TECNOLÓGICO NACIONAL DE MÉXICO

Instituto Tecnológico Superior De Coatzacoalcos

Instituto Tecnológico Superior de

Coatzacoalcos
División de Ingeniería INDUSTRIAL
PERIODO: SEPTIEMBRE 2020 – ENERO 2021
Nombre del Alumno: ALOR MARTINEZ LUZ AZUCENA – GOMEZ CARDENAS
ALAIN ARTURO – JIMENEZ FELIPE FLOR NAYELI – RAMOS LOPEZ KAREN
ARLETT – RODRIGUEZ GRACIA GUSTAVO ADOLFO – PAREDES VALADEZ
FRANCISCO

ASIGNATURA: ESTADISTICA INFERENCIAL

INVESTIGACIÓN UNIDAD III: PRUEBAS DE HIPOTESIS

No. Control:19080790 Semestre: 3º Grupo: 3EI

DOCENTE: JIMENEZ VENTURA BRICIO

Apellido Paterno Apellido Materno Nombre(s)

Fecha: 09 – Noviembre – 2020

1
INDICE

3.1 Introducción.

3.2 Confiabilidad y significancia.

3.3 Errores tipo I y tipo II.

3.4 Potencia de la prueba.

3.5 Formulación de Hipótesis estadísticas.

3.6 Prueba de hipótesis para la media.

3.7 Prueba de hipótesis para la diferencia de medias.

3.8 Prueba de hipótesis para la proporción.

3.9 Prueba de hipótesis para la diferencia de proporciones.

3.10 Prueba de hipótesis para la varianza.

3.11 Prueba de hipótesis para la relación de varianzas.

Conclusión

Bibliografía

2
3.1 INTRODUCCION
En esta unidad se introducirá la prueba de hipótesis que es un enfoque diferente.
En este caso, el valor del parámetro y sobre la base de la información obtenida en
una muestra se somete a prueba la suposición, para luego tomar con cierta
probabilidad, la decisión de rechazar o no rechazar la hipótesis. En este punto es
importante señalar que la expresión “no rechazar” pudiera ser sustituida por
“aceptar”, sin embargo, antes de hacerlo es necesario atender cuidadosamente
algunas explicaciones que se darán más adelante. La prueba de hipótesis también
conocida como docimasia o contrastación de hipótesis es uno de los métodos
estadísticos más usados en las ciencias naturales por ser un procedimiento que le
proporciona al investigador un criterio objetivo para tomar decisiones con base a un
número limitado de observaciones. Frecuentemente el biólogo tiene que decidir: a)
al comparar magnitudes de propiedades físicas, químicas o biológicas en dos o más
condiciones o categorías, como es el caso de confrontar el valor medio de la presión
arterial en personas pertenecientes a dos grupos etarios; b) al valorar los efectos de
diferentes niveles de algún factor ambiental como la temperatura, la humedad, el
contenido de oxígeno sobre algún proceso, característica o propiedad de un
organismo; y c) al relacionar dos o más variables, como la intensidad lumínica y la
tasa fotosintética.

3
3.2 CONFIABILIDAD Y SIGNIFICANCIA
La confiabilidad es la Probabilidad de que la estimación efectuada se ajuste a la
realidad. Cualquier información que queremos recoger está distribuida según una
ley de probabilidad (Gauss o Student), así llamamos nivel de confianza a la
probabilidad de que el intervalo construido en torno a un estadístico capte el
verdadero valor del parámetro.

Según Lourival Tavares: “La confiabilidad final de un conjunto de equipos, será

obtenida por la suma de los productos de las confiabilidades de cada ítem por sus
capacidades de producción, dividido por la suma de las capacidades de producción
de esos ítems”.

Según la definición anterior, la confiabilidad de un sistema en paralelo está dada

por:

Donde Cf1, Cf2,...., Cfn son las confiabilidades de cada uno de los equipos.
Pr1, Pr2,...., Prn son las participaciones de cada uno de los equipos en la
producción del sistema evaluado.
Generalizando para n equipos en paralelo:

4
De la expresión anterior, se concluye que el paro de un equipo no implica el paro
del sistema. Esta característica de los sistemas en paralelo se debe al carácter
aditivo de las confiabilidades ponderadas con la producción de cada uno de ellos.
Con respecto a la participación en la producción de cada uno los equipos
involucrados, es válida la siguiente observación: No necesariamente la sumatoria
de las participaciones debe ser 100% pues, por lo general, las líneas de producción
son sobredimensionadas.
SIGNIFICANCIA
La prueba de hipótesis está guiada por el análisis estadístico. La significancia
estadística se calcula usando un valor p, el cual te dice la probabilidad de que tu
resultado se observe dado que una determinada afirmación (la hipótesis nula) sea
verdadera.[1] Si este valor p es menor al nivel de significancia establecido
(generalmente 0,05), el experimentador puede asumir que la hipótesis nula es falsa
y aceptar la hipótesis alternativa. Usando una simple prueba t, puedes calcular un
valor p y determinar la significancia entre dos grupos diferentes de un conjunto de
datos.

5
3.3 ERRORES TIPO I Y TIPO II
Error tipo I y error tipo II: ¿qué son?
El error tipo I y error tipo II son tipos de errores que podemos cometer cuando en
una investigación estamos ante la formulación de hipótesis estadísticas (como la
hipótesis nula o H0 y la hipótesis alternativa o H1). Es decir, cuando estamos
realizando pruebas de hipótesis. Pero para entender estos conceptos, primero
debemos contextualizar su uso en la estimación por intervalos.

Como hemos visto, la estimación por intervalos se basa en una región crítica a
partir del parámetro de la hipótesis nula (H0) que planteamos, así como en el
intervalo de confianza a partir del estimador de la muestra.

Es decir, el objetivo es establecer un intervalo matemático donde caería el

parámetro que queremos estudiar. Para ello, se deben realizar una serie de pasos.

1. Formulación de hipótesis
El primer paso es formular la hipótesis nula y la hipótesis alternativa, lo que, como
veremos, nos llevará a los conceptos de error tipo I y error tipo II.
1.1. Hipótesis nula (H0)
La hipótesis nula (H0) es la hipótesis que plantea el investigador, y que
provisionalmente acepta como verdadera. Solo puede rechazarla mediante un
proceso de falsación o refutación.
Normalmente, lo que se hace es plantear la ausencia de efecto o la ausencia de
diferencias (por ejemplo, sería afirmar que: “No hay diferencias entre la terapia
cognitiva y la terapia de conducta en el tratamiento de la ansiedad”).

1.2. Hipótesis alternativa (H1)

La hipótesis alternativa (H1), en cambio, es la aspirante por suplantar o reemplazar
la hipótesis nula. Esta suele plantear que existen diferencias o efecto (por ejemplo,
“Existen diferencias entre la terapia cognitiva y la terapia de conducta en el

6
tratamiento de la ansiedad”).
Determinación del nivel de significación o alfa (α)
El segundo paso dentro de la estimación por intervalos es determinar el nivel de
significación o el nivel alfa (α). Este lo fija el investigador al inicio del proceso; se
trata de la probabilidad máxima de error que aceptamos cometer al rechazar la
hipótesis nula.

Suele tomar valores pequeños, tales como 0.001, 0,01 o 0,05. Es decir, sería el
“tope” o error máximo que estamos dispuestos a cometer como investigadores.
Cuando el nivel de significación vale 0,05 (5%), por ejemplo, el nivel de confianza
es de 0.95 (95%), y los dos suman 1 (100%).

Una vez establecemos el nivel de significación, pueden ocurrir cuatro situaciones:

que se produzcan dos tipos de errores (y aquí es donde entran el error tipo I y error
tipo II), o bien que se produzcan dos tipos de decisiones correctas. Es decir, las
cuatro posibilidades son:
2.1. Decisión correcta (1-α)
Consiste en aceptar la hipótesis nula (H0) siendo esta verdadera. Es decir, no la
rechazamos, la mantenemos, porque es cierta. Matemáticamente se calcularía de
la siguiente forma: 1-α (donde α es el error tipo I o nivel de significación).
2.2. Decisión correcta (1-β)
En este caso, también tomamos una decisión correcta; consiste en rechazar la
hipótesis nula (H0) siendo esta falsa. También se llama potencia de la prueba. Se
calcula: 1-β (donde β es el error tipo II).
2.3. Error tipo I (α)
El error tipo I, también llamado alfa (α), se comete al rechazar la hipótesis nula
(H0) siendo esta verdadera. Así, la probabilidad de cometer un error de tipo I es α,
que es el nivel de significación que hemos establecido para nuestra prueba de
hipótesis.
Si por ejemplo el α que habíamos establecido es de 0.05, esto indicaría que
estamos dispuestos a aceptar una probabilidad del 5% de equivocarnos al

7
rechazar la hipótesis nula.
2.4. Error tipo II (β)
El error tipo II o beta (β), se comete al aceptar la hipótesis nula (H0) siendo esta
falsa. Es decir, la probabilidad de cometer un error tipo II es beta (β), y depende
de la potencia de la prueba (1-β).
Para reducir el riesgo de cometer un error tipo II, podemos optar por asegurarnos
de que la prueba tiene suficiente potencia. Para ello, deberemos asegurarnos de
que el tamaño de la muestra es lo suficientemente grande como para detectar una
diferencia cuando ésta realmente exista.

8
3.4 POTENCIA DE LA PRUEBA

Recordemos que cada que realizamos una prueba de hipótesis, hay la posibilidad
de cometer uno de dos posibles errores cuando tomamos la decisión de aceptar o
rechazar a la hipótesis nula. El error de tipo I se da cuando se rechaza a la hipótesis
nula siendo que es verdadera, a este error usualmente se le llama “nivel de
significancia” (α). El error de tipo II (β) se da cuando no se rechaza la hipótesis nula
siendo que es falsa.
Una buena prueba estadística se da cuando la probabilidad de cometer cualquiera
de esos errores es pequeña. El primer error de antemano está presente en el
procedimiento de la prueba, mientras que el uso y control del error del tipo II, por lo
general no es tomado en cuenta en la prueba.
El objetivo es destacar la importancia del error del tipo II, mediante el estudio de su
complemento llamado “potencia” definida como potencia = 1 - α, la cual mide la
capacidad de la prueba para realizarse según lo requerido.
En el siguiente cuadro se muestran las posibles decisiones para la prueba de
hipótesis, así como las probabilidades asociadas para cada una de las decisiones.

Ejemplo:
Supóngase que se plantea la siguiente prueba de hipótesis

9
Ejemplo:
Supóngase que se plantea la siguiente prueba de hipótesis

Recordemos que, si H0 es falsa, entonces H1 es verdadera. Entonces u = 36 no sería

cierta. Supongamos que efectivamente la media verdadera no es 36. entonces el
procedimiento de la prueba debería mostrarnos que efectivamente el trabajo
muestral daría una u > 36.
La probabilidad de detectar esa diferencia mediante nuestra prueba se da por medio
de la potencia.

Notemos que el punto crítico es 38.4, por lo que valores a la izquierda sugieren
aceptar a H0, y valores a la derecha sugieren rechazar a H 0.

10
3.5 FORMULACIÓN DE HIPÓTESIS
Son transformaciones de las hipótesis de investigación en símbolos estadísticos y
se formulan cuando los datos del estudio son cuantitativos. Estas pueden ser
hipótesis estadísticas de estimación, de correlación o de diferencia. El símbolo de
correlación es "r" para dos variables y "R" para más de dos variables. Ejemplos: A.
Estimación: Hi: X > 90 Para una hipótesis de investigación descriptiva de una
variable que dice el promedio de la clase es mayor de 90. Se le antepone una
hipótesis nula que estadísticamente sería Ho: X = 90 y la hipótesis alternativa podría
representarse estadísticamente como: Ha: X < 90. Algunos investigadores
consideran las hipótesis de estimación como de diferencia dado que se evalúa la
diferencia entre un valor hipotético y uno observado en una sola muestra. B.
Correlación: Hi: rxy ¹0 Significa que las variables X y Y están correlacionadas dado
que, de no ser así, la correlación sería 0. Esta hipótesis de correlación tiene su
contraparte en la siguiente hipótesis estadística nula, la cual niega la correlación:
Ho: rxy =0 Significa que la correlación entre X y Y es cero, es decir, no existe. C.
Diferencia: (entre grupos o sujetos a partir de una misma medida o estadígrafo -
media, mediana, rango, porcentajes). Supóngase la hipótesis de investigación que
dice que los porcentajes de individuos que prefieren una loción en particular difieren
según el nivel académico (3 niveles).
Hi: %1 ¹ %2 ¹ %3 Significa que los porcentajes son diferentes. Y la hipótesis
estadística nula sería: Ho: %1 = %2 = %3 es decir, no hay diferencia entre los
porcentajes de los grupos constituidos por los niveles académicos. Al elaborar la
hipótesis estadística correspondiente, el investigador deberá determinar en primer
lugar cuál es la estadística (estadígrafo) al cual hace referencia su hipótesis, luego
determinar la forma cómo se simboliza correctamente, antes de proceder a traducir
la hipótesis de investigación en estadística. Siendo que en ocasiones es difícil
determinar el valor que puede manifestar una variable, los estudios descriptivos no
suelen contener hipótesis, así como no deben usarse en estudio exploratorios
siendo que no se puede presuponer algo que apenas se comienza a conocer. En
estos casos lo que procede es trabajar con objetivos debidamente declarados.

11
3.6 PRUEBA DE HIPOTESIS PARA LA MEDIA
Una hipótesis es un enunciado acerca del valor de un parámetro (media, proporción,
etc.).
Prueba de Hipótesis es un procedimiento basado en evidencia muestral
(estadístico) y en la teoría de probabilidad (distribución muestral del estadístico)
para determinar si una hipótesis es razonable y no debe rechazarse, o si es
irrazonable y debe ser rechazada.
La hipótesis de que el parámetro de la población es igual a un valor determinado se
conoce como hipótesis nula. Una hipótesis nula es siempre una de estatus quo o de
no diferencia.

En toda prueba de hipótesis se presentan 3 casos de zonas críticas o llamadas también

zonas de rechazo de la hipótesis nula, estos casos son los siguientes:

12
En toda prueba de hipótesis se pueden cometer 2 tipos de errores:

Pruebas medias de una muestra

Se utiliza una prueba de una muestra para probar una afirmación con respecto a
una media de una población única.

13
Como se tiene como dato el tamaño de la población se tiene que verificar si cumple
con la condición para utilizar el factor finito de corrección.

14
3.7 PRUEBA DE HIPÓTESIS PARA LA DIFERENCIA DE MEDIAS.
Las pruebas de dos muestras se utilizan para decidir si las medias de dos
poblaciones son iguales. Se requieren dos muestras independientes, una de cada
una de las dos poblaciones. Considérese, por ejemplo, una compañía investigadora
que experimentan con dos diferentes mezclas de pintura, para ver si se puede
modificar el tiempo de secado de una pintura para uso doméstico. Cada mezcla es
probada un determinado número de veces, y comparados posteriormente los
tiempos medios de secado de las dos muestras. Una parece ser superior, ya que
su tiempo medio de secado (muestra) es 30 minutos menor que el de la otra
muestra.
Con frecuencia se utilizan pruebas de dos muestras para comparar dos métodos de
enseñanza, dos marcas, dos ciudades, dos distritos escolares y otras cosas
semejantes.
La hipótesis nula puede establecer que las dos poblaciones tienen medias iguales:

Para tamaños más pequeños de muestra, Z estará distribuida normalmente sólo si

las dos poblaciones que se muestrean también lo están.

15
Ejemplo ilustrativo
La media de las calificaciones de dos muestras de 15 estudiantes de primer
semestre en la asignatura de Estadística de la universidad UTN resulta ser de 7 y
8,5. Se sabe que la desviación típica de las calificaciones en esta asignatura fue en
el pasado de 1,5

16
3.8 PRUEBA DE HIPÓTESIS PARA LA PROPORCIÓN.
Las pruebas de proporciones son adecuadas cuando los datos que se están
analizando constan de cuentas o frecuencias de elementos de dos o más clases. El
objetivo de estas pruebas es evaluar las afirmaciones con respecto a una proporción
(o Porcentaje) de población. Las pruebas se basan en la premisa de que una
proporción muestral (es decir, x ocurrencias en n observaciones, o x/n) será igual a
la proporción verdadera de la población si se toman márgenes o tolerancias para la
variabilidad muestral. Las pruebas suelen enfocarse en la diferencia entre un
número esperado de ocurrencias, suponiendo que una afirmación es verdadera, y
el número observado realmente. La diferencia se compara con la variabilidad
prescrita mediante una distribución de muestreo que tiene como base el supuesto

de que es realmente verdadera.

En muchos aspectos, las pruebas de proporciones se parecen a las pruebas de
medias, excepto que, en el caso de las primeras, los datos muestrales se consideran
como cuentas en lugar de como mediciones. Por ejemplo, las pruebas para medias
y proporciones se pueden utilizar para evaluar afirmaciones con respecto a:
1) Un parámetro de población único (prueba de una muestra)
2) La igualdad de parámetros de dos poblaciones (prueba de dos muestras), y
3) La igualdad de parámetros de más de dos poblaciones (prueba de k muestras).
Además, para tamaños grandes de muestras, la distribución de muestreo adecuada
para pruebas de proporciones de una y dos muestras es aproximadamente normal,
justo como sucede en el caso de pruebas de medias de una y dos muestras.
Prueba de proporciones de una muestra
Cuando el objetivo del muestreo es evaluar la validez de una afirmación con
respecto a la proporción de una población, es adecuado utilizar una prueba de una
muestra. La metodología de prueba depende de si el número de observaciones de
la muestra es grande o pequeño.
Como se habrá observado anteriormente, las pruebas de grandes muestras de
medias y proporciones son bastante semejantes. De este modo, los valores
estadísticos de prueba miden la desviación de un valor estadístico de muestra a
partir de un valor propuesto. Y ambas pruebas se basan en la distribución normal

17
estándar para valores críticos. Quizá la única diferencia real entre las ambas radica
en la forma corno se obtiene la desviación estándar de la distribución de muestreo.
Esta prueba comprende el cálculo del valor estadístico de prueba Z.

Posteriormente este valor es comparado con el valor de Z, obtenido a partir de una

tabla normal a un nivel de significación seleccionado.
Como ocurrió con la prueba de medias de una muestra, las pruebas de proporciones
pueden ser de una o dos colas.

18
Ejemplo ilustrativo
En un estudio se afirma que 3 de 10 estudiantes universitarios trabajan. Pruebe esta
aseveración, a un nivel de significación de 0,025, respecto a la alternativa de que la
proporción real de los estudiantes universitarios trabajan es mayor de lo que se
afirma, si una muestra aleatoria de 600 estudiantes universitarios revela que 200 de
ellos trabajan. La muestra fue tomada de 10000 estudiantes.
Los datos son:

Como en los datos aparece el tamaño de la población, se debe verificar si el tamaño

de la nuestra es mayor que el 5%. Se remplaza valores en la siguiente fórmula:

19
Los cálculos en Excel se muestran en la siguiente figura:

El gráfico elaborado en Winstats y Paint se muestra a continuación:

Decisión:

PRUEBA DE PROPORCIONES DE DOS MUESTRAS

El objetivo de una prueba de dos muestras es determinar si las dos muestras
independientes fueron tomadas de dos poblaciones, las cuales presentan la misma
proporción de elementos con determinada característica. La prueba se concentra
en la diferencia relativa (diferencia dividida entre la desviación estándar de la
distribución de muestreo) entre las dos proporciones muestrales. Diferencias
pequeñas denotan únicamente la variación casual producto del muestreo (se acepta

20
H0), en tanto que grandes diferencias significan lo contrario (se rechaza H0). El
valor estadístico de prueba (diferencia relativa) es comparado con un valor tabular
de la distribución normal, a fin de decidir si H0 es aceptada o rechazada. Una vez
más, esta prueba se asemeja considerablemente a la prueba de medias de dos
muestras.
La hipótesis nula en una prueba de dos muestras es:

Ejemplo ilustrativo
Se ponen a prueba la enseñanza de la Estadística empleando Excel y Winstats.
Para determinar si los estudiantes difieren en términos de estar a favor de la nueva
enseñanza se toma una muestra de 20 estudiantes de dos paralelos. De paralelo A
18 están a favor, en tanto que del paralelo B están a favor 14. ¿Es posible concluir
con un nivel de significación de 0,05 que los estudiantes que están a favor de la
nueva enseñanza de la Estadística es la misma en los dos paralelos?

Los datos son:

21
Las hipótesis son:

Calculando la proporción muestral se obtiene:

22
3.9 PRUEBAS DE HIPOTESIS PARA UNA PROPORCION Y
DIFERENCIA DE PROPORCIONES
En el subtema anterior se utilizaron procedimientos de pruebas de la hipótesis para
medias. El concepto de la prueba de hipótesis también se puede utilizar para probar
hipótesis en relación con datos cualitativos. Por ejemplo, en el ejemplo de las llantas
(otra vez), el gerente de la fábrica de llantas quería determinar la proporción de
llantas que se reventaban antes de 10 000 kilómetros. En nuestro ejemplo, el
gerente quiere que la calidad de las llantas producidas sea lo bastante alta para que
muy pocas se revienten antes de los 10 000 kilómetros. Si más de un 8% de las
llantas se revientan antes de los 10 000 kilómetros, se llegaría a concluir que el
proceso no funciona correctamente. La hipótesis nula y alternativa para este
problema se pueden expresar como sigue: Ho: p .08 (funciona correctamente H1: p
> .08 (no funciona correctamente) El número de éxitos sigue un proceso binomial.
No obstante, como ya se vio al desarrollar intervalos de confianza, si el tamaño de
la muestra es lo bastante grande [np y n (1-p) 5], la distribución normal da una buena
aproximación a la distribución binomial. La prueba estadística se puede expresar en
dos formas, ya sea en términos de la proporción de éxitos en donde p = proporción
de éxitos de la hipótesis nula o el número de éxitos Ambas formulas darán como
resultado la misma respuesta exacta al problema. Ahora se determinará si el
proceso funciona correctamente para las llantas producidas en el turno de día. Los
resultados del turno de día indican que cinco llantas en una muestra de 100 se
reventaron antes de 10 000 kilómetros. Para este problema, si se selecciona un
nivel de significación de .05, las regiones de rechazo y no rechazo se establecerían
como se muestra en la figura
Prueba de hipótesis para la diferencia de proporciones En lugar de preocuparse por
las diferencias entre dos poblaciones en términos de una variable cuantitativa, el
interés podría ser las diferencias en alguna característica cualitativa. La prueba de
la diferencia entre dos proporciones basadas en muestras independientes se puede
efectuar con el uso de dos métodos diferentes, pero los resultados serán
equivalente, aquí sólo observaremos uno de ellos. El primer método de prueba de
la diferencia entre dos proporciones implica el uso de la distribución normal. Esta

23
prueba está basada en la diferencia entre las dos proporciones de la muestra a las
cuales se puede aproximar con una distribución normal para muestras de tamaño
grande. Para las dos poblaciones implicadas, interesa determinar si hay o no alguna
diferencia en la proporción de éxitos en los dos grupos (prueba de dos colas) o si
un grupo tuvo una proporción mayor de éxitos que el otro grupo (prueba de una
cola). El estadístico de la prueba sería con en donde ps1 = proporción muestral en
la población 1. ps2 = proporción muestral en la población 2. X1 = número de éxitos
en la muestra 1. X2 = número de éxitos en la muestra 2. n1 = tamaño de la muestra
para la población 1. n2 = tamaño de la muestra para la población 2. = estimación
combinada para la proporción de la población. La estimación de la proporción de la
población que se utilizará está basada en la hipótesis nula, Con la hipótesis nula,
se supone que las dos proporciones de la población son iguales. Por tanto, se puede
obtener una estimación total de la proporción de la población al combinar las dos
proporciones de la muestra. La estimación es simplemente el número de éxitos en
las dos muestras combinadas (X1 + X2) dividido entre el tamaño total de la muestra
(n1 + 2)

24
3.10 PRUEBA DE HIPÓTESIS PARA LA VARIANZA.
En una prueba de hipótesis para la varianza poblacional se emplean el Valor
hipotético de la varianza poblacional σ2 O y la varianza maestral s^2Para calcular
el valor estadístico de prueba X^2.
Si la población tiene una Distribución normal, el estadístico de prueba es el
siguiente:

Cuando se analizan variables cuantitativas, a menudo es importante sacar

conclusiones en cuanto a la variabilidad, así como al promedio de una característica
de interés. Por ejemplo, en el estudio de las llantas, el gerente de la fábrica,
probablemente se interesaría en determinar si la variabilidad en la duración de las
llantas está o no dentro de los límites aceptables antes de concluir que el proceso
funciona en forma correcta. En este caso, lo que interesaría sería llegar a
conclusiones acerca de la desviación estándar o a la varianza de la población.
Si se intenta llegar a conclusiones en cuanto a la variabilidad de l apoblación,
primero se debe determinar qué prueba estadística se puede usar para representar
la distribución de la variabilidad en los datos de la muestra. Si la variable (duración
del piso de las llantas) se supone que tiene distribución normal, entonces el
estadístico (n-1)S2 2seguiría la distribución ji cuadrada (X^2) con (n-1) grados de
libertad.
Por tanto, el estadístico de la prueba para probar si la varianza de la población es o
no igual a un valor especifico es en donde:
n = tamaño de la muestra.
S^2= varianza de la muestra.
X^2= varianza hipotética de la población.

25
ELEMENTOS DE UNA PRUEBA DE HIPÓTESIS ESTADÍSTICA
Una prueba de hipótesis consta de cinco partes:
• Planteamiento de la hipótesis nula H0 = μ
• Planteamiento de la hipótesis alternativa H1 ≠ μ
• Prueba estadística y su valor p
• Establecimiento de la región de rechazo
• Conclusión

26
3.11 PRUEBA DE HIPÓTESIS PARA LA RELACIÓN DE
VARIANZAS.
En una forma análoga a las ya descritas para las medias y proporciones, también
interesa determinar si las dos poblaciones tienen o no la misma variabilidad. Para
poder comparar la igualdad de las varianzas de dos poblaciones independientes, se
ha ideado un procedimiento estadístico basado en la razón de las dos varianzas
muestrales. Si los datos de cada población se suponen distribuidos normalmente,
entonces la razón S12/S22 sigue una distribución llamada distribución F, que recibe
el nombre en honor de R. A. Fisher. El valor crítico de la distribución F depende de
"dos" conjuntos de grados de libertad: los grados de libertad en el numerador y en
el denominador.
El estadístico de la prueba para probar la razón entre las dos varianzas sería .

27
CONCLUSIÓN
La estadística inferencial se ocupa de la obtención de conclusiones en relación a un
gran número de sucesos, en base a la observación de una muestra obtenida de
ellos. También nos señala los procedimientos que se han de seguir para poder
extraer conclusiones válidas y fiables, a partir de la evidencia que suministra las
muestras. Pues como ya se mencionó anteriormente si rechazamos la hipótesis
nula, concluimos que "hay suficiente evidencia estadística para inferir que la
hipótesis nula es falsa". Si no rechazamos la hipótesis nula, concluimos que "no hay
suficiente evidencia estadística para inferir que la hipótesis nula es falsa"

28
BIBLIOGRAFRÍA

1.- Appendino, R. (s. f.). 6 PRUEBA DE HIPÓTESIS 6.1 INTRODUCCIÓN.

Academia.edu.Recuperado 6 de noviembre de 2020, de

https://www.academia.edu/28472563/6_PRUEBA_DE_HIP%C3%93TESIS_6_1_I

NTRODUCCI%C3%93N?auto=download

2.- R. (s. f.). El cálculo de la Confiabilidad. Reliabilityweb: A Culture of Reliability.

Recuperado 6 de noviembre de 2020, de

https://reliabilityweb.com/sp/articles/entry/el-calculo-de-la-

confiabilidad/#:%7E:text=Seg%C3%BAn%20Lourival%20Tavares%3A%20%E2%

80%9CLa%20confiabilidad,V%C3%A9ase%20la%20figura%202.

3.- Ruiz Mitjana, L. (2020, 5 noviembre). Error tipo I y error tipo II: ¿qué son y qué indican

en estadística? Psicología y Mente. https://psicologiaymente.com/miscelanea/error-

tipo-i-error-tipo-ii

4.- ZACARIAS FLORES, D. R. J. D. (s. f.). POTENCIA DE LAS PRUEBAS.

www.fcfm.buap.mx. Recuperado 7 de noviembre de 2020, de

https://www.fcfm.buap.mx/jzacarias/cursos/estad2/apuntes/apun5_e2.pdf

5.- Grajales Guerra, T. (2000, 27 marzo). Formulación de Hipótesis. http://tgrajales.net/.

http://tgrajales.net/investhipot.pdf

6.- Mario Orlando Suárez Ibujes, Monografias.com. (s. f.). Pruebas de hipótesis para

medias - Monografias.com. monografias.com. Recuperado 5 de noviembre de 2020,

de https://www.monografias.com/trabajos91/prueba-hipotesis-medias-excel-y-

29
 winstats/prueba-hipotesis-medias-excel-y-

winstats.shtml#:%7E:text=En%20vez%20de%20estimar%20el,par%C3%A1metro

%20es%20verdadera%20o%20falsa.&text=Se%20realiza%20una%20prueba%20de

,o%20par%C3%A1metros%20de%20una%20poblaci%C3%B3n.

7.- Referencias específicas para las unidades de contenido Tema 1. Introducción a la

inferencia estadística Amón, J. (1991). Estadística para Psicólogos II. Capítulo 8,

pp. 230-242. Madrid: Pirámide. Merino, J.M., Moreno, E., Padilla, M., Rodríguez-

Miñón, P. y Villarino, A. (2001): Análisis de Datos en Psicología I. Capítulo 20, pp.

583-616. Madrid: UNED. Pardo, A. y San Martín, R. (1994). Análisis de Datos en

Psicología II. Capítulo 1, pp. 58-86. Madrid: Ediciones Pirámide S.A. Hopkins,

K.D., Hopkins, B.R. y Glass, G.V. (1997, 3ª ed). Estadística Básica para las

Ciencias Sociales y del Comportamiento. Capítulo 9, pp. 143-170. México:

Prentice-Hall Hispanoamericana.

30