0” a favor de H1: p > 0.10.

Prueba de una hipótesis estadística

Se sabe que cierto tipo de vacuna contra el resfriado tan sólo es efectiva en 25% después
de un periodo de dos años.
Para determinar si una vacuna nueva, y algo más cara, es superior al dar protección contra
el mismo virus durante un periodo más largo, suponga que se elige a 20 personas al azar
y se inoculan. En un estudio real de este tipo, los participantes que reciben la nueva vacuna
pueden llegar a varios miles. El número 20 se utiliza aquí
sólo para demostrar los pasos básicos para realizar una prueba estadística. Si más de8
de quienes reciben la nueva vacuna superan el lapso de 2 años sin contraer el virus, la
nueva vacuna se considerará superior a la que se usa en la actualidad. El requisito de que
el número exceda de 8 es algo arbitrario, aunque parece razonable, ya que representa una
ganancia modesta sobre las 5 personas que se esperaría que recibieran protección si las
20 personas se inocularon con la vacuna ya en uso. En esencia probamos la hipótesis nula
de que —después de un periodo de 2 años— la nueva vacuna es igualmente eficaz que la
que, por lo general, se utiliza ahora. La hipótesis alternativa es que la nueva vacuna es de
hecho superior, lo cual es equivalente a probar la hipótesis de que el parámetro binomial
para la probabilidad de un éxito
sobre una prueba dada es p = 1/4 contra la alternativa de que p = 1/4. Esto, por lo general,
se escribe como:

El estadístico de prueba

El estadístico de prueba sobre 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 que o iguales a 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 caso 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. Este criterio de aceptación se ilustra en la figura

3
 PROCESO: PLANEACIÓN Y GESTIÓN INTEGRAL
TÍTULO: GUIA DE APRENDIZAJE
CÓDIGO: R-FAC-048
VERSIÓN: 001

GUÍA DE APRENDIZAJE N° 4

El procedimiento de decisión recién descrito podría conducir a cualquiera de dos

conclusiones erróneas. Por ejemplo, la nueva vacuna puede no ser mejor que la que se
usa actualmente y, para este grupo específico de individuos seleccionado de forma
aleatoria, más de 8 pasan el periodo de 2 años sin contraer el virus. Co meteríamos
un error al rechazar H0 a favor de H1 cuando, de hecho, H0 es verdadera. Tal error se
llama error tipo I.

Una segunda clase de error se comete si 8 o menos del grupo superan exitosamente el
periodo de 2 años y concluimos que la nueva vacuna no es mejor cuando en realidad sí lo
es. En este caso aceptamos H0 cuando de hecho es falsa. Éste se llama error tipo II.

Ilustración con una variable aleatoria continua

Los conceptos que aquí se discuten para una población discreta se pueden aplicar
igualmente bien a variables aleatorias continuas. Considere la hipótesis nula de que el
peso promedio de estudiantes hombres en cierta universidad es 68 kilogramos, contra la
hipótesis alternativa de que es diferente de 68. Es decir, deseamos probar

La hipótesis alternativa nos permite la posibilidad de que μ < 68 o μ > 68. Una media
muestral que caiga cerca del valor hipotético de 68 se consideraría como evidencia en

4
 PROCESO: PLANEACIÓN Y GESTIÓN INTEGRAL
TÍTULO: GUIA DE APRENDIZAJE
CÓDIGO: R-FAC-048
VERSIÓN: 001

GUÍA DE APRENDIZAJE N° 4

favor de H0. Por otro lado, una media muestral considerablemente menor que o mayor que
68 sería una evidencia de inconsistencia de H0 y, por lo tanto, favorecería a H1. La media
muestral es el estadístico de prueba en este caso. Una región crítica para el estadístico de
prueba se puede elegir de manera arbitraria como los dos intervalos 𝑥̅ < 67 y 𝑥̅ > 69.
La región de aceptación será entonces el intervalo 67 ≤ 𝑥̅ ≤ 69. Este criterio de decisión
se ilustra en la figura. Utilicemos

Ahora el criterio de decisión de la figura para calcular las probabilidades de cometer errores
tipo I y tipo II, cuando se prueba la hipótesis nula μ = 68 kilogramos contra la alternativa μ
≠ 68 kilogramos.

Suponga que la desviación estándar de la población de pesos es 𝜎 = 3.6. Para muestras

grandes podemos sustituir s por σ si no se dispone de ninguna otra estimación de 𝜎.
Nuestro estadístico de decisión, que se basa en una muestra aleatoria de tamaño 𝑛 = 36,
será 𝑋̅ , el estimador más eficaz de μ. Del teorema del límite sabemos que la distribución
muestral de 𝑋̅ es aproximadamente normal con desviación estándar

La probabilidad de cometer un error tipo I, o el nivel de significancia de nuestra prueba, es

igual a la suma de las áreas sombreadas en cada cola de la distribución

5
 PROCESO: PLANEACIÓN Y GESTIÓN INTEGRAL
TÍTULO: GUIA DE APRENDIZAJE
CÓDIGO: R-FAC-048
VERSIÓN: 001

GUÍA DE APRENDIZAJE N° 4

6
 PROCESO: PLANEACIÓN Y GESTIÓN INTEGRAL
TÍTULO: GUIA DE APRENDIZAJE
CÓDIGO: R-FAC-048
VERSIÓN: 001

GUÍA DE APRENDIZAJE N° 4

7
 PROCESO: PLANEACIÓN Y GESTIÓN INTEGRAL
TÍTULO: GUIA DE APRENDIZAJE
CÓDIGO: R-FAC-048
VERSIÓN: 001

GUÍA DE APRENDIZAJE N° 4

8
 PROCESO: PLANEACIÓN Y GESTIÓN INTEGRAL
TÍTULO: GUIA DE APRENDIZAJE
CÓDIGO: R-FAC-048
VERSIÓN: 001

GUÍA DE APRENDIZAJE N° 4

9
 PROCESO: PLANEACIÓN Y GESTIÓN INTEGRAL
TÍTULO: GUIA DE APRENDIZAJE
CÓDIGO: R-FAC-048
VERSIÓN: 001

GUÍA DE APRENDIZAJE N° 4

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

Una prueba de cualquier hipótesis alternativa donde la alternativa sea bilateral, como

10
 PROCESO: PLANEACIÓN Y GESTIÓN INTEGRAL
TÍTULO: GUIA DE APRENDIZAJE
CÓDIGO: R-FAC-048
VERSIÓN: 001

GUÍA DE APRENDIZAJE N° 4

se llama prueba de dos colas, ya que la región crítica se divide en dos partes, que a
menudo tienen probabilidades iguales que se colocan en cada cola de la distribución del
estadístico de prueba.

Una sola muestra: Pruebas con respecto a una sola media

(varianza conocida)

Ejemplo: Una muestra aleatoria de 100 muertes registradas en Estados Unidos el año
pasado mostró una vida promedio de 71.8 años. Suponiendo una desviación estándar
poblacionalde 8.9 años, ¿esto parece indicar que la vida media actual es mayor que 70
años? Utilice un nivel de significancia de 0.05.

11
 PROCESO: PLANEACIÓN Y GESTIÓN INTEGRAL
TÍTULO: GUIA DE APRENDIZAJE
CÓDIGO: R-FAC-048
VERSIÓN: 001

GUÍA DE APRENDIZAJE N° 4

Ejemplo:
Un fabricante de equipo deportivo desarrolló un nuevo sedal para pesca sintético que
afirma que tiene una resistencia media a la rotura de 8 kilogramos con una desviación
estándar de 0.5 kilogramos. Pruebe la hipótesis de que μ ≠ 8 kilogramos contra la
alternativa de que μ ≠ 8 kilogramos, si se prueba una muestra aleatoria de 50 sedales y
se encuentra que tiene una resistencia media a la rotura de 7.8 kilogramos. Utilice un nivel
de significancia de 0.01.

12
 PROCESO: PLANEACIÓN Y GESTIÓN INTEGRAL
TÍTULO: GUIA DE APRENDIZAJE
CÓDIGO: R-FAC-048
VERSIÓN: 001

GUÍA DE APRENDIZAJE N° 4

Una sola muestra: Pruebas sobre una sola media (varianza desconocida)

Ciertamente sospecharíamos que las pruebas sobre una media poblacional μ con 𝜎 2
desconocida, como la estimación del intervalo de confianza, debería incluir el uso de la
distribución t de Student. Estrictamente hablando, la aplicación de la t de Student tanto
para los intervalos de confi anza como para la prueba de hipótesis se desarrolla con las
siguientes suposiciones. Las variables aleatorias X1, X2, . . . , Xn representan una muestra
aleatoria de una distribución normal con μ y 𝜎 2 desconocidas. Entonces, la variable
aleatoria tiene una distribución t de Student con n − 1 grados de libertad. La estructura de
la prueba es idéntica a la del caso con σ conocida, con la excepción de que el valor σ en
el estadístico de prueba se reemplaza con la estimación de S calculada, y la distribución

13
 PROCESO: PLANEACIÓN Y GESTIÓN INTEGRAL
TÍTULO: GUIA DE APRENDIZAJE
CÓDIGO: R-FAC-048
VERSIÓN: 001

GUÍA DE APRENDIZAJE N° 4

normal estándar se reemplaza con una distribución t. Como resultado, para la hipótesis
bilateral

el rechazo de H0 en un nivel de significancia α resulta cuando un estadístico t calculado

Ejemplo
El Instituto Electrico Edison publica cifras del número anual de kilowatts-hora que gastan
varios aparatos electrodomésticos. Se afirma que una aspiradora gasta un promedio de 46
kilowatts-hora al año. Si una muestra aleatoria de 12 hogares que se incluye en un estudio
planeado indica que las aspiradoras gastan un promedio de 42 kilowatts-hora al año con
una desviación estándar de 11.9 kilowatts-hora, ¿en un nivel de significancia de 0.05 esto
sugiere que las aspiradoras gastan, en promedio, menos de 46 kilowatts-hora anualmente?
Suponga que la población de kilowatts- hora es normal.

Dos muestras: Pruebas sobre dos medias

Varianzas desconocidas pero iguales

14
 PROCESO: PLANEACIÓN Y GESTIÓN INTEGRAL
TÍTULO: GUIA DE APRENDIZAJE
CÓDIGO: R-FAC-048
VERSIÓN: 001

GUÍA DE APRENDIZAJE N° 4

Se incluye la distribución t y no se rechaza la hipótesis bilateral cuando

Ejemplo
Se lleva a cabo un experimento para comparar el desgaste por abrasivos de dos diferentes
materiales laminados. Se prueban 12 piezas del material 1 exponiendo cada pieza a una
máquina para medir el desgaste. Diez piezas del material 2 se prueban de manera similar.
En cada caso, se observa la profundidad del desgaste. Las muestras del material 1 dan un
desgaste promedio (codificado) de 85 unidades con una desviación estándar muestral de
4; en tanto que las muestras del material 2 dan un
promedio de 81 y una desviación estándar muestral de 5. .Podríamos concluir, con un nivel
de significancia de 0.05, que el desgaste abrasivo del material 1 excede el del material 2
en más de 2 unidades? Suponga que las poblaciones son aproximadamente normales con
varianzas iguales

15
 PROCESO: PLANEACIÓN Y GESTIÓN INTEGRAL
TÍTULO: GUIA DE APRENDIZAJE
CÓDIGO: R-FAC-048
VERSIÓN: 001

GUÍA DE APRENDIZAJE N° 4

Varianzas desconocidas pero diferentes (Investigar y traer ejemplos para exponer en

clase)

Observaciones pareadas

Ejercicio
En un estudio realizado en el Departamento de Silvicultura y Fauna del Instituto Politécnico
y Universidad Estatal de Virginia, J. A. Wesson examinó la influencia del fármaco
succinylcholine sobre los niveles de circulación de andrógenos en la sangre. Se obtuvieron
muestras sanguíneas de venados salvajes vía la vena yugular, inmediatamente después
de una inyección intramuscular de succinylcholine con dardos
de un rifle de caza. Los venados se sangraron nuevamente aproximadamente 30 minutos
después de la inyección y luego se liberaron. Los niveles de andrógenos al momento de la
captura y 30 minutos más tarde, medidos en nanogramos por mililitro (ng/ml), para 15
venados se presentan en la tabla

16
 PROCESO: PLANEACIÓN Y GESTIÓN INTEGRAL
TÍTULO: GUIA DE APRENDIZAJE
CÓDIGO: R-FAC-048
VERSIÓN: 001

GUÍA DE APRENDIZAJE N° 4

Suponiendo que las poblaciones de andrógenos al momento de la inyección y 30 minutos

después se distribuyen normalmente, pruebe con un nivel de significancia de 0.05 si las
concentraciones de andrógenos se alteran después de 30 minutos de encierro.

Ejercicio práctico: Organizar una exposición de la teoría de prueba de hipótesis para

proporciones y diferencia de proporciones (Seguir como realizó la guía para la media).
17
 PROCESO: PLANEACIÓN Y GESTIÓN INTEGRAL
TÍTULO: GUIA DE APRENDIZAJE
CÓDIGO: R-FAC-048
VERSIÓN: 001

GUÍA DE APRENDIZAJE N° 4

Debe estar planteado el uso del Excel de algún software con un ejemplo aplicativo.

Descripción de cada una de la(s) Actividad(es)

Descripción de cada una de la(s) Actividad(es), forma de presentación, puntaje máximo
y fecha de inicio y de fin.

Talleres escritos en grupo, los cuales deben de ser socializado en la próxima clase.

3.1 Ambiente Requerido

3.2 Grupo de estudiantes donde interactúen los diferentes conocimientos en el cual de
apropien de ellos.

3.3 Materiales
3.4 Computadores
3.5 Calculadora
3.6 Lápiz
3.7 Papel
3.8

18
 PROCESO: PLANEACIÓN Y GESTIÓN INTEGRAL
TÍTULO: GUIA DE APRENDIZAJE
CÓDIGO: R-FAC-048
VERSIÓN: 001

GUÍA DE APRENDIZAJE N° 4

4. ACTIVIDADES DE EVALUACIÓN

Evidencias de Aprendizaje Criterios de Evaluación Técnicas e Instrumentos

de Evaluación

Evidencias de Conocimiento: Talleres en grupo

Evidencias de Desempeño:

Evidencias de Producto:

Entrega del taller

RUBRICA DE EVALUACIÓN

Entregable Objetivo

Capacidad de plantear Ejemplos expuestos por ellos Usa adecuadamente la

problemas con diferentes y socialización en el curso prueba de hipótesis en
variables diferentes contexto.

Resuelve problemas Taller en grupo El estudiante abordó la

temática expuesta por el
docente

5. GLOSARIO DE TERMINOS

Prueba de hipótesis, error tipo I, error tipo II Estimación por intervalos

19
 PROCESO: PLANEACIÓN Y GESTIÓN INTEGRAL
TÍTULO: GUIA DE APRENDIZAJE
CÓDIGO: R-FAC-048
VERSIÓN: 001

GUÍA DE APRENDIZAJE N° 4

6. BIBLIOGRAFIA

Probabilidad y Estadística para ingeniería y ciencias, WALPOLE MYERS MYERS YE,

octava edición, 2007

Probabilidad y Estadística, Spiegel, McGraw-Hill 1991.

Curso y ejercicios de estadística, Quesada, Isidoro & López, Alhambra 1988

Métodos Estadísticos, Viedma, Ediciones del Castillo 1990

Johnson, Robert., (2008)., Estadística Elemental: Lo esencial., Editorial Cengage Learning

Editores., México.

7. CONTROL DEL DOCUMENTO

8. CONTROL DE ACTUALIZACIÓN

20
 PROCESO: PLANEACIÓN Y GESTIÓN INTEGRAL
TÍTULO: GUIA DE APRENDIZAJE
CÓDIGO: R-FAC-048
VERSIÓN: 001

GUÍA DE APRENDIZAJE N° 4

Elaborado Por: Luzneyda Ballesteros Peinado

Cargo: Docente

Área: Ciencias Básica

Fecha: 10 de julio de 2019

Justificación de la Actualización: En proceso de la creación del aula virtual

9. ANEXOS

21