Open class

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
• Examina dos hipótesis opuestas sobre una población: la
hipótesis nula y la hipótesis alternativa.
– La hipótesis nula es el enunciado que se probará.
– 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.
2
 Prueba de hipótesis
• 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

3
4
5
¿Cómo plantear una prueba de hipótesis?
• Ejemplo:
– El gerente de una fábrica de tuberías desea determinar si el diámetro
promedio de los tubos es diferente de 5 cm

• Para ello podemos hacer uso de los siguientes seis pasos

6
 Pasos para la formulación de Hipótesis
1. Especificar las hipótesis.
2. Elegir un nivel de significancia (también denominado alfa o α)
3. Determinar la potencia y el tamaño de la muestra para la
prueba
4. Recolectar los datos
5. Comparar el valor p de la prueba con el nivel de significancia
6. Decidir si rechazar o no rechazar la hipótesis nula.

7
 Especificar las hipótesis
• La hipótesis nula es: “la media de la población de todos los tubos es
igual a 5 cm”. Esto se escribe como: H0: μ = 5
• Luego, se elige entre las siguientes hipótesis alternativas
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”. Lo cual se escribe como H1: μ ≠ 5

8
 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

9
10
11
 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.

12
 Recolectar los datos
• Recoge una muestra de tubos y mide los diámetros.

13
 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.

14
 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.

15
 Ejemplo
• Se desea contrastar con un nivel de significancia del 5 % la
hipótesis de que la estatura media de los hombres de 18 o más
años de un país es igual a 180. Suponiendo que la desviación
típica de las estaturas en la población vale 4, contraste dicha
hipótesis frente a la alternativa de que es distinta

16
17
• Los datos constituyen una muestra de n=15 hombres
seleccionados al azar, cuyas alturas son: 167, 167, 168, 168,
168, 169, 171, 172, 173, 175, 175, 175, 177, 182, 195

18
19
 Ejemplo 2
• Se desea contrastar con un nivel de significancia del 5 % la
hipótesis de que la estatura media de los hombres de 18 o más
años de un país es igual o mayor a 175. Suponiendo que la
desviación típica de las tallas en la población vale 4, contraste
dicha hipótesis frente a la alternativa de que es menor, con una
muestra de n=15 hombres seleccionados al azar, cuyas alturas
son las del apartado anterior:

20
Ejemplo 2

21
22
CONCLUSIÓN

23
 Bibliografía
Anderson, D. y Sweeney, D. (2011). Estadística para negocios y economía (11a. Ed.) . Distrito Federal:
Aprendizaje CENGAGE.

Fanny Zapata. (13 de mayo de 2020). Datos no agrupados: ejemplos y ejercicio resuelto.
Lifeder. Recuperado de .

Berenson, M. 1985. Estadística para administración y economía. Interamericana S.A.

Canavos, G. 1988. Probabilidad y Estadística: Aplicaciones y métodos. McGraw Hill.

Devore, J. 2012. Probability and Statistics for Engineering and Science. 8th. Edition. Cengage.

Levin, R. 1988. Estadística para Administradores. 2da. Edición. Prentice Hall.

Walpole, R. 2007. Probabilidad y Estadística para Ingeniería y Ciencias. Pearson.

24