Maestría en Administración

Universidad Autónoma de Occidente

UNIVERSIDAD AUTÓNOMA DE OCCIDENTE

UNIDAD REGIONAL LOS MOCHIS

MAESTRÍA EN ADMINISTRACIÓN
Modalidad Virtual

Curso:
Modelos Cuantitativos Empresariales

Eje Temático III.- Estadística Inferencial

Tema: 03.4.- Pruebas de Hipótesis
 Maestría en Administración
Universidad Autónoma de Occidente

Introducción
En la prueba de hipótesis, comenzamos haciendo una conjetura tentativa sobre un parámetro
de población. Esta conjetura tentativa se llama hipótesis nula y se denota por H0. Luego
definimos otra hipótesis, llamada hipótesis alternativa, que es lo opuesto a lo que se establece
en la hipótesis nula. La hipótesis alternativa se denota por Ha. El procedimiento de prueba de
hipótesis utiliza datos de una muestra para probar la validez de los dos enunciados en
competencia sobre una población indicados por H0 y Ha.
Desarrollar hipótesis nulas y alternativas
No siempre es obvio cómo deben formularse las hipótesis nula y alternativa. Se debe tener
cuidado de estructurar las hipótesis de manera apropiada de modo que la conclusión de la
prueba de hipótesis proporcione la información que el investigador o el tomador de
decisiones desea. El contexto de la situación es muy importante para determinar cómo deben
formularse las hipótesis. Todas las aplicaciones de prueba de hipótesis implican la
recolección de una muestra aleatoria y el uso de resultados simples para proporcionar
evidencia para llegar a una conclusión. Algunas buenas preguntas a considerar al formular
las hipótesis nula y alternativa son: ¿Cuál es el propósito de recolectar la muestra? ¿Qué
conclusiones esperamos sacar?
En la introducción de esta sección, declaramos que la hipótesis nula H0 es una conjetura
tentativa sobre un parámetro de población, como una media de población o una proporción
de población.
La hipótesis alternativa Ha es un enunciado contrario a lo que se enuncia en la hipótesis nula.
En algunas situaciones, es más fácil identificar la hipótesis alternativa primero y luego
desarrollar la hipótesis nula. En otras situaciones, es más fácil identificar la hipótesis nula
primero y luego desarrollar la hipótesis alternativa. Ilustraremos estas situaciones en los
siguientes ejemplos.
La hipótesis alternativa como hipótesis de investigación
Muchas aplicaciones de la prueba de hipótesis implican un intento de recopilar evidencia en
apoyo de una hipótesis de investigación. En estas situaciones, a menudo es mejor comenzar
con la hipótesis alternativa y hacerla la conclusión que el investigador espera respaldar.
Considere un automóvil en particular que actualmente alcanza una eficiencia de combustible
de 24 millas por galón para conducir en la ciudad. Un grupo de investigación de productos
ha desarrollado un nuevo sistema de inyección de combustible diseñado para aumentar la
clasificación de millas por galón.
El grupo realizará pruebas controladas con el nuevo sistema de inyección de combustible en
busca de apoyo estadístico para la conclusión de que el nuevo sistema de inyección de
combustible proporciona más millas por galón que el sistema actual.
Se fabricarán varias unidades de inyección de combustible nuevas, se instalarán en
automóviles de prueba y se someterán a condiciones de conducción controladas por
 Maestría en Administración
Universidad Autónoma de Occidente

investigación. La media de la muestra de millas por galón para estos automóviles se calculará
y utilizará en una prueba de hipótesis para determinar si se puede concluir que el nuevo
sistema proporciona más de 24 millas por galón. En términos de la media de la población en
millas por galón 𝜇, la hipótesis de investigación 𝜇>24 se convierte en la hipótesis alternativa.
Dado que el sistema actual proporciona un promedio o media de 24 millas por galón, haremos
la conjetura tentativa de que el nuevo sistema no es mejor que el sistema actual y elegiremos
𝜇 ≤24 como hipótesis nula. Las hipótesis nula y alternativa son las siguientes:

Si los resultados de la muestra llevan a la conclusión de rechazar H0, se puede inferir que Ha:
𝜇>24 es cierto. Los investigadores tienen el apoyo estadístico para afirmar que el nuevo
sistema de inyección de combustible aumenta el número medio de millas por galón. Se debe
considerar la producción de automóviles con el nuevo sistema de inyección de combustible.
Sin embargo, si los simples resultados llevan a la conclusión de que el H0 no puede
rechazarse, los investigadores no pueden concluir que el nuevo sistema de inyección de
combustible sea mejor que el sistema actual. La producción de automóviles con el nuevo
sistema de inyección de combustible sobre la base de un mejor rendimiento de la gasolina no
puede justificarse.
Quizás se puedan realizar más investigaciones y más pruebas. Las empresas exitosas se
mantienen competitivas al desarrollar nuevos productos, nuevos métodos y nuevos servicios
que son mejores que los que están disponibles actualmente. Antes de adoptar algo nuevo, es
deseable realizar una investigación para determinar si existe apoyo estadístico para la
conclusión de que el nuevo enfoque es realmente mejor. En tales casos, la hipótesis de
investigación se establece como hipótesis alternativa. Por ejemplo, se desarrolla un nuevo
método de enseñanza que se cree que es mejor que el método actual. La hipótesis alternativa
es que el nuevo método es mejor; la hipótesis nula es que el nuevo método no es mejor que
el antiguo. Se desarrolla un nuevo plan de bonificación de la fuerza de ventas en un intento
por aumentar las ventas. La hipótesis alternativa es que el nuevo plan de bonificación
aumenta las ventas; la hipótesis nula es que el nuevo plan de bonificación no aumenta las
ventas. Se desarrolla un nuevo fármaco con el objetivo de reducir la presión arterial más que
un fármaco existente. La hipótesis alternativa es que el nuevo fármaco reduce la presión
arterial más que el fármaco existente; la hipótesis nula es que el nuevo fármaco no
proporciona una presión arterial más baja que el fármaco existente. En cada caso, el rechazo
de la hipótesis nula H0 proporciona apoyo estadístico a la hipótesis de investigación.
La hipótesis nula como conjetura que debe cuestionarse
Por supuesto, no todas las pruebas de hipótesis implican hipótesis de investigación. En la
siguiente discusión consideramos aplicaciones de la prueba de hipótesis donde comenzamos
con una creencia o una conjetura de que una declaración sobre el valor de un parámetro de
población es verdadera. Luego usaremos una prueba de hipótesis para desafiar la conjetura y
determinar si hay evidencia estadística para concluir que la conjetura es incorrecta. En estas
 Maestría en Administración
Universidad Autónoma de Occidente

situaciones, es útil desarrollar primero la hipótesis nula. La hipótesis nula H0 expresa la

creencia o conjetura sobre el valor del parámetro poblacional. La hipótesis alternativa Ha es
que la creencia o conjetura es incorrecta.
Como ejemplo, considere la situación de un fabricante de refrescos. La etiqueta de una botella
de refresco indica que contiene 67.6 onzas líquidas. Consideramos que la etiqueta es correcta
siempre que el peso medio de llenado de la población para las botellas sea de al menos 67.6
onzas líquidas. Sin ninguna razón para creer lo contrario, le daríamos al fabricante el
beneficio de la duda y asumiremos que la declaración proporcionada en la etiqueta es
correcta. Por lo tanto, en una prueba de hipótesis sobre el peso medio de fluido de la
población por botella, comenzaríamos con la conjetura de que la etiqueta es correcta y
enunciaríamos la hipótesis nula como 𝜇 ≥67.6. El desafío a esta conjetura implicaría que la
etiqueta es incorrecta y que las botellas se llenan insuficientemente.
Este desafío se plantearía como la hipótesis alternativa 𝜇 <67.6. Por tanto, las hipótesis nula
y alternativa son las siguientes

Una agencia gubernamental con la responsabilidad de validar las etiquetas de fabricación

podría seleccionar una muestra de botellas de refrescos, calcular el peso medio de llenado de
la muestra y usar los resultados de la muestra para probar las hipótesis anteriores. Si los
resultados de la muestra llevan a la conclusión de rechazar H0, se puede hacer la inferencia
de que 𝐻𝑎 : 𝜇 <67.6 es verdadera. Con este apoyo estadístico, la agencia está justificada para
concluir que la etiqueta es incorrecta y que las botellas no están llenas. Se consideraría la
adopción de medidas adecuadas para obligar al fabricante a cumplir con las normas de
etiquetado. Sin embargo, si los resultados de la muestra indican que H0 no puede rechazarse,
no se puede rechazar la conjetura de que el etiquetado del fabricante es correcto. Con esta
conclusión, no se tomaría ninguna acción. Consideremos ahora una variación del ejemplo de
llenado de botellas de refrescos viendo la misma situación desde el punto de vista del
fabricante. La operación de llenado de botellas ha sido diseñada para llenar botellas de
refrescos con 67.6 onzas líquidas como se indica en la etiqueta. La Compañía no quiere llenar
de menos los contenedores porque eso podría resultar en quejas de los clientes o, quizás, de
una agencia gubernamental. Sin embargo, la empresa tampoco quiere sobrellenar los
contenedores porque poner más refresco de lo necesario en los contenedores sería un costo
innecesario. El objetivo de la empresa sería ajustar la operación de llenado de botellas para
que el peso medio de llenado de la población por botella sea de 67.6 onzas líquidas, como se
especifica en la etiqueta.
Aunque este es el objetivo de la empresa, de vez en cuando cualquier proceso de producción
puede desajustarse. Si esto ocurre en nuestro ejemplo, se producirá un llenado insuficiente o
excesivo de las botellas de refrescos. En cualquier caso, a la compañía le gustaría saberlo
para corregir la situación reajustando la operación de llenado de botellas para dar como
resultado las 67.6 onzas líquidas designadas. En esta aplicación de prueba de hipótesis,
 Maestría en Administración
Universidad Autónoma de Occidente

comenzaríamos con la conjetura de que el proceso de producción está operando

correctamente y estableceríamos la hipótesis nula como 𝜇 = 67.6 onzas líquidas. La hipótesis
alternativa que desafía esta conjetura es que 𝜇 ≠ 67.6, lo que indica que se está produciendo
un llenado excesivo o insuficiente. Las hipótesis nula y alternativa para la prueba de hipótesis
del fabricante son las siguientes:

Suponga que el fabricante de refrescos utiliza un procedimiento de control de calidad para

seleccionar periódicamente una muestra de botellas de la operación de llenado y calcula el
peso medio de llenado de la muestra por botella. Si los resultados de la muestra llevan a la
conclusión de rechazar H0, se deduce que Ha: 𝜇 ≠ 67.6 es verdadera. Concluimos que las
botellas no se están llenando correctamente y que el proceso de producción debe ajustarse
para restaurar la población media a 67.6 onzas líquidas por botella. Sin embargo, si los
resultados de la muestra indican que H0 no puede rechazarse, no se puede rechazar la
conjetura de que la operación de llenado de botellas del fabricante está funcionando
correctamente. En este caso, no se realizarían más acciones y la operación de producción
continuaría funcionando.
Las dos formas anteriores de la prueba de hipótesis de fabricación de refrescos muestran que
las hipótesis nula y alternativa pueden variar según el punto de vista del investigador o del
tomador de decisiones. Para formular hipótesis correctamente, es importante comprender el
contexto de la situación y estructurar las hipótesis para proporcionar la información que el
investigador o el tomador de decisiones desea.
Errores tipo I y tipo II
Las hipótesis nula y alternativa son afirmaciones contrapuestas sobre la población. O la
hipótesis nula H0 es verdadera o la hipótesis alternativa Ha es verdadera, pero no ambas.
Idealmente, el procedimiento de prueba de hipótesis debería conducir a la aceptación de H 0
cuando H0 es verdadera y al rechazo de H0 cuando Ha es verdadera. Desafortunadamente, las
conclusiones correctas no siempre son posibles. Debido a que las pruebas de hipótesis se
basan en información de muestra, debemos permitir la posibilidad de errores. La tabla 6.6
ilustra los dos tipos de errores que se pueden cometer en la prueba de hipótesis.
Tabla 6.6. Errores y conclusiones correctas en la prueba de hipótesis
Condición de la población

Ho Verdadero Ha Verdadero
Conclusión Correcta Error Tipo II
No se rechaza Ho
Conclusión
Error Tipo I Conclusión Correcta
Se rechaza H0
 Maestría en Administración
Universidad Autónoma de Occidente

La primera fila de la tabla 6.6 muestra lo que puede suceder si la conclusión es aceptar H 0.
Si H0 es verdadera, esta conclusión es correcta. Sin embargo, si H a es verdadera, cometimos
un error de Tipo II; es decir, aceptamos H 0 cuando es falsa. La segunda fila de la tabla 6.6
muestra lo que puede suceder si la conclusión es rechazar H 0. Si H0 es verdadera, cometimos
un error de tipo I; es decir, rechazamos H 0 cuando es verdadera. Sin embargo, si Ha es
verdadero, rechazar H0 es correcto.
Recuerde la ilustración de prueba de hipótesis en la que un grupo de investigación de
productos para automóviles desarrolló un nuevo sistema de inyección de combustible
diseñado para aumentar la clasificación de millas por galón de un automóvil en particular.
Con el modelo actual obteniendo un promedio de 24 millas por galón, la prueba de hipótesis
se formuló de la siguiente manera:

La hipótesis alternativa, 𝐻𝑎 : 𝜇 > 24, indica que los investigadores están buscando evidencia
simple para apoyar la conclusión de que la media de millas por galón de la población con el
nuevo sistema de inyección de combustible es superior a 24.
En esta aplicación, el error Tipo I de rechazar H 0 cuando es cierto corresponde a los
investigadores que afirman que el nuevo sistema mejora la clasificación de millas por galón
(𝜇 > 24) cuando en realidad el nuevo sistema no es mejor que el sistema actual. En contraste,
el error Tipo II de aceptar H0 cuando es falso corresponde a la conclusión de los
investigadores de que el nuevo sistema no es mejor que el sistema actual (𝜇 ≤ 24) cuando
en realidad el nuevo sistema mejora el rendimiento de millas por galón.
Para la prueba de hipótesis de clasificación de millas por galón, la hipótesis nula es 𝐻0 : 𝜇 ≤
24. Suponga que la hipótesis nula es verdadera como una igualdad; es decir, 𝜇 = 24. La
probabilidad de cometer un error de Tipo I cuando la hipótesis nula es verdadera como
igualdad se denomina nivel de significancia. Por lo tanto, para la prueba de hipótesis de
calificación de millas por galón, el nivel de significancia es la probabilidad de rechazar
𝐻0 : 𝜇 ≤ 24 cuando 𝜇 = 24. Debido a la importancia de este concepto, ahora reafirmamos la
definición de nivel de significancia.
El símbolo griego 𝛼 (alfa) se usa para denotar el nivel de significancia, y las opciones
comunes para a son 0.05 y 0.01.
El nivel de significancia es la probabilidad de cometer un error de Tipo I cuando la
hipótesis nula es verdadera como igualdad.

En la práctica, la persona responsable de la prueba de hipótesis especifica el nivel de

significancia. Al seleccionar a, esa persona está controlando la probabilidad de cometer un
error de Tipo I. Si el costo de cometer un error de Tipo I es alto, se prefieren valores pequeños
de 𝛼. Si el costo de cometer un error de Tipo I no es demasiado alto, normalmente se utilizan
 Maestría en Administración
Universidad Autónoma de Occidente

valores mayores de 𝛼. Las aplicaciones de las pruebas de hipótesis que solo controlan el error
de Tipo I se denominan pruebas de significancia. Muchas aplicaciones de la prueba de
hipótesis son de este tipo. Aunque la mayoría de las aplicaciones de la prueba de hipótesis
controlan la probabilidad de cometer un error de Tipo I, no siempre controlan la probabilidad
de cometer un error de Tipo II.
Por lo tanto, si decidimos aceptar H0, no podemos determinar qué tan seguros podemos estar
con esa decisión. Debido a la incertidumbre asociada con cometer un error de Tipo II al
realizar pruebas de significancia, los estadísticos generalmente recomiendan que usemos la
declaración "no rechazar H0" en lugar de "aceptar H0". El uso de la declaración "no rechazar
H0" conlleva la recomendación de retener tanto el juicio como la acción. En efecto, al no
aceptar directamente H0, el estadístico evita el riesgo de cometer un error de Tipo II. Siempre
que no se haya determinado y controlado la probabilidad de cometer un error de Tipo II, no
haremos la declaración "aceptar H0". En tales casos, solo son posibles dos conclusiones: no
rechazar H0 o rechazar H0.
Aunque el control de un error de Tipo II en la prueba de hipótesis no es común, se puede
hacer. Los textos especializados describen procedimientos para determinar y controlar la
probabilidad de cometer un error de Tipo II.1 Si se han establecido los controles adecuados
para este error, la acción basada en la conclusión de “aceptar H 0” puede ser apropiada.
Prueba de hipótesis de la media poblacional
En esta sección describimos cómo realizar pruebas de hipótesis sobre la media de una
población para la situación práctica en la que la muestra debe usarse para desarrollar
estimaciones de 𝜇 y 𝜎. Por lo tanto, para realizar una prueba de hipótesis sobre una media
poblacional, la media muestral 𝑥̅ se usa como una estimación de 𝜇 y la desviación estándar
de la muestra s se usa como una estimación de 𝜎.
Prueba de una cola: Las pruebas de una cola sobre la media de una población adoptan una
de las dos formas siguientes:
Prueba de cola inferior Prueba de cola superior

Consideremos un ejemplo que involucra una prueba de cola inferior.

La Comisión Federal de Comercio (FTC) realiza periódicamente estudios estadísticos
diseñados para probar las afirmaciones que hacen los fabricantes sobre sus productos. Por
ejemplo, la etiqueta de una lata grande de Hilltop Coffee indica que la lata contiene 3 libras
de café. La FTC sabe que el proceso de producción de Hilltop no puede colocar exactamente
3 libras de café en cada lata, incluso si el peso medio de llenado para la población de todas
las latas llenas es de 3 libras por lata. Sin embargo, siempre que el peso medio de llenado de
la población sea de al menos 3 libras por lata, se protegerán los derechos de los consumidores.
 Maestría en Administración
Universidad Autónoma de Occidente

Por lo tanto, la FTC interpreta la información de la etiqueta en una lata grande de café como
una afirmación de Hilltop de que el peso medio de llenado de la población es de al menos 3
libras por lata. Mostraremos cómo la FTC puede verificar la afirmación de Hilltop realizando
una prueba de hipótesis de cola inferior.
El primer paso es desarrollar las hipótesis nula y alternativa para la prueba. Si el peso medio
de llenado de la población es de al menos 3 libras por lata, la afirmación de Hilltop es
correcta. Esto establece la hipótesis nula para la prueba. Sin embargo, si el peso medio de la
población es inferior a 3 libras por lata, la afirmación de Hilltop es incorrecta. Esto establece
la hipótesis alternativa. Con 𝜇 denotando el peso de llenado medio de la población, las
hipótesis nula y alternativa son las siguientes

Tenga en cuenta que el valor hipotético de la media de la población es 𝜇0 = 3.

Si los datos de la muestra indican que H0 no puede rechazarse, la evidencia estadística no
respalda la conclusión de que se ha producido una violación de la etiqueta. Por lo tanto, no
se deben tomar medidas contra Hilltop. Sin embargo, si los datos de la muestra indican que
H0 puede rechazarse, concluiremos que la hipótesis alternativa, 𝐻𝑎 : 𝜇 < 3, es verdadera. En
este caso, se justificaría una conclusión de llenado insuficiente y un cargo de violación de
etiqueta contra Hilltop.
Suponga que se selecciona una muestra de 36 latas de café y que la media muestral 𝑥̅ se
calcula como una estimación de la media poblacional 𝜇. Si el valor de la media muestral 𝑥̅
es menor de 3 libras, los resultados de la muestra arrojarán dudas sobre la hipótesis nula. Lo
que queremos saber es cuánto menos de 3 libras debe ser 𝑥̅ antes de que estemos dispuestos
a declarar que la diferencia sea significativa y nos arriesguemos a cometer un error de Tipo
I al acusar falsamente a Hilltop de una violación de la etiqueta. Un factor clave para abordar
este problema es el valor que el tomador de decisiones selecciona para el nivel de
significancia.
Como se señaló en la sección anterior, el nivel de significancia, denotado por 𝛼, es la
probabilidad de cometer un error de Tipo I al rechazar H 0 cuando la hipótesis nula es
verdadera como una igualdad. El tomador de decisiones debe especificar el nivel de
importancia. Si el costo de cometer un error de Tipo I es alto, se debe elegir un valor pequeño
para el nivel de significancia. Si el costo no es alto, un valor mayor es más apropiado. En el
estudio de Hilltop Coffee, el director del programa de pruebas de la FTC hizo la siguiente
declaración: “Si la empresa cumple con sus especificaciones de peso en 𝜇 = 3, no quiero
tomar medidas en su contra. Pero estoy dispuesto a arriesgarme con un 1% de posibilidades
de cometer tal error ". A partir de la declaración del director, establecemos el nivel de
significancia para la prueba de hipótesis en 𝛼 = 0.01. Por lo tanto, debemos diseñar la prueba
de hipótesis de manera que la probabilidad de cometer un error de Tipo I cuando 𝜇 = 3 sea
0.01.
 Maestría en Administración
Universidad Autónoma de Occidente

Para el estudio de Hilltop Coffee, al desarrollar las hipótesis nula y alternativa y especificar
el nivel de significancia para la prueba, llevamos a cabo los dos primeros pasos requeridos
para realizar cada prueba de hipótesis. Ahora estamos listos para realizar el tercer paso de la
prueba de hipótesis: recopilar los datos de la muestra y calcular el valor de lo que se llama
una estadística de prueba.
Sabemos que a medida que aumenta el tamaño de la muestra, la distribución muestral de 𝑥̅
se distribuirá normalmente.
La figura 6.16 muestra la distribución muestral de 𝑥̅ cuando la hipótesis nula es verdadera
como una igualdad, es decir, cuando 𝜇 = 𝜇0 = 3. Note que 𝜎𝑥̅ , el error estándar de 𝑥̅ , se
𝑠
estima por 𝑠𝑥̅ = = 0.17√36=0.028. Recordemos que una estimación de intervalo de una
√𝑛
media poblacional se basa en una distribución de probabilidad conocida como distribución t.
Figura 6.16. Distribución muestral de 𝑥̅ para el estudio Hilltop Coffee cuando la hipótesis
nula es verdadera como una igualdad (μ=3)

La distribución t es similar a la distribución normal estándar, pero tiene en cuenta la

variabilidad adicional introducida cuando se usa una muestra para estimar tanto la media
poblacional como la desviación estándar poblacional. Las pruebas de hipótesis sobre la media
de una población también se basan en la distribución t. Específicamente, si 𝑥̅ tiene una
distribución normal, la distribución muestral de

es una distribución t con n -1 grados de libertad. El valor de t representa cuánto está la media
simple por encima o por debajo del valor hipotético de la media de la población, medida en
unidades del error estándar de la media de la muestra. Un valor de t=-1 significa que el valor
de 𝑥̅ es 1 error estándar por debajo del valor hipotético de la media, un valor de t=-2 significa
 Maestría en Administración
Universidad Autónoma de Occidente

que el valor de 𝑥̅ está 2 errores estándar por debajo del valor hipotetizado de la media, y así
sucesivamente.
Para esta prueba de hipótesis de cola inferior, podemos usar Excel para encontrar la
probabilidad de cola inferior correspondiente a cualquier valor de t (como mostramos más
adelante en esta sección). Por ejemplo, la figura 6.17 ilustra que el área inferior de la cola en
t=-3.00 es 0.0025. Por tanto, la probabilidad de obtener un valor de t que esté tres o más
errores estándar por debajo de la media es 0.0025. Como resultado, si la hipótesis nula es
verdadera (es decir, si la media poblacional es 3), la probabilidad de obtener un valor de 𝑥̅
que sea 3 o más errores estándar por debajo de la media poblacional hipotética 𝜇0 =3 también
es 0.0025. Dado que tal resultado es improbable si la hipótesis nula es verdadera, esto nos
lleva a dudar de nuestra hipótesis nula.
Figura 6.17. Probabilidad de cola inferior para t =-3 a partir de una distribución t con 35
grados de libertad

Usamos la variable aleatoria t distribuida en t como un estadístico de prueba para determinar

si 𝑥̅ se desvía del valor hipotético de 𝜇 lo suficiente como para justificar el rechazo de la
hipótesis nula.
𝑠
Con 𝑠𝑥̅ = , la estadística de prueba es la siguiente:
√𝑛

La pregunta clave para una prueba de cola inferior es: ¿Qué tan pequeño debe ser el
estadístico de prueba t antes de que decidamos rechazar la hipótesis nula? Sacaremos nuestra
conclusión usando el valor del estadístico de prueba t para calcular una probabilidad llamada
valor p.
 Maestría en Administración
Universidad Autónoma de Occidente

VALOR P
Un valor p es la probabilidad, asumiendo que H0 es verdadera, de obtener una muestra
aleatoria de tamaño n que dé como resultado un estadístico de prueba al menos tan extremo
como el observado en la muestra actual.

El valor p mide la solidez de la evidencia proporcionada por la muestra contra la hipótesis

nula. Los valores p más pequeños indican más evidencia en contra de H0, ya que sugieren
que es cada vez más improbable que la muestra pueda ocurrir si H0 es verdadera.
Veamos cómo se calcula y utiliza el valor p. El valor del estadístico de prueba se usa para
calcular el valor p. El método utilizado depende de si la prueba es de cola inferior, de cola
superior o de dos colas. Para una prueba de cola inferior, el valor p es la probabilidad de
obtener un valor para el estadístico de prueba tan pequeño o más pequeño que el
proporcionado por la muestra.
Por lo tanto, para calcular el valor p para la prueba de cola inferior, debemos usar la
distribución t para encontrar la probabilidad de que t sea menor o igual que el valor del
estadístico de prueba. Después de calcular el valor p, debemos decidir si es lo suficientemente
pequeño como para rechazar la hipótesis nula; como mostraremos, esta decisión implica
comparar el valor p con el nivel de significancia.
Uso de Excel
Excel se puede utilizar para realizar pruebas de hipótesis de una o dos colas sobre la media
de una población. Los datos de la muestra y el estadístico de prueba (t) se utilizan para
calcular tres valores p: valor p (cola inferior), valor p (cola superior) y valor p (dos colas).
A continuación, el usuario puede elegir 𝛼 y sacar una conclusión utilizando el valor p
apropiado para el tipo de prueba de hipótesis que se está realizando.
Comencemos mostrando cómo usar la función DISTR.T.N de Excel para calcular un valor p
de cola inferior. La función DISTR.T.N. tiene tres entradas; su forma general es la siguiente:
DISTR.T.N (estadístico de prueba, grados de libertad, acumulativo).
Para la primera entrada, ingresamos el valor del estadístico de prueba; para la segunda entrada
ingresamos los grados de libertad para la distribución t asociada; para la tercera entrada,
ingresamos VERDADERO para calcular la probabilidad acumulada correspondiente a un
valor p de cola inferior.
Una vez que se ha calculado el valor p de la cola inferior, es fácil calcular los valores p de la
cola superior y de dos colas. El valor p de la cola superior es 1 menos el valor p de la cola
inferior, y el valor p de dos colas es dos veces el menor de los valores p de la cola inferior y
superior.
Calculemos ahora el valor p para la prueba de cola inferior de Hilltop Coffee. Consulte la
Figura 6.18 mientras describimos las tareas involucradas. La hoja de fórmulas está en
segundo plano y la hoja de cálculo de valor está en primer plano.
 Maestría en Administración
Universidad Autónoma de Occidente

Figura. 6.18. Prueba de hipótesis sobre una media poblacional

Las estadísticas descriptivas necesarias se proporcionan en las celdas D4: D6. Las funciones
CONTAR, PROMEDIO y DESVEST.M de Excel calculan el tamaño de la muestra, la media
de la muestra y la desviación estándar de la muestra, respectivamente. El valor hipotético de
la media poblacional (3) se ingresa en la celda D8. Usando la desviación estándar de la
muestra como una estimación de la desviación estándar de la población, se obtiene una
estimación del error estándar en la celda D10 dividiendo la desviación estándar de la muestra
en la celda D6 por la raíz cuadrada del tamaño de la muestra en la celda D4. La fórmula 5
(D5-D8)/D10 ingresada en la celda D11 calcula el valor de la estadística de prueba t
correspondiente al cálculo:
 Maestría en Administración
Universidad Autónoma de Occidente

Los grados de libertad se calculan en la celda D12 como el tamaño de muestra en la celda D4
menos 1. Para calcular el valor p para una prueba de cola inferior, ingresamos la siguiente
fórmula en la celda D14
= DISTR.T.N(D11,D12,VERDADERO)
El valor p para una prueba de cola superior se calcula en la celda D15 como 1 menos el valor
p para la prueba de cola inferior. Finalmente, el valor p para una prueba de dos colas se
calcula en la celda D16 como dos veces el mínimo de los dos valores p de una cola. La hoja
de trabajo de valor muestra que los tres valores p son el valor p (cola inferior) =0.0039, el
valor p (cola superior) =0.9961 y el valor p (dos colas) =0.0078.
El desarrollo de la hoja de trabajo ahora está completo. ¿Es 𝑥̅ =2.92 lo suficientemente
pequeño como para llevarnos a rechazar H0? Debido a que esta es una prueba de cola inferior,
el valor p es el área bajo la curva de distribución t para valores de 𝑡 = − 22.824 (el valor del
estadístico de prueba). La figura 6.19 muestra el valor p para la prueba de cola inferior de
Hilltop Coffee. Este valor p indica una pequeña probabilidad de obtener una media muestral
de 𝑥̅ =2.92 (y un estadístico de prueba de -2.824) o menor cuando se toma una muestra de
una población con 𝜇 = 3. Este valor p no proporciona mucho apoyo para la hipótesis nula,
pero, ¿es lo suficientemente pequeño como para hacernos rechazar H0? La respuesta depende
del nivel de significancia (𝛼) que el tomador de decisiones ha seleccionado para la prueba.
Figura 6.19. Valor de p para el estudio Hilltop Coffee cuando 𝑥̅ =2.92 y s=0.17
 Maestría en Administración
Universidad Autónoma de Occidente

Tenga en cuenta que el valor p puede considerarse una medida de la solidez de la evidencia
frente a la hipótesis nula contenida en los datos de la muestra. Cuanto mayor sea la
inconsistencia entre los datos de la muestra y la hipótesis nula, menor será el valor p; por lo
tanto, un valor p más pequeño indica que es menos plausible que la muestra pudiera haber
sido recolectada de una población para la cual la hipótesis nula es verdadera. Es decir, un
valor p menor indica que la muestra proporciona evidencia más sólida contra la hipótesis
nula.
Como se señaló anteriormente, el director del programa de pruebas de la FTC seleccionó un
valor de 0.01 para el nivel de significancia. La selección de un 𝛼 = 0.01 significa que el
director está dispuesto a tolerar una probabilidad de 0.01 de rechazar la hipótesis nula cuando
es verdadera como una igualdad (𝜇0 =3). La muestra de 36 latas de café del estudio Hilltop
Coffee dio como resultado un valor de p de 0.0039, lo que significa que la probabilidad de
obtener un valor de 𝑥̅ =2.92 o menos cuando la hipótesis nula es cierta y es 0.0039. Debido
a que 0.0039 es menor o igual 𝛼 = 0.01, rechazamos H0. Por lo tanto, encontramos suficiente
evidencia estadística para rechazar la hipótesis nula al nivel de significancia 0.01.
La hipótesis nula es verdadera es 0.0039. Debido a que 0.0039 es menor o igual 𝛼 = 0.01,
rechazamos H0. Por lo tanto, encontramos suficiente evidencia estadística para rechazar la
hipótesis nula al nivel de significancia 0.01.
El nivel de significancia a indica la fuerza de la evidencia que se necesita en los datos simples
antes de que rechacemos la hipótesis nula. Si el valor p es menor que el nivel de significancia
seleccionado 𝛼, la evidencia en contra de la hipótesis nula que está contenida en los datos de
la muestra es lo suficientemente fuerte como para rechazar la hipótesis nula; es decir, creemos
que no es plausible que los datos de la muestra se hayan recopilado de una población para la
que 𝐻0 : 𝜇 ≥ 3 es verdadera. Por el contrario, si el valor p es mayor que el nivel de
significancia seleccionado 𝛼, la evidencia en contra de la hipótesis nula que está contenida
en los datos de la muestra no es lo suficientemente fuerte como para rechazar la hipótesis
nula; es decir, creemos que es plausible que los datos de la muestra se obtuvieron de una
población para la que la hipótesis nula es verdadera.
Ahora podemos establecer la regla general para determinar si la hipótesis nula puede
rechazarse cuando se utiliza el enfoque del valor p. Para un nivel de significancia a, la regla
de rechazo que utiliza el enfoque del valor p es la siguiente.

𝑅𝑒𝑐ℎ𝑎𝑧𝑎𝑟 𝐻0 𝑠𝑖 𝑒𝑙 𝑣𝑎𝑙𝑜𝑟 − 𝑝 ≤ 𝛼

En la prueba de Hilltop Coffee, el valor de p de 0.0039 resultó en el rechazo de la hipótesis

nula. Aunque la base para tomar la decisión de rechazo implica una comparación del valor p
con el nivel de significancia especificado por el director de la FTC, el valor p observado de
0.0039 significa que rechazaríamos H0 para cualquier valor de $0.0039. Por esta razón, el
valor p también se denomina nivel de significancia observado.
 Maestría en Administración
Universidad Autónoma de Occidente

Diferentes tomadores de decisiones pueden expresar opiniones diferentes sobre el costo de

cometer un error de Tipo I y pueden elegir un nivel diferente de importancia. Al proporcionar
el valor p como parte de los resultados de la prueba de hipótesis, otro tomador de decisiones
puede comparar el valor p informado con su propio nivel de significancia y posiblemente
tomar una decisión diferente con respecto al rechazo de H0.
Al comienzo de esta sección, dijimos que las pruebas de una cola sobre la media de una
población adoptan una de las dos formas siguientes:

Usamos el estudio de Hilltop Coffee para ilustrar cómo realizar una prueba de cola inferior.
Podemos utilizar el mismo enfoque general para realizar una prueba de cola superior. El
estadístico de prueba t todavía se calcula utilizando la ecuación (6.11). Pero, para una prueba
de cola superior, el valor p es la probabilidad de obtener un valor para el estadístico de prueba
tan grande o mayor que el proporcionado por la muestra. Por lo tanto, para calcular el valor
p para la prueba de la cola superior, debemos usar la distribución t para calcular la
probabilidad de que t sea mayor o igual que el valor del estadístico de prueba. Luego, de
acuerdo con la regla de rechazo, rechazaremos la hipótesis nula si el valor p es menor o igual
que el nivel de significancia 𝛼. Resumamos los pasos involucrados en el cálculo de los
valores p para las pruebas de hipótesis de una cola
CÁLCULO DE VALORES DE p PARA PRUEBAS DE UNA COLA
1. Calcule el valor del estadístico de prueba usando la ecuación (6.11).
2. Prueba de cola inferior: utilizando la distribución t, calcule la probabilidad de que t sea
menor que o igual al valor de la estadística de prueba (área en la cola inferior).
3. Prueba de cola superior: utilizando la distribución t, calcule la probabilidad de que t sea
mayor que o igual al valor de la estadística de prueba (área en la cola superior).
Prueba de dos colas
En la prueba de hipótesis, la forma general de una prueba de dos colas sobre la media de una
población es la siguiente:

En esta subsección mostramos cómo realizar una prueba de dos colas sobre la media de una
población. Como ilustración, consideramos la situación de prueba de hipótesis a la que se
enfrenta Holiday Toys.
 Maestría en Administración
Universidad Autónoma de Occidente

Holiday Toys fabrica y distribuye sus productos a través de más de 1000 puntos de venta. Al
planificar los niveles de producción para la próxima temporada de invierno, Holiday debe
decidir cuántas unidades de cada producto producirá antes de que se conozca la demanda real
a nivel minorista. Para el juguete nuevo más importante de este año, el director de marketing
de Holiday espera que la demanda alcance un promedio de 40 unidades por punto de venta.
Antes de tomar la decisión final de producción basada en esta estimación, Holiday decidió
encuestar a una muestra de 25 minoristas para recopilar más información sobre la demanda
del nuevo producto. A cada minorista se le proporcionó información sobre las características
del nuevo juguete junto con el costo y el precio de venta sugerido.
Luego, se pidió a cada minorista que especificara una cantidad de pedido anticipada. Si 𝜇
indica la cantidad media de pedidos de la población por punto de venta minorista, los datos
de muestra se utilizarán para realizar la siguiente prueba de hipótesis de dos colas:

Si no se puede rechazar H0, Holiday continuará su planificación de producción basándose en

la estimación del director de marketing de que la cantidad media de pedido de la población
por punto de venta minorista será de 𝜇 =40 unidades. Sin embargo, si se rechaza H0, Holiday
reevaluará inmediatamente su plan de producción para el producto. Se utiliza una prueba de
hipótesis de dos colas porque Holiday quiere reevaluar el plan de producción
independientemente de si la cantidad media de la población por punto de venta minorista es
menor de lo anticipado o mayor de lo anticipado. Debido a que es un producto nuevo y, por
lo tanto, no hay datos históricos disponibles, la media de la población 𝜇 y la desviación
estándar de la población deben estimarse utilizando 𝑥̅ 𝑦 𝑠 a partir de los datos de la muestra.
La muestra de 25 minoristas proporcionó una media de 𝑥̅ =37.4 y una desviación estándar
de s=11.79 unidades. Antes de continuar con el uso de la distribución t, el analista construyó
un histograma de los datos de la muestra para verificar la forma de la distribución de la
población. El histograma de los datos de la muestra no mostró evidencia de asimetría o
valores atípicos extremos, por lo que el analista concluyó que el uso de la distribución t con
n-1= 24 grados de libertad era apropiado. Usando la ecuación (9.2) con 𝑥̅ =37.4, 𝜇0 = 40,
s=11.79 y n =25, el valor del estadístico de prueba es

La media muestral 𝑥̅ =37.4 es menor que 40 y, por tanto, proporciona cierto apoyo a la
conclusión de que la cantidad media de la población por punto de venta minorista es inferior
a 40 unidades, pero esto posiblemente se deba a un error de muestreo. Debemos abordar si la
diferencia entre esta media simple y nuestra media hipotética es suficiente para rechazar H 0
en el nivel de significancia de 0.05.
 Maestría en Administración
Universidad Autónoma de Occidente

Nuevamente llegaremos a nuestra conclusión calculando un valor p. Recuerde que el valor p

es una probabilidad que se usa para determinar si la hipótesis nula debe rechazarse. Para una
prueba de dos colas, los valores del estadístico de prueba en cada cola proporcionan evidencia
en contra de la hipótesis nula. Para una prueba de dos colas, el valor p es la probabilidad de
obtener un valor para el estadístico de prueba al menos tan improbable como el valor del
estadístico de prueba calculado con la muestra, dado que la hipótesis nula es verdadera.
Veamos cómo se calcula el valor p para la prueba de hipótesis de los juguetes navideños de
dos colas.
Para calcular el valor p para este problema, debemos encontrar la probabilidad de obtener un
valor para el estadístico de prueba al menos tan improbable como t=-1.10 si la media de la
población es realmente 40. Claramente, los valores de t ≤-1.10 son al menos tan improbables.
Pero debido a que esta es una prueba de dos colas, todos los valores que son más de 1.10
desviaciones estándar del valor hipotético 𝜇0 en cualquier dirección proporcionan evidencia
contra la hipótesis nula que es al menos tan fuerte como la evidencia contra la hipótesis nula
contenida en los datos de la muestra. Como se muestra en la Figura 6.20, el valor p de dos
colas en este caso viene dado por 𝑃(𝑡 ≤ −1 − 10) + 𝑃(𝑡 ≥1.10).
Figura 6.20. p Value for the Holiday Toys Two-Tailed Hypothesis Test

Valor p
 Maestría en Administración
Universidad Autónoma de Occidente

Para calcular las probabilidades de cola, usamos Excel. La figura 6.21 muestra la hoja de
cálculo de fórmulas en segundo plano y la hoja de cálculo de valores en primer plano.
Figura 6.21. Prueba de hipótesis de dos colas para Holiday Toys

Para completar la prueba de hipótesis de los juguetes de vacaciones de dos colas,

comparamos el valor p de dos colas con el nivel de significancia para ver si la hipótesis nula
debe rechazarse.
Con un nivel de significancia de 𝛼 = 0.05, no rechazamos H0 porque el valor de p de dos
colas es =0.2811>0.05. Este resultado indica que Holiday debería continuar con su
planificación de producción para la próxima temporada basándose en la expectativa de que
𝜇 =40.
CÁLCULO DE VALORES DE p PARA PRUEBAS DE DOS COLAS
 Maestría en Administración
Universidad Autónoma de Occidente

1. Calcule el valor del estadístico de prueba usando la ecuación (6.11).

2. Si el valor del estadístico de prueba está en la cola superior, calcule la probabilidad de que
t sea mayor o igual que el valor del estadístico de prueba (el área de la cola superior). Si el
valor del estadístico de prueba está en la cola inferior, calcule la probabilidad de que t sea
menor o igual que el valor del estadístico de prueba (el área de la cola inferior).
3. Duplique la probabilidad (o el área de la cola) del paso 2 para obtener el valor p.
CÁLCULO DE VALORES DE p PARA PRUEBAS DE DOS COLAS
1. Calcule el valor del estadístico de prueba usando la ecuación (6.11).
2. Si el valor del estadístico de prueba está en la cola superior, calcule la probabilidad de que
t sea mayor o igual que el valor del estadístico de prueba (el área de la cola superior). Si el
valor del estadístico de prueba está en la cola inferior, calcule la probabilidad de que t sea
menor o igual que el valor del estadístico de prueba (el área de la cola inferior).
3. Duplique la probabilidad (o el área de la cola) del paso 2 para obtener el valor p
4. Rechazar H0 si 𝑝 ≤ 𝛼
5. Interpretar la conclusión estadística en el contexto de la aplicación.
Relación entre la estimación de intervalo y la prueba de hipótesis
En la sección anterior mostramos cómo desarrollar una estimación de intervalo de confianza
de una media poblacional. La estimación del intervalo de confianza (1 − 𝛼)% de una media
poblacional viene dada por

En este capítulo mostramos que una prueba de hipótesis de dos colas sobre una media
poblacional toma la siguiente forma:

donde 𝜇0 es el valor hipotético de la media poblacional.

Suponga que se construye un intervalo de confianza de 100 (1−𝛼)% para la media
poblacional. Sabemos que el 100 (1−𝛼)% de los intervalos de confianza generados contendrá
la media poblacional y el 100𝛼% de los intervalos de confianza generados no contendrá la
media poblacional. Así, si rechazamos H0 siempre que el intervalo de confianza no contenga
𝜇0 , estaremos rechazando la hipótesis nula cuando sea verdadera (𝜇 = 𝜇0) con probabilidad
𝛼. Recuerde que el nivel de significancia es la probabilidad de rechazar la hipótesis nula
cuando es verdadera. Por lo tanto, construir un intervalo de confianza del 100 (1−𝛼)% y
 Maestría en Administración
Universidad Autónoma de Occidente

rechazar H0 siempre que el intervalo no contenga 𝜇0 es equivalente a realizar una prueba de

hipótesis de dos colas con a como nivel de significancia. Ahora se puede resumir el
procedimiento para usar un intervalo de confianza para realizar una prueba de hipótesis de
dos colas.

1. Seleccione una muestra aleatoria simple de la población y use el valor de la media

muestral 𝑥̅ para desarrollar el intervalo de confianza para la media poblacional 𝜇.

2. Si el intervalo de confianza contiene el valor hipotético 𝜇0 , no rechace H0. De lo

contrario, rechace H0.
Ilustremos mediante la realización de la prueba de hipótesis de los juguetes navideños
utilizando el enfoque del intervalo de confianza. La prueba de hipótesis de Holiday Toys
tiene la siguiente forma:

Para probar estas hipótesis con un nivel de significancia de 𝛼 =0.05, muestreamos 25

minoristas y encontramos una media muestral de 𝑥̅ =37.4 unidades y una desviación
estándar muestral de s=11.79 unidades. Usando estos resultados con 𝑡0.025=INV.T (1-
(.05/2), 25-1) =2.064, encontramos que la estimación del intervalo de confianza del 95%
de la media de la población es

0
33.0 a 41.8
Este hallazgo permite al director de marketing de Holiday concluir con un 95% de
confianza que el número medio de unidades por punto de venta minorista está entre 33.0
y 41.8. Debido a que el valor hipotético para la media poblacional, 𝜇0 = 40, está en este
intervalo, la conclusión de la prueba de hipótesis es que la hipótesis nula, H0:𝜇 = 40, no
puede rechazarse.
 Maestría en Administración
Universidad Autónoma de Occidente

Tenga en cuenta que esta discusión y ejemplo pertenecen a pruebas de hipótesis de dos
colas sobre la media de una población. Sin embargo, existe el mismo intervalo de
confianza y la misma relación de prueba de hipótesis de dos colas para otros parámetros
de población. La relación también puede extenderse a pruebas de una cola sobre
parámetros de población. Sin embargo, hacerlo requiere el desarrollo de intervalos de
confianza unilaterales, que rara vez se utilizan en la práctica.
Prueba de hipótesis de la proporción poblacional
En esta sección mostramos cómo realizar una prueba de hipótesis sobre una proporción
de población p. Usando 𝑝0 para denotar el valor hipotético de la proporción de población,
las tres formas de una prueba de hipótesis sobre una proporción de población son las
siguientes:

La primera forma se llama prueba de cola inferior, la segunda prueba de cola superior y
la tercera forma una prueba de dos colas.
Las pruebas de hipótesis sobre una proporción de población se basan en la diferencia
entre la proporción simple p y la proporción de población hipotetizada p0. Los métodos
utilizados para realizar la prueba de hipótesis son similares a los utilizados para las
pruebas de hipótesis sobre la media de una población. La única diferencia es que usamos
la proporción de la muestra y su error estándar para calcular la estadística de prueba.
Luego, el valor p se usa para determinar si la hipótesis nula debe rechazarse.
Consideremos un ejemplo que involucra una situación que enfrenta el campo de golf de
Pine Creek. Durante el año pasado, el 20% de los jugadores de Pine Creek eran mujeres.
En un esfuerzo por aumentar la proporción de jugadoras, Pine Creek implementó una
promoción especial diseñada para atraer a las golfistas. Un mes después de que se
implementó la promoción, el director del campo solicitó un estudio estadístico para
determinar si la proporción de jugadoras en Pine Creek había aumentado. Dado que el
objetivo del estudio es determinar si la proporción de golfistas aumentó, una prueba de
cola superior con Ha:𝑝 > 20 es apropiado.
Las hipótesis nula y alternativa para la prueba de hipótesis de Pine Creek son las
siguientes:

Si se puede rechazar H0, los resultados de la prueba darán apoyo estadístico a la

conclusión de que la proporción de golfistas aumentó y la promoción fue beneficiosa. El
director del curso especificó que se utilizará un nivel de significancia de 𝛼 =0.05 para
llevar a cabo esta prueba de hipótesis.
 Maestría en Administración
Universidad Autónoma de Occidente

El siguiente paso del procedimiento de prueba de hipótesis es seleccionar una muestra y

calcular el valor de una estadística de prueba adecuada. Para mostrar cómo se realiza este
paso para la prueba de cola ascendente de Pine Creek, comenzamos con una discusión
general sobre cómo calcular el valor del estadístico de prueba para cualquier forma de
prueba de hipótesis sobre una proporción de población. La distribución muestral de 𝑝̅ , el
estimador puntual del parámetro de población p, es la base para desarrollar el estadístico
de prueba.
Cuando la hipótesis nula es verdadera como una igualdad, el valor esperado de 𝑝̅ es igual
al valor hipotetizado p0; es decir, E(𝑝̅ ) =p0. El error estándar de 𝑝̅ viene dado por

Dijimos que si 𝑛𝑝 ≥ 5 y 𝑛(1 − 𝑝) ≥ 5, la distribución muestral de 𝑝̅ puede aproximarse

mediante una distribución normal. En estas condiciones, que generalmente se aplican en
la práctica, la cantidad

tiene una distribución de probabilidad normal estándar. Con 𝜎𝑝̅ = √𝑝0 (1 − 𝑝0 )/𝑛, la
variable aleatoria normal estándar z es el estadístico de prueba utilizado para realizar
pruebas de hipótesis sobre una proporción de población.

Ahora podemos calcular el estadístico de prueba para la prueba de hipótesis de Pine

Creek. Suponga que se selecciona una muestra aleatoria de 400 jugadores y que 100 de
los jugadores son mujeres. La proporción de golfistas de la muestra es

Usando la ecuación (6.13), el valor del estadístico de prueba es

 Maestría en Administración
Universidad Autónoma de Occidente

Debido a que la prueba de hipótesis de Pine Creek es una prueba de cola superior, el valor
p es la probabilidad de obtener un valor para el estadístico de prueba que sea mayor o
igual que 𝑧 = 2.50 es decir, es el área de la cola superior correspondiente a 𝑧 ≥ 2.50
como se muestra en la Figura 6.22. El Excel =1- DISTR.NORM.ESTAND.N(2.5,
VERDADERO) calcula este área de cola superior de 0.0062.
Figura 6.22. Cálculo del valor p para la prueba de hipótesis de Pine Creek

Valor p

Recuerde que el director del curso especificó un nivel de significancia de 𝛼 =0.05. Un

valor de p =0.0062<0.05 da suficiente evidencia estadística para rechazar H 0 en el nivel
de significancia 0.05. Por lo tanto, la prueba proporciona apoyo estadístico para la
conclusión de que la promoción especial aumentó la proporción de jugadoras en el campo
de golf de Pine Creek.
Uso de Excel
Excel se puede utilizar para realizar pruebas de hipótesis de una o dos colas sobre una
proporción de población utilizando el enfoque del valor p. El procedimiento es similar al
enfoque utilizado con Excel para realizar pruebas de hipótesis sobre la media de una
población.
La principal diferencia es que el estadístico de prueba se basa en la distribución muestral
de 𝑥̅ para las pruebas de hipótesis sobre una media de población y en la distribución
muestral de 𝑥̅ para las pruebas de hipótesis sobre una proporción de población. Por lo
tanto, aunque se utilizan fórmulas diferentes para calcular el estadístico de prueba y el
valor p necesario para tomar la decisión de prueba de hipótesis, el proceso lógico es
idéntico.
Ilustraremos el procedimiento mostrando cómo se puede usar Excel para realizar la
prueba de hipótesis de la cola superior para el estudio del campo de golf de Pine Creek.
 Maestría en Administración
Universidad Autónoma de Occidente

Consulte la Figura 6.23 mientras describimos las tareas involucradas. La hoja de cálculo
de fórmulas está a la izquierda; la hoja de trabajo de valor está a la derecha.
Figura 6.23. Prueba de hipótesis para el campo de golf Pine Creek

Las estadísticas descriptivas necesarias se proporcionan en las celdas D3, D5 y D6.

Debido a que los datos no son numéricos, la función CONTARA de Excel, no la función
CONTAR, se usa en la celda D3 para determinar el tamaño de la muestra. Ingresamos
Mujer en la celda D4 para identificar la respuesta para la cual deseamos calcular una
proporción. La función CONTAR.SI se utiliza en la celda D5 para determinar el número
de respuestas del tipo identificado en la celda D4. La proporción de la muestra se calcula
luego en la celda D6 dividiendo el recuento de respuestas por el tamaño de la muestra.
El valor hipotético de la proporción de población (0.20) se ingresa en la celda D8. El
error estándar se obtiene en la celda D10 ingresando la fórmula0 RAIZ(D8*(1-D8)/D3).
 Maestría en Administración
Universidad Autónoma de Occidente

La fórmula = (D6-D8) / D10 ingresada en la celda D11 calcula el estadístico de prueba z

de acuerdo con la ecuación (6.13). Para calcular el valor p para una prueba de cola
inferior, ingresamos la fórmula =DISTR.NORM.ESTAND.N(D11,VERDADERO) en la
celda D13. El valor p para una prueba de cola superior se calcula en la celda D14 como
1 menos el valor p para la prueba de cola inferior. Finalmente, el valor p para una prueba
de dos colas se calcula en la celda D15 como dos veces el mínimo de los dos valores p
de una cola. La hoja de trabajo de valor muestra que los tres valores p son los siguientes:
valor p (cola inferior)=0.9938, valor p (cola superior)=0.0062 y valor p (dos colas)
=0.0124.
El desarrollo de la hoja de trabajo ahora está completo. Para la prueba de hipótesis de la
cola superior de Pine Creek, rechazamos la hipótesis nula de que la proporción de
población es 0.20 o menos porque el valor p de la cola superior de 0.0062 es menor que
𝛼 = 0.05. De hecho, con este valor de p rechazaríamos la hipótesis nula para cualquier
nivel de significación de 0.0062 o mayor.
El procedimiento utilizado para realizar una prueba de hipótesis sobre una proporción de
población es similar al procedimiento utilizado para realizar una prueba de hipótesis
sobre la media de una población. Aunque ilustramos cómo realizar una prueba de
hipótesis sobre una proporción de población solo para una prueba de cola superior, se
pueden usar procedimientos similares para pruebas de cola inferior y de dos colas. La
tabla 6.8 proporciona un resumen de las pruebas de hipótesis sobre una proporción de
población para el caso de que 𝑛𝑝 ≥ 5 y 𝑛(1 − 𝑝) ≥ 5(y, por lo tanto, la distribución de
probabilidad normal puede usarse para aproximar la distribución muestral de 𝑝̅ ).