PRUEBA DE HIPÓTESIS DE LA MEDIA

POBLACIONAL.

ESTADÍSTICA
DEPARTAMENTO DE CIENCIAS EXACTAS - ESPE
 CLASE Nro. 8.2

CONTENIDO

Título Prueba de Hipótesis de la media poblacional.

Duración 90 minutos

Información general Prueba de Hipótesis de la media poblacional.

Objetivo Realizar prueba de hipótesis para la media poblacional

conociendo ơ y desconocido ơ

1
 CLASE Nro. 8.2

PRUEBA DE HIPÓTESIS DE UNA MEDIA CON VARIANZA POBLACIONAL DESCONOCIDA.

Cuando n es pequeño, el teorema del límite central (TLC) ya no puede ser invocado para justificar el uso
de una prueba con muestra grande. Esta misma dificultad se presenta al obtener un intervalo de confianza
con muestra pequeña (IC) para µ. Se supondrá que la distribución de población es por lo menos
aproximadamente normal y se describirán los procedimientos de prueba cuya validez se fundamenta en esta
suposición.

Se basan las pruebas con una media de población normal, para derivar el intervalo de confianza t para una
muestra: Si X1, X2 . . . , Xn es una muestra aleatoria de una distribución normal, la variable estandarizada.
𝑥𝑥̅ − 𝑢𝑢
𝑡𝑡 =
𝑠𝑠 ∕ √𝑛𝑛

tiene una distribución t con n – 1 grados de libertad (gl). Considérese poner a prueba Ho:= µo contra H1: =
µ > µo utilizando el estadístico de prueba t = (X̅ - µo)/(s/√𝑛𝑛). Es decir, el estadístico de prueba resulta de
estandarizar X̅ conforme a la suposición de que Ho es verdadera (utilizando s/√𝑛𝑛, la desviación estándar
estimada de X̅ en lugar de σ/√𝑛𝑛). Cuando Ho es verdadera, el estadístico de prueba tiene una distribución t
con n – 1 grados de libertad.

El estadístico de prueba es en realidad el mismo del caso de muestra grande, pero se designa t para recalcar
que distribución nula es una distribución t con n – 1 grados de libertad en lugar de la distribución estándar
normal (z). La región de rechazo para la prueba t difiere de aquella para la prueba z sólo en que un valor
crítico t α, n-1 reemplaza al valor crítico zα. Comentarios similares se aplican a alternativas para las cuales
una prueba de cola inferior o de dos colas es apropiada.

Prueba t con una muestra

Hipótesis nula: H0: = µ0
𝑋𝑋̅ −𝜇𝜇
Valor estadístico de prueba: 𝑡𝑡 =
𝑠𝑠/√𝑛𝑛

Hipótesis alternativa Región de rechazo para una prueba de nivel α

H1: µ > µ0 t ≥ tα,n-1 (cola superior)
H1: µ < µ0 t ≤ tα,n-1 (cola inferior)
H1: µ ≠ µ0 o t ≥ tα/2,n-1 o t ≤ tα/2,n_1 (dos colas)

2
 CLASE Nro. 8.2

8.3.2.1. ¿Qué apariencia tiene la distribución t?

La distribución de T se parece a la distribución de Z en que ambas son simétricas alrededor de una media
de cero. Ambas distribuciones tienen forma de campana, pero la distribución t es más variable debido al
hecho de que los valores T dependen de las fluctuaciones de dos cantidades, X̅ y S2; mientras que los
valores Z dependen solo de los cambios en Xˉ de una muestra a otra.

La distribución de t difiere de la de Z en que la varianza de t depende del tamaño de la muestra n y

siempre es mayor que 1. Solo cuando el tamaño de la muestra n → ∞ las dos distribuciones serán iguales.

8.3.2.2 ¿Para qué se utiliza la distribución t?

La distribución t se usa ampliamente en problemas relacionados con inferencias acerca de la media de la
población. Se debe notar que el uso de la distribución t para el estadístico
X̅ − 𝜇𝜇
𝑡𝑡 =
𝑠𝑠/√𝑛𝑛
requiere que X1, X2,..., Xn sean normales. El uso de la distribución t y la consideración del tamaño de la
muestra no se relacionan con el teorema del límite central. El uso de la distribución normal estándar en vez
de T para n ≥ 30 solo implica, en este caso, que s es un estimador suficientemente bueno de σ.

3
 CLASE Nro. 8.2

Fuente: https://www.docsity.com/es/tabla-t-de-student/2888340/

8.2.1 PRUEBAS DE HIPÓTESIS PARA UNA PROPORCIÓN

Sea p la proporción de individuos u objetos en una población que poseen una propiedad especial (p. ej., carros
con transmisión manual o fumadores que fuman cigarrillos con filtro). Si un individuo u objeto con la
propiedad es etiquetado como éxito (E), entonces p es la proporción de población de éxitos. Las pruebas
relacionadas con p se basarán en una muestra aleatoria de tamaño n de la población. Siempre que n sea pequeño
con respecto al tamaño de la población, X (el número de éxitos en la muestra) tiene (aproximadamente) una
distribución binomial. Además, si n es grande, tanto X como el estimador 𝑝𝑝̂ = X/n están normalmente
distribuidos. Primero se consideran pruebas con muestras grandes basadas en este último hecho y luego se
acude al caso de muestra pequeña que usa directamente la distribución binomial.

El estimador 𝑝𝑝̂ = X/n es (E(𝑝𝑝̂ ) = p), insesgado y su distribución es aproximadamente normal y su desviación
estándar es ∝𝑝𝑝� = �𝑝𝑝(1 − 𝑝𝑝)/𝑛𝑛. Estos hechos se utilizaron para obtener un intervalo de confianza para p.

4
 CLASE Nro. 8.2

Cuando Ho es verdadera E(𝑝𝑝̂ ) = Po y ∝𝑝𝑝� = �𝑝𝑝𝑜𝑜 (1 − 𝑝𝑝𝑜𝑜 )/𝑛𝑛, así que ∝𝑝𝑝� no implica parámetros desconocidos.
Se desprende entonces que cuando n es grande y Ho es verdadera, el estadístico de prueba

𝑝𝑝̂ − 𝑝𝑝𝑜𝑜
𝑍𝑍 =
�𝑝𝑝𝑜𝑜 (1 − 𝑝𝑝𝑜𝑜 /𝑛𝑛
𝑝𝑝𝑜𝑜 es la proporción poblacional.
𝑝𝑝̂ es la proporción de la muestra.
N es el tamaño de la muestra

Por consiguiente, el nivel de significación deseado α se obtiene utilizando el valor crítico que capture área
crítica α en la cola superior de la curva z. Las regiones de rechazo para las otras dos hipótesis alternativas, cola
inferior para Ha: p < p0 y dos colas para Ha: p ≠ p0 se justifica de manera análoga.

Hipótesis nula: H0: p = p0

𝑝𝑝�−𝑝𝑝𝑜𝑜
Valor estadístico de prueba: 𝑍𝑍 =
�𝑝𝑝𝑜𝑜 (1−𝑝𝑝𝑜𝑜 /𝑛𝑛

Hipótesis alternativa Región de rechazo

H0: p > p0 z ≥ zα (cola superior)
H0: p < p0 z ≤ -zα (cola inferior)
H0: p ≠ p0 o z ≥ zα/2 o z ≤ zα/2 (dos colas)
Estos procedimientos de prueba son válidos siempre que np0 ≥ 10 y n(1 – p0) ≥ 10.

5
 CLASE Nro. 8.2

REFERENCIAS BIBLIOGRÁFICAS

1. Anderson, D. Sweeney, D. y Williams, T. (2009). Estadística para Administración y

Economía. CENGAGE Learning Editores, SA. 10ma Ed.
2. Lind, D. Marchall, W. y Wathen, S. (2008). Estadística Aplicada a los Negocios y la
Economía. Mc Graw Hill. 13va Ed.
3. Montgomery, D. Runger, G. (2010). Probabilidad y Estadística aplicadas a la Ingeniería.
Mc Graw Hill. 5ta Ed.
4. Walpole, R. Myers, R. Myers, S. (2007). Probabilidad y Estadística para Ingeniería.
Pearson. 8va Ed.
5. Wackerly, D. Mendenhall, W. Scheaffer, R. (2010). Estadística matemática con
aplicaciones. CENGAGE. 7ma Ed.
6. Canovos, G. (1998). Probabilidad y Estadística Aplicaciones y Métodos. Mc Graw Hill.
1ra Ed.
7. Hines, W. Montgomery, D. (2000). Probabilidad y Estadística para Ingeniería. CECSA.
3era Ed.
8. Galindo, E. (1999). Estadística para la Administración y la Ingeniería. Gráficas
Mediavilla Hnos. 1era Ed.
9. Milton, S. Arnold, J. (2000). Probabilidad y Estadística con aplicaciones para Ingeniería.
Mc Graw Hill. 4ta Ed.
10. Levin, Richard. (2010). Estadística para la Administración y Economía. Pearson
Educación. 7ma Ed.
11. Mason, Robert, D. (1992). Estadística Aplicada a los Negocios y Economía. Mc Graw
Hill. 1ra Ed.