INSTITUTO TECNOLOGICO SUPERIOR DE PATZCUARO

INGENIERIA EN ADMINISTRACION

ESTADISTICA II

MANUAL DE APUNTES

UNIDAD 1

MGTI. EDGAR DE LA CRUZ DÍAZ BARRIGA

 INDICE

PRUEBA DE HIPOTESIS

1.- Hipótesis estadísticas .................................................................................. 04

1.2.- Errores tipo 1 y 2 ....................................................................................... 06

1.3.- Pruebas unilaterales, bilaterales ............................................................... 09

1.4.- Prueba de hipótesis ...................................................................................10

1.5.- Prueba sobre 2 medias con distribución normal y “t” student .................... 16

1.6.- Prueba de 1 sola cola de proporción ......................................................... 19

1.7.- Prueba sobre 2 proporciones variadas ....................................................... 22

1.8.- Aplicaciones y apuntes en clase ................................................................. 31

2
 INTRODUCCIÓN

En esta primera unidad se estudiará el tema de “Prueba de hipótesis”, pues este

nos ayuda a determinar si una afirmación acerca del valor de un parámetro
poblacional debe o no ser rechazada, además comprende cuatro componentes los
cuales son:

• Hipótesis nula: Es la que dice “no hay diferencia” y esta se denota como Ho.
• Hipótesis alternativa: Es la que da una afirmación de que, si existe una
diferencia en base a los datos de la muestra, de forma que contradice lo que
establece la hipótesis nula y es denotada como Ha.

Las pruebas de hipótesis se usan más que nada para datos de una muestra para
poder probar dos afirmaciones en base a Ho y Ha, de manera que se pueda verificar
y tomar una decisión al respecto. Además, podremos realizar pruebas de hipótesis
acerca de una media poblacional y una proporción poblacional, de manera que
podamos comparar distintos datos, en base a dos muestras de tal forma que se
pueda llegar a una conclusión por medio de las hipótesis.

3
1. Hipótesis estadísticas

Una hipótesis estadística es una afirmación acerca de la distribución de una

variable aleatoria.

• Si la afirmación es sobre el valor de un parámetro, es una hipótesis

estadística paramétrica.
• Si la afirmación es sobre la forma de la distribución de probabilidades, es
una hipótesis estadística no paramétrica.

Hipótesis nula e hipótesis alternativa

H0 es la hipótesis nula.

Hipótesis nula es la hipótesis de no cambio. Es la hipótesis de que todo queda

igual. Hay otra hipótesis que es la hipótesis de cambio. Siempre en esta hipótesis
va a estar el igual.

H0: μ=500

H1 es la hipótesis alternativa.

Es complementaría a la nula. Niega a la hipótesis nula. Las hipótesis son

complementarias. La nula tiene el símbolo de igualdad siempre. Entonces en la
otra no puede aparecer el igual. En la hipótesis alternativa se utiliza o bien el
símbolo de distinto ≠, o bien mayor > o bien menor <.

H1: μ<500

Una prueba de hipótesis examina dos hipótesis opuestas sobre una población: la
hipótesis nula y la hipótesis alternativa. La hipótesis nula es el enunciado que se
probará. Por lo general, la hipótesis nula es un enunciado de que "no hay efecto" o
"no hay diferencia". La hipótesis alternativa es el enunciado que se desea poder
concluir que es verdadero de acuerdo con la evidencia proporcionada por los
datos de la muestra.

4
Con base en los datos de muestra, la prueba determina si se puede rechazar la
hipótesis nula. Usted utiliza el valor p para tomar esa decisión. Si el valor p es
menor que el nivel de significancia (denotado como α o alfa), entonces puede
rechazar la hipótesis nula.

Un error común de percepción es que las pruebas estadísticas de hipótesis están

diseñadas para seleccionar la más probable de dos hipótesis. Sin embargo, al
diseñar una prueba de hipótesis, establecemos la hipótesis nula como lo que
queremos desaprobar. Puesto que establecemos el nivel de significancia para que
sea pequeño antes del análisis (por lo general, un valor de 0.05 funciona
adecuadamente), cuando rechazamos la hipótesis nula, tenemos prueba
estadística de que la alternativa es verdadera. En cambio, si no podemos rechazar
la hipótesis nula, no tenemos prueba estadística de que la hipótesis nula sea
verdadera. Esto se debe a que no establecimos la probabilidad de aceptar
equivocadamente la hipótesis nula para que fuera pequeña.

Entre las preguntas que se pueden contestar con una prueba de hipótesis están
las siguientes:

• ¿Tienen las estudiantes de pregrado una estatura media diferente de 66

pulgadas?

• ¿Es la desviación estándar de su estatura igual a o menor que 5 pulgadas?

• ¿Es diferente la estatura de las estudiantes y los estudiantes de pregrado

en promedio?

• ¿Es la proporción de los estudiantes de pregrado significativamente más

alta que la proporción de las estudiantes de pregrado?

5
1.2 Errores tipo 1 y 2

Si la hipótesis nula fuera verdadera, y tomamos la decisión de rechazarla

estaremos cometiendo un error. Este error se conoce cómo el error de tipo 1. Si la
hipótesis nula fuera falsa, y no la rechazamos estaríamos cometiendo otro error.
Este otro error se conoce cómo el error de tipo 2.

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 usted 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. Por lo
tanto, usted debe determinar qué error tiene consecuencias más graves para su
situación antes de definir los riesgos.

Error de tipo I

Si usted 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 esta realmente existe.

Error de tipo II

Cuando la hipótesis nula es falsa y usted no la rechaza, comete un error de tipo II.
La probabilidad de cometer un error de tipo II es β, que 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.

6
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 H0 es verdadera H0 es falsa

basada 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

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

Ejemplo de error de tipo I y tipo II

Para entender la interrelación entre los errores de tipo I y tipo II, y para determinar
cuál error tiene consecuencias más graves para su situación, considere el
siguiente ejemplo.

Un investigador médico desea comparar la efectividad de dos medicamentos. Las

hipótesis nula y alternativa son:

• Hipótesis nula (H0): μ1= μ2

Los dos medicamentos tienen la misma eficacia.

• Hipótesis alternativa (H1): μ1≠ μ2

Los dos medicamentos no tienen la misma eficacia.

Un error de tipo I se produce si el investigador rechaza la hipótesis nula y concluye

que los dos medicamentos son diferentes cuando, en realidad, no lo son. Si los
medicamentos tienen la misma eficacia, el investigador podría considerar que este

7
error no es muy grave, porque de todos modos los pacientes se beneficiarían con
el mismo nivel de eficacia independientemente del medicamento que tomen. Sin
embargo, si se produce un error de tipo II, el investigador no rechaza la hipótesis
nula cuando debe rechazarla. Es decir, el investigador concluye que los
medicamentos son iguales cuando en realidad son diferentes. Este error puede
poner en riesgo la vida de los pacientes si se pone en venta el medicamento
menos efectivo en lugar del medicamento más efectivo.

Cuando realice las pruebas de hipótesis, considere los riesgos de cometer errores
de tipo I y tipo II. Si las consecuencias de cometer un tipo de error son más graves
o costosas que cometer el otro tipo de error, entonces elija un nivel de
significancia y una potencia para la prueba que reflejen la gravedad relativa de
esas consecuencias.

Por ejemplo:

8
1.3 Pruebas unilaterales y bilaterales

Prueba unilateral
Las pruebas unilaterales son pruebas estadisticas con respecto a aceptar o
rechazar la hipotesis nula (Ho) sobre una distribucion de probabilidad normal, en el
caso de una prueba unilateral tenemos en caso de las pruebas de cola inferior y
superior o extremo izquierdo y extremo derecho, normalmente este tipo de pruebas
se realiza sobre la media de la poblacion.

caso I
{Ho : M > Mo
{Ha : M < Mo
Prueba de cola izquierda

caso II
{Ho : M < Mo
{Ha : M > Mo
Prueba de cola derecha

Pruebas bilaterales

Son aquellas pruebas estadísticas que digieren de las pruebas de hipótesis

unilaterales en este tipo de pruebas de hipótesis como los 2 casos anterior se
prueba aceptar o rechazar la hipótesis nula (Ho) en el extremo izquierdo con el
extremo derecho de la distribución de probabilidad.

9
 Caso III
{Ho : M = Mo
{Ha : M = Mo
-PRUEBA DE 2 COLAS-

1.4 Pruebas de hipótesis

Una prueba de hipótesis es una regla que especifica si se puede aceptar o rechazar
una afirmación acerca de una población dependiendo de la evidencia proporcionada
por una muestra de datos.

Formulas:

10
Pasos para realizar la prueba de hipótesis

1. Establecer la hipótesis nula y la hipótesis alternativa

2. Especificar el nivel de significado

3. Realizar los datos muestrales calcular el valor del estadístico de prueba

4. METODO DE VALOR-P. Emplear el valor de estadístico de prueba para

calcular el valor-p

Rechazar Ho si el valor - p < o = α

11
 METODO DE VALOR CRITICO. Emplear el nivel de significancia

para determinar el valor crítico y la regla del rechazo.

5. Emplear el valor del estadístico de prueba y la regla del rechazo para

determinar si se acepta o se rechaza Ho.

Las hipótesis nula y alternativa son dos enunciados mutuamente excluyentes

acerca de una población. Una prueba de hipótesis utiliza los datos de la muestra

para determinar si se puede rechazar la hipótesis nula.

Hipótesis nula (H0)

La hipótesis nula indica que un parámetro de población (tal como la media, la

desviación estándar, etc.) es igual a un valor hipotético. La hipótesis nula suele ser

una afirmación inicial que se basa en análisis previos o en conocimiento

especializado.

Hipótesis alternativa (H1)

La hipótesis alternativa indica que un parámetro de población es más pequeño,

más grande o diferente del valor hipotético de la hipótesis nula. La hipótesis

alternativa es lo que usted podría pensar que es cierto o espera probar que es

cierto.

12
Hipótesis unilaterales y bilaterales

La hipótesis alternativa puede ser unilateral o bilateral.

Bilateral

Utilice una hipótesis alternativa bilateral (también conocida como hipótesis no

direccional) para determinar si el parámetro de población es mayor que o menor

que el valor hipotético. Una prueba bilateral puede detectar cuándo el parámetro

de población difiere en cualquier dirección, pero tiene menos potencia que una

prueba unilateral.

Unilateral

Utilice una hipótesis alternativa unilateral (también conocida como hipótesis

direccional) para determinar si el parámetro de población difiere del valor

hipotético en una dirección específica. Usted puede especificar la dirección para

que sea mayor que o menor que el valor hipotético. Una prueba unilateral tiene

mayor potencia que una prueba bilateral, pero no puede detectar si el parámetro

de población difiere en la dirección opuesta.

Ejemplos de hipótesis bilaterales y unilaterales

Bilateral

Un investigador tiene los resultados de una muestra de estudiantes que

presentaron un examen nacional en una escuela secundaria. El investigador

desea saber si las calificaciones de esa escuela difieren del promedio nacional de

850. Una hipótesis alternativa bilateral (también conocida como hipótesis no

13
direccional) es adecuada porque el investigador está interesado en determinar si

las calificaciones son menores que o mayores que el promedio nacional. (H0: μ =

850 vs. H1: μ≠ 850).

Unilateral

Un investigador tiene los resultados de una muestra de estudiantes que tomaron

un curso de preparación para un examen nacional. El investigador desea saber si

los estudiantes preparados tuvieron puntuaciones por encima del promedio

nacional de 850. Una hipótesis alternativa unilateral (también conocida como

hipótesis direccional) se puede utilizar porque el investigador plantea la hipótesis

de que las puntuaciones de los estudiantes preparados son mayores que el

promedio nacional. (H0: μ = 850 vs. H1: μ > 850).

Las pruebas de hipótesis pueden utilizarse para evaluar muchos parámetros

diferentes de una población. Cada prueba está diseñada para evaluar un

parámetro de población específico, y el tipo de población determina el tipo

adecuado de datos. Conocer el parámetro de interés de la población y el tipo de

datos adecuado puede ayudarle a elegir la prueba más adecuada.

Datos continuos

Los datos continuos tienen un número incontable de valores entre cualesquiera

dos valores. Usted debería usar datos continuos cuando desee hacer inferencias

14
acerca de la media, la mediana y la desviación estándar o la varianza de una

población.

Cuando usted mide una característica de una parte o proceso, como la longitud, el

peso o la temperatura, por lo general obtiene datos continuos. Los datos continuos

suelen incluir valores fraccionados (o decimales). Por ejemplo, un ingeniero

especializado en calidad desea determinar si el peso medio difiere del valor

indicado en la etiqueta del empaque (500 g). El ingeniero toma una muestra de

cajas de cereal y registra el peso de las cajas.

Datos de Bernoulli (también denominados datos binomiales)

Los datos de Bernoulli deberían utilizarse para hacer inferencias acerca de

proporciones o porcentajes. Los datos de Bernoulli a menudo se denominan datos

binomiales, porque una población de Bernoulli se puede interpretar como una

población binomial.

Cuando usted clasifica un elemento, evento o persona en una de dos categorías,

obtiene datos binomiales. Las dos categorías deben ser mutuamente excluyentes,

como si/no, pasa/no pasa o defectuoso/no defectuoso. Por ejemplo, unos

ingenieros examinan una muestra de pernos para verificar si existen grietas

notables que no permitan utilizarlos. Registran el número de pernos

inspeccionados y el número de pernos rechazados. Los ingenieros quieren

determinar si el porcentaje de pernos defectuosos es menor que 0.2%.

15
Datos de Poisson

Los datos de conteo deberían utilizarse para hacer inferencias acerca de una tasa

de ocurrencia de un evento de interés.

Cuando usted cuenta la presencia de una característica, resultado o actividad en

cierta cantidad de tiempo, área u otra longitud de observación, obtiene datos de

Poisson. Los datos de Poisson se evalúan en conteos por unidad, con unidades

del mismo tamaño. Por ejemplo, los inspectores de una empresa de autobuses

cuentan el número de averías de las unidades cada día durante 30 días. La

empresa desea determinar la tasa diaria de averías de los autobuses.

1.5 Prueba sobre dos medias con distribucion normal y "t"

student

En probabilidad y estadística, la distribución t (de student) es una distribución de

probabilidad que surge del problema de estimar la media de una población
normalmente distribuida cuando el tamaño de la muestra es pequeño.

Formulas:

16
17
Ejemplo:

18
1.6 Prueba de 1 sola proporción

Estadística en la prueba de hipótesis (prueba) - población P se realiza en base a

una parte proporcional de la misma población tomando una muestra aleatoria simple
de tamaño n considerando un valor hipotético P, las tres formas de este tipo de
prueba de hipótesis para la proporción poblacional son las siguientes.

{Ho : P ≥ Po {Ho : P ≤ Po {Ho : P = Po

{Ha : P < Po {Ha : P > Po {Ha : P ≠ Po

Formulas:

19
Ejemplo:

20
¿Qué es una proporción?

Una proporción es una porción relativa de un todo, en oposición a un conteo o

frecuencia. Por ejemplo, supongamos que su empresa fabrica una aleación de plata
para películas fotográficas. Si usted estuviera interesado en determinar la
proporción de plata (por peso) en la mezcla, no le preocuparía saber cuántos kilos
de plata utiliza su planta en un día, le preocuparía la porción de plata en relación
con el total de aleación. Suponiendo que exactamente la mitad de la aleación es
plata, la proporción de plata se podría expresar como un porcentaje (50%), un
decimal (0.5) o una fracción (1/2).
Las proporciones le permiten comparar grupos de diferentes tamaños. Por ejemplo,
un centro de llamadas que maneja 10,000 llamadas al día podría registrar muchas
más llamadas desconectadas que una instalación que maneja solo 500 llamadas,
pero ambos centros pueden tener la misma proporción de llamadas desconectadas.

Métodos para realizar prueba de hipótesis de 1 proporción.

En minitab
Usted puede optar por usar una aproximación a la normal haciendo clic
en Opciones y seleccionando Aproximación normal en la lista desplegable al lado
de Método. La mayoría de los libros de texto utilizan el método de aproximación a
la normal porque es fácil para los estudiantes calcularlo de forma manual. Sin
embargo, los métodos exactos por lo general son más fiables que el método de
aproximación a la normal.
Con la aproximación a la normal, es posible obtener conclusiones diferentes entre
el valor p y el intervalo de confianza. Esto se debe a que este método utiliza la
probabilidad hipotética (ρ0) en el cálculo del estadístico de prueba y la probabilidad
observada (proporción estimada) en el cálculo del intervalo de confianza. Esto
podría causar una diferencia entre las conclusiones, especialmente con valores de
Z más grandes que indicarían una diferencia grande entre ρ0 y la proporción de
población.
• Minitab.com
• Portal para licencias
• Tienda
• Blog
• Contáctenos

21
1.7 Prueba sobre 2 proporciones vareadas

Cuando se desea probar la hipótesis de que las proporciones en dos poblaciones

no son diferentes, las dos proporciones muéstrelas se emplean para determinar el
error estándar de la diferencia entre proporciones. La estimación conjunta de la
proporción población, basada en las proporciones obtenidas en dos muestras
independientes.

Formulas:

22
23
24
25
26
27
28
29
30
APUNTES EN CLASE (evidencias)

31
32
33
34
35
36
37
38
 CONCLUSIÓN

Las pruebas de hipótesis nos ayudan a poder comparar una afirmación inicial con
una afirmación en base a resultados presentes, por ejemplo, podemos saber si un
cierto producto de una cierta empresa es de calidad desde los últimos 5 años que
han pasado hasta el año 2019, dado que se puede realizar una prueba de hipótesis
mediante la media poblacional, aplicando el estadístico de prueba, pues este es un
parámetro que ayuda a determinar se si se acepta o no la hipótesis nula Ho, pero
sin olvidar que tenemos que considerar la región de rechazo ya que es el conjunto
de valores que puede tomar la hipótesis Ho de ser rechazada, de ser así se puede
decir en base a nuestro ejemplo que el producto a perdido calidad durante los
últimos 5 años. Cabe recalcar que esto puede ayudar a las empresas a tomar ciertas
decisiones de producción tomando en cuenta lo que es la prueba de hipótesis. Por
último, se puede decir que es importante la prueba de hipótesis para aplicar ciertas
técnicas que ayuden a generar soluciones, en base en base a sus aspectos que
son: hipótesis nula, hipótesis alternativa, estadístico de prueba y región de rechazo.

39
 BIBLIOGRAFÍAS

Ø Anderson, D.R.; Sweeney, D. J. y Williams T.A. 1999. Estadística para

Negocios y Economía. 11a Edición. International Thompson Editores, S.A.
de C. V. México 06400, D. F. 909 pp.
Ø Anderson, D.R.; Sweeney, D. J. y Williams T. A. 1999. Estadística para
administración y economía. 10a Edición. International Thompson Editores, S.
A. de C. V. México 06400, D. F. 909 pp.
Ø Douglas, A L; William, G. M. Robert, D. Mason. 2004. Estadística para
Administración y Economía. 11a Edición. ALFAOMEGA GRUPO EDITOR, S.
A de C. V. Pitágoras 1139, Col. Del Valle. 03100 México, D. F. 830 pp.
Ø Mendenhall, W. y Reinmuth, J. E.1999. Estadística para administración y
economía. Tercera edición. Grupo Editorial Iberoamericano, S. A. de C. V
Nebraska 199 Col. Nápoles. C. P. 03810 México, D. F. 707 pp.
Ø Triola, M. F. 2000. Estadística Elemental. 7a edición. Addison Wesley
Longman de México, S. A. de C. V. Naucalpan de Juárez, Edo, de México.
824.pp

40