INSTITUTO TECNOLÓGICO DE MÉRIDA

DEPARTAMENTO DE INGENIERÍA INDUSTRIAL

CAMPUS NORTE

INGENIERIA INDUSTRIAL
GRUPO: 3I1

ASIGNATURA:
ESTADISTICA INFERENCIAL I

Ing. Luis Eduardo Basto Aguilar

INTEGRANTES:
• MOO RODRIGUEZ MARIA JOSE
• OSORNO NOVELO JULIO JAIR
• PINEDA CAUICH HECTOR
• PUC NOH GENNY BEATRIZ
• VERELA NAAL CRISTHIAN LEONARDO

Mérida, Yucatán, México

24 de octubre 2022
 Índice

Introducción……………………………………………………………………. 3

3.- Prueba de hipótesis

3.1.- Introducción………………………………………………………………5

3.2.- confiabilidad y significado (Puntos críticos)…………………………5

3.3.- Errores tipo I y II…………………………………………………………6

3.4.- Procedimiento de una prueba de hipótesis………………………….8

3.5.- prueba de hipótesis para la media con 𝜎 conocida…………………11

3.6.- Prueba de hipótesis para la media con 𝜎 desconocida……………. 12

3.7.- Prueba de hipótesis para la diferencia de medias…………………14

3.8.- Prueba de hipótesis para la proporción……………………………...14

3.9.- Prueba de hipótesis para la varianza……………………………….. 17

3.10.- Prueba de hipótesis para la relación de varianzas……………….. 20

Conclusión…………………………………………………………………….. 22

Bibliografía……………………………………………………………………. 23

2
 Introducción

Uno de los objetivos de la estadística es hacer inferencias acerca de parámetros

desconocidos de una población con base en información obtenida en una muestra
aleatoria. Estas inferencias pueden hacerse de dos formas: por medio de
estimaciones de los parámetros o por medio de pruebas de hipótesis para verificar
si una cierta afirmación acerca del parámetro puede considerarse como válida
basándose en los resultados de una muestra.

Dentro del estudio de la inferencia estadística, se describe como se puede tomar

una muestra aleatoria y a partir de esta muestra estimar el valor de un parámetro
poblacional en la cual se puede emplear el método de muestreo y el teorema del
valor central lo que permite explicar como a partir de una muestra se puede inferir
algo acerca de una población, lo cual nos lleva a definir y elaborar una distribución
de muestreo de medias muestrales que nos permite explicar el teorema del límite
central y utilizar este teorema para encontrar las probabilidades de obtener las
distintas medias maestrales de una población.

Pero es necesario tener conocimiento de ciertos datos de la población como la

media, la desviación estándar o la forma de la población, pero a veces no se dispone
de esta información.

En este caso es necesario hacer una estimación puntual que es un valor que se usa
para estimar un valor poblacional. Pero una estimación puntual es un solo valor y
se requiere un intervalo de valores a esto se denomina intervalote confianza y se
espera que dentro de este intervalo se encuentre el parámetro poblacional buscado.
También se utiliza una estimación mediante un intervalo, el cual es un rango de
valores en el que se espera se encuentre el parámetro poblacional

3
En nuestro caso se desarrolla un procedimiento para probar la validez de una
aseveración acerca de un parámetro poblacional este método es denominado
Prueba de hipótesis para una muestra.

Una prueba de hipótesis es muy útil en situaciones donde no es de mucho interés

el valor (estimado) del parámetro, sino la validez de la afirmación en cuestión.

El procedimiento formal para pruebas de hipótesis es semejante al método

científico. Las pruebas de hipótesis se llevan a cabo en todos los campos en los que
la teoría se pueda probar con observaciones.

4
 3.-Prueba de hipótesis

3.1.- Introducción

Una prueba de hipótesis es un procedimiento, con el que se busca tomar una

decisión sobre el valor de verdad de una hipótesis estadística. Al realizar una prueba
de hipótesis decidimos si rechazar o no rechazar esa hipótesis estadística. Basamos
la decisión en la evidencia muestral.

Un esquema muy simplificado que resume el proceso sería el siguiente:

3.2.- confiabilidad y significado (Puntos críticos)

Prueba de hipótesis: Denominada también prueba de significado, tiene como

objetivo principal evaluar suposiciones o afirmaciones acerca de los valores
estadísticos de la población, denominados parámetros

La palabra docimar significa probar, cuando se hace indispensable valides de la

representación de una población, con base en los resultados obtenidos a través de
una muestra, se dicen que se toman decisiones estadísticas. Para tomas una
decisión es necesario, ante todo plantear posibilidades acerca de la característica o

5
características a estudiar en una población determinada. La suposición puede ser
cierta o falsa. Estas suposiciones se llaman hipótesis estadísticas.

Hipótesis estadística: Es un supuesto acerca de un parámetro o de algún valor

estadístico de una población con esta definición encontramos que no todas las
hipótesis son hipótesis estadísticas. Se debe tomar con referencia a un parámetro,
ya sea una media aritmética, una proporción (porcentaje) o varianza para que sea
hipótesis estadística.

Una hipótesis estadística también puede considerarse, como la afirmación de una

característica ideal de una población sobre la cual hay inseguridad en el momento
de formularia y que a la vez es expresada de tal forma que puede ser realizada.

3.3.- Errores tipo I y II

Ninguna prueba de hipótesis es 100% cierta. Puesto que la prueba se basa en

probabilidades, siempre existe la posibilidad de llegar a una conclusión incorrecta.
Cuando se realiza una prueba de hipótesis, puede cometer dos tipos de error: tipo
I y tipo II. Los riesgos de estos dos errores están inversamente relacionados y se
determinan según el nivel de significancia y la potencia de la prueba

• Error de tipo I: Se rechaza la hipótesis nula cuando es verdadera, comete

un error de tipo I. La probabilidad de cometer un error de tipo I es α, que es
el nivel de significancia que usted establece para su prueba de hipótesis. Un
α de 0.05 indica que usted está dispuesto a aceptar una probabilidad de 5%
de estar equivocado al rechazar la hipótesis nula. Para reducir este riesgo,
debe utilizar un valor menor para α. Sin embargo, usar un valor menor para
alfa significa que usted tendrá menos probabilidad de detectar una diferencia
si está realmente existe.
• Error de tipo II: Cuando la hipótesis nula es falsa y no la rechaza, comete
un error de tipo II. La probabilidad de cometer un error de tipo II es β, que

6
 depende de la potencia de la prueba. Puede reducir el riesgo de cometer un
error de tipo II al asegurarse de que la prueba tenga suficiente potencia. Para
ello, asegúrese de que el tamaño de la muestra sea lo suficientemente
grande como para detectar una diferencia práctica cuando está realmente
exista.
La probabilidad de rechazar la hipótesis nula cuando es falsa es igual a 1–β. Este
valor es la potencia de la prueba.

Verdad acerca de la población

Decisión basada H0 es verdadera H0 es falsa

en la muestra

No rechazar H0 Decisión correcta (probabilidad Error tipo II - no rechazar

= 1 - α) H0 cuando es falsa
(probabilidad = β)

Rechazar H0 Error tipo I - rechazar Decisión correcta (probabilidad

H0 cuando es verdadera = 1 - β)
(probabilidad = α)

Ejemplo:

a) Construimos un test donde la hipótesis nula es m=2 y la hipótesis alternativa m>2

y definimos una región crítica como: W= “muestras de tamaño 3 de modo que la
suma supere las 7 unidades”. Obtener el error tipo I.

7
b) Determinar el tamaño de muestra necesario para detectar una diferencia de 0.5
unidades con error tipo I igual a 0.05 y error tipo II igual a 0.15.

Solución:

3.4.- Procedimiento de
una prueba de hipótesis

Son seis pasos básicos para

configurar y realizar correctamente una prueba de hipótesis. Por ejemplo, el gerente
de una fábrica de tuberías desea determinar si el diámetro promedio de los tubos
es diferente de 5 cm. El gerente sigue los pasos básicos para realizar una prueba
de hipótesis.

NOTA
Debe determinar los criterios para la prueba y el tamaño de muestra necesario antes
de recolectar los datos.

1. Especificar las hipótesis.

En primer lugar, el gerente formula las hipótesis. La hipótesis nula es: la

media de la población de todos los tubos es igual a 5 cm. Formalmente, esto
se escribe como: H0: μ = 5

8
 Luego, el gerente elige entre las siguientes hipótesis alternativas:

Condición que se probará Hipótesis alternativa

La media de la población es menor que el objetivo. unilateral: μ < 5

La media de la población es mayor que el objetivo. unilateral: μ > 5

La media de la población es diferente del objetivo. bilateral: μ ≠ 5

Como tiene que asegurarse de que los tubos no sean más grandes ni más
pequeños de 5 cm, el gerente elige la hipótesis alternativa bilateral, que
indica que la media de la población de todos los tubos no es igual a 5 cm.
Formalmente, esto se escribe como H1: μ ≠ 5

2. Elegir un nivel de significancia (también denominado alfa o α).

El gerente selecciona un nivel de significancia de 0.05, que es el nivel de

significancia más utilizado.

3. Determinar la potencia y el tamaño de la muestra para la prueba.

El gerente utiliza un cálculo de potencia y tamaño de la muestra para

determinar cuántos tubos tiene que medir para tener una buena probabilidad
de detectar una diferencia de 0.1 cm o más con respecto al diámetro objetivo.

9
 4. Recolectar los datos.

Recoge una muestra de tubos y mide los diámetros.

5. Comparar el valor p de la prueba con el nivel de significancia.

Después de realizar la prueba de hipótesis, el gerente obtiene un valor p de

0.004. El valor p es menor que el nivel de significancia de 0.05.

6. Decidir si rechazar o no rechazar la hipótesis nula.

El gerente rechaza la hipótesis nula y concluye que el diámetro medio de

todos los tubos no es igual a 5 cm.

Ejemplo:
Una empresa está interesada en lanzar un nuevo producto al mercado. Tras realizar
una campaña publicitaria, se toma la muestra de 1 000 habitantes, de los cuales, 25
no conocían el producto. A un nivel de significación del 1% ¿apoya el estudio las
siguientes hipótesis?

a. Más del 3% de la población no conoce el nuevo producto.

10
b. Menos del 2% de la población no conoce el nuevo producto.

3.5.- prueba de hipótesis para la media con 𝝈 conocida

Los valores críticos se determinan buscando en la tabla de distribución normal

estándar acumulada el valor de para un área de 0.025, el valor obtenido es

11
 , el valor de será el mismo , luego la regla de decisión para la
hipótesis será no rechazar si

Como entonces el valor de la estadística de prueba está dado

por:

Se compara el valor calculado de la prueba con los valores críticos (obtenidos de la

tabla de distribución normal estándar), para determinar si cae en la región de
rechazo o de no rechazo. En este caso . Se encuentra dentro de la región
de no rechazo puesto que . En este caso no se rechaza la hipótesis
nula.

Se deben expresar las consecuencias de la decisión de la prueba de hipótesis en

términos del problema real de que se trate. Por lo tanto, en este problema, se llega
a la conclusión de que hay evidencia de que el peso promedio de los animales sea
20Kg.

Ejemplo:

12
Se quiere comprobar que el índice académico de los estudiantes de la escuela de
estadística es de 2.00. En una muestra de 10 estudiantes, se determina que la
medida es 1.95 y una desviación estándar de 0.1 con estos datos realiza la
comprobación de hipótesis usando un nivel de confianza del 95%.

Solución:

3.6.- Prueba de hipótesis para la media con 𝝈 desconocida

Los valores de se obtienen buscando en la tabla de la distribución T con 9 grados

de libertad y un área acumulada de 0.975, que corresponde a 2.262, el valor de es
el opuesto de , es decir, Así, la regla de decisión será no rechazar Ho
si

Hallar el valor de:

13
Se llega a la conclusión que existe evidencia, que el peso promedio de los animales
sea de 20Kg.

Ejemplo:

La dirección médica de una clínica toma una muestra aleatoria de 16 mediciones

acerca del tiempo de hospitalización resultando una media muestral de 5.4 días y
una desviación estándar de 3.1 días. La dirección médica supone que el promedio
de tiempo de hospitalización es mayor de 5 días. Apoya esta información la hipótesis
con un nivel de significado del 0.05.

Solución:

14
3.7.- Prueba de hipótesis para la diferencia de medias

Si queremos comparar la media entre dos poblaciones, tendremos dos variables

con distribución normal y para las que queremos contrastar la diferencia de sus
medias.

Un buen estadístico para diferencia de medias poblacionales μx - μ y es la

distribución muestral de la diferencia de medias cuya distribución se aproxima a una
normal.

3.8.- Prueba de hipótesis para la proporción

Para las pruebas de hipótesis, en esta ocasión vamos a tocar el tema de las pruebas
para una proporción poblacional.

Este tipo de prueba, también conocida la Prueba Z para una proporción poblacional,
se utiliza para una variable cualitativa X que representa el estado de algo, por

15
ejemplo, defectuoso y no defectuoso, vendido o no vendido etc, y de la cual se
quiere demostrar una hipótesis con la proporción de determinada categoría de una
variable.

El estadístico de prueba está dado por:

En donde:

n: Tamaño de la muestra

x: Cantidad de elementos de la muestra que cumplen con el criterio deseado

p0: Proporción a probar

Se supone que x tiene distribución binomial (lo que significa que solo puede tener
dos posibles resultados, por ejemplo defectuoso o no defectuoso) y n es un tamaño
relativamente grande.

Las hipótesis son las siguientes:

Prueba de dos colas:

H0: p=p0

H1: p≠p0

Pruebas de una cola

16
H0: p=p0

H1: p>p0

H0: p=p0

H1: p<p0

Es decir, se quiere verificar si el valor de una cierta proporción poblacional p es igual

a p0

Los criterios de rechazo de H0 son los siguientes:

▪ Si es de dos colas se rechaza H0 si |z0|>z(α/2)

▪ Si H1: p>p0 se rechaza H0 si z0>zα
▪ Si H1: p

Ejemplo:

En Ciudad Gótica se quiere saber si los jóvenes de 12 a 19 años tienen más o

menos problemas de exceso de peso corporal que en el conjunto del país. De los
datos nacionales se sabe que el 35% de los jóvenes de esas edades tiene
sobrepeso u obesidad, si p es la proporción de jóvenes de 12 a 19 años con exceso
de peso entonces se desea probar lo siguiente:

H0: p=0,35

H1: p≠0,35

17
α: 0,05

Se ha tomado una muestra de 300 jóvenes en ese rango de edad y 90 de ellos

tienen sobrepeso.

Solución
n: 300

x: 90

p0: 0,35

Si z(α/2)=1,96 entonces 1,812<1,96 por lo tanto no cumple con el criterio de rechazo

entonces se acepta H0, es decir no hay evidencia suficiente como para afirmar que
la situación del peso de Ciudad Gótica es diferente a la del resto del país.

3.9.- Prueba de hipótesis para la varianza

Si se extrae una muestra aleatoria de tamaño n de una población normal con media
µ y varianza σ2, y se calcula la varianza muestral, se obtiene el valor del estadístico
s2 que se utilizará para conocer la σ2, mediante una
variable aleatoria chi cuadrada con “n-1” grados de
libertad. Formalizando con el siguiente teorema: si s2 es
18
la varianza de una muestra aleatoria de tamaño “n” que se toma de una población
normal que tiene varianza σ2, entonces el estadístico:

Tiene una distribución chi cuadrado con v= n-1, grados de libertad.

Ejemplo:
En un proceso de fabricación de tornillos, la máquina cortadora de los trozos de
metal para su fabricación presenta en condiciones normales una varianza de la
longitud de los cortes de 0.15. Para verificar si la máquina está trabajando en
condiciones normales se toma una muestra de 10 trozos de metal cortados por esa
máquina en la fábrica y se miden sus longitudes, obteniendo los siguientes
resultados:

15.2 15.5 14.2 15.6 14.8 15.2 15.1 14.1 14.7 14.6

Pregunta: Realizando la prueba de hipótesis adecuada, verifique si la máquina está

trabajando en condiciones normales. Use un nivel de significación de 0.05.

19
20
3.10.- Prueba de hipótesis para la relación de varianzas

a) Supuestos:

Las poblaciones siguen la distribución Normal.

Los datos son independientes.

b) Hipótesis:

c) Estadístico de contraste:

d) Distribución del estadístico de contraste: F con n1-1 y n2-1 grados de libertad.

e) Significación del estadístico de contraste

Ejemplo

Quieren someter a contraste la hipótesis de igualdad de las Varianzas de las

puntuaciones obtenidas por dos grupos de individuos en una prueba de
extraversión.

21
 a) Supuestos: Dado que las muestras han sido generadas aleatoriamente, se
supone que los datos son independiente.

b) Hipótesis:

c) Estadístico de contraste:

d) Distribución del estadístico de contraste: F con 31-1 y 41-1 grados de libertad.

e) Significación del estadístico de contraste: 0.63

f) Decisión: La significación del estadístico de contraste es superior a 0.01, y en

consecuencia se acepta la Hipótesis Nula.

22
 Conclusión
Como pudimos observar en esta unidad la prueba de hipótesis es muy importante,
pero ¿Por qué? Porque al momento que nosotros como ingenieros industriales
hagamos algún ejercicio o sondeo de la empresa donde lleguemos a estar,
podremos sacar varias hipótesis de que es lo que está pasando en la empresa o en
su caso para saber cuánto tiempo de fabricación tardaría cierto producto o cosas
así relacionadas con la empresa.

Gracias a las formas al momento de hacer un ejercicio y acabarlo podremos ver de

una manera certera si nuestra hipótesis que realizamos desde el principio acertó o
dicho caso que pueda pasar esta no ha sido correspondida en estos casos se
describe una conclusión para aclarar si nuestra hipótesis no ha sido acertada.

Gracias a esto como se mencionó en un principio nosotros como futuros ingenieros

industriales cuando estemos trabajando y hagamos algún estudio este tema nos va
ayudar demasiado a conocer lo que nos están pidiendo, hasta para practicar lo
podemos empezar a poner en práctica haciendo hipótesis acerca de nuestras
materias o labores diarias así no estaríamos entrenado más a fondo.

23
Bibliografía
Abarca, I. D. (12 de Marzo de 2019). Scribd. Obtenido de https://es.scribd.com/doc/112531651/3-
Unidad-Pruebas-de-Hipotesis

Alonso, F. (14 de Octubre de 2016). Obtenido de https://probafacil.com/prueba-de-hipotesis-

estadistica/

Castro, M. (20 de Julio de 2018). Calculo . Obtenido de

https://calculo.cc/temas/temas_estadistica/hipotesis/teoria/hipo_dif_medias.html

PINZÁS, D. A. (29 de Abril de 2019). Obtenido de

https://ramonchung.wordpress.com/2019/04/29/prueba-de-hipotesis-para-una-
proporcion-poblacional/

Sosa, L. (16 de Noviembre de 2018). Minitab. Obtenido de https://support.minitab.com/es-

mx/minitab/18/help-and-how-to/statistics/basic-statistics/supporting-topics/basics/type-
i-and-type-ii-error/

Walpole, R. M. (28 de Septiembre de 2007). Virtual umng. Obtenido de

http://virtual.umng.edu.co/distancia/ecosistema/odin/odin_desktop.php?path=Li4vb3Zhc
y9pbmdlbmllcmlhX2NpdmlsL3Byb2JhYmlsaWRhZF95X2VzdGFkaXN0aWNhL3VuaWRhZF81
Lw==#slide_13

24