Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MAESTRÍA EN ADMINISTRACIÓN
Modalidad Virtual
Curso:
Modelos Cuantitativos Empresariales
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
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.
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
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
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)
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
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.
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
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:
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
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
En este capítulo mostramos que una prueba de hipótesis de dos colas sobre una media
poblacional toma la siguiente forma:
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:
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.
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
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