Prueba de Hipótesis de un Parámetro

INTRODUCCIÓN

Muchas veces el objetivo de la Estadística es hacer inferencias con respecto a

parámetros poblacionales desconocidos, basadas en la información obtenida mediante
datos muestrales. Estas inferencias se expresan en dos maneras, como estimaciones
de los parámetros respectivos o como pruebas de hipótesis referentes a sus valores.

Por ejemplo, un investigador que pretende demostrar que la droga A es más efectiva
para el tratamiento de cierta enfermedad que la droga B; cuando un sicólogo desea
comprobar si cierto formato de instrucción incrementará la eficiencia en el
aprendizajes; cuando un ingeniero agrónomo desea comprobar si una nueva distancia
de siembra entre surcos, para un cultivo, produce mejores rendimientos que las
distancias que se usaban comúnmente en la zona; cuando el jefe de marketing
asegura que determinado producto se aceptado por el 60% de la población
consumidora, etc.

Al respecto, es tan importante el papel que desempeña la estadística en estas

situaciones que se suele hablar de la estadística moderna como "el estudio de las
decisiones ante la incertidumbre".

Si hay que tomar decisiones es porque hay alternativas; cada una de estas
alternativas es formalizada como una hipótesis estadística y el proceso mediante el
cual se enfrentan las hipótesis apoyándose en los datos muestrales se le
denomina prueba o contraste de hipótesis.

ELEMENTOS DE UNA PRUEBA DE HIPÓTESIS.

Una hipótesis es una suposición sobre la naturaleza de una población. Las hipótesis
generalmente están expresadas en términos de parámetros poblacionales. Ejemplos:
 µ = 5 (la media poblacional es igual a 5)
 µ < 67 (la media poblacional es menor que 67)
2
σ = 4 (la variancia poblacional es igual a 4)

 Una prueba de una hipótesis es un procedimiento estadístico usado para tomar una
decisión sobre el valor de un parámetro poblacional.

Se especifica el valor de un parámetro poblacional, en la hipótesis nula (H0). Se

obtiene información, para ver si el valor especificado no es razonable.

Ejemplo: Un semillero afirma que el peso promedio de una espiga de cierta variedad
es 180 gramos, con desviación estándar de 30 gramos. Un productor sospecha
que el peso es distinto de 180 gramos. El propósito es ver si el peso de 180 gramos
es incorrecto. Por tanto, la hipótesis nula de interés es:

H0: µ = 180 gramos

La hipótesis alternativa (H1) da una suposición opuesta a aquella presentada en la

hipótesis nula. Un experimento se lleva a cabo para conocer si la hipótesis alternativa
puede ser sustentada.

En el ejemplo previo el productor sospecha que el peso medio es distinto de 180

gramos. Esta es la hipótesis a ser sustentada y así la hipótesis alternativa puede ser:
1
H1: µ > 180 gramos ó  µ < 180 gramos ó µ   180 gramos

Se puede ver que las hipótesis son excluyentes. La hipótesis alternativa

frecuentemente se relaciona con la hipótesis de investigación.

Se podría utilizar una estadística z para comparar el valor calculado de  X a partir de

una muestra, con respecto a 180 gramos especificado en la hipótesis nula. Así un
posible test estadístico cuando σse conoce, sería :

Para interpretar el valor del test estadístico es necesario introducir un elemento más a
la prueba de hipótesis: la región de rechazo, que especifica los valores del test
estadístico para los cuales la hipótesis nula es rechazada (y para los cuales la
hipótesis alternativa no es rechazada).

Ya que cualquier decisión estará basada sobre información parcial de una población,
contenida en una muestra, habrá siempre una posibilidad de una decisión incorrecta.

  Verdadero estado de la población

Decisión posible H0 es cierta H0 es falsa
Se rechaza H0 Error de tipo I (α ) Decisión correcta
Se acepta H0 Decisión correcta Error de tipo II (β) 

Si la hipótesis nula es rechazada y de hecho, la hipótesis nula es verdadera, se

cometió un error, que se llama Error de tipo I (α).

Un Error de tipo II (β) ocurriría si la hipótesis nula fuera aceptada y de hecho, la

hipótesis alternativa es verdadera.

α = P (error de tipo I)

P (rechazar H0 si H0 es verdadera)
β = P (error de tipo II)
P (aceptar H0 si H0 es falsa)

En el ejemplo, el productor acepta un error α de (5%), conocido también como nivel

de significación y utilizando la estadística z, plantearía la hipótesis como sigue:

H0: µ = 180 gramos

H1: µ ≠ 180 gramos

Suponiendo que los resultados del experimento produjeron una media muestral de 187
gramos, el test estadístico se construiría como:

2
 Para decidir si la hipótesis nula (H0) se rechaza o no, se compara el valor de Z
calculado con el valor de z tabulado N (0,1), para un nivel de probabilidad α = 0,05.

En una prueba bilateral, el valor de α se divide en α/2 = 0,025, por lo que la

probabilidad con que se busca en la tabla, el valor de z, es 0,975; el valor de z
correspondiente es 1,96

Gráficamente las zonas de rechazo y aceptación serían:

95%

como el valor de Z calculado = 1,65 es menor que l,96 o sea cae en la región de
aceptación, no hay evidencias suficientes para rechazar la hipótesis nula

Conclusión: la publicidad que hace el semillero de que el peso promedio de las espigas
de una cierta variedad es de 180 gramos, es correcta.

HIPÓTESIS UNILATERALES

Si en el mismo ejemplo, el productor, basándose en algún conocimiento de la variedad

en cuestión sospechara que el peso promedio de las espigas es menor que 180, las
hipótesis se plantearían como:

H0: µ = 180 gramos

H1: µ < 180 gramos

  La desigualdad de la hipótesis alternativa indica la zona de rechazo, el valor de α ya no

se particiona sino que se acumula todo en un solo lado, el izquierdo en este ejemplo, y
el valor tabulado de z se busca en la tabla con probabilidad del 5% siendo Z = -1,64 

Si por otra parte, el productor sospechara que el peso promedio es mayor que 180 grs,
la hipótesis y la zona de rechazo con probabilidad = 0.05 plantearían como:

H0: µ ≤ 180 gramos

H1: µ > 180 gramos

3
en ambas situaciones el test estadístico se construye como:

cuando σ 2 se desconoce, el test estadístico se construye como:

Este valor difiere del anterior en que, en lugar de aparecer la desviación estándar de la
población, nos encontramos con su estimador muestral insesgado [ E(  S2)=σ 2 ¿ que se
distribuye, t de Student (t ~ t(n-1))

CONTRASTE DE HIPÓTESIS REFERENTE A LA MEDIA POBLACIONAL (σ 2 

desconocida)

Ejemplo: Para estimar el rendimiento de parcelas plantadas con papa de una cierta
variedad, se cosecharon ocho de ellas, obteniéndose la siguiente información
expresada en kg/parcela: 4,5 5,3 5,4 4,9 5,3 5,7 6,2 4,8

¿Se puede asegurar, con α =0,05, de que esta variedad de papas tiene un rendimiento
promedio de 5,25 kg?

H0: µ = 5,25
H1: µ ≠ 5,25

A partir de los datos se calcula X  y S², obteniendo  X = 5,2625 y S² =0,2884

 = 

Como el valor de t calculado cae entre –2,365 y 2,365 (valor tabulado de t=–2,365, para
7 grados de libertad y α = 0,025, no se rechaza la hipótesis nula.

Conclusión: No hay suficiente evidencia, a partir de los datos de la muestra, para decir
que el rendimiento de papa por parcela no es igual a 5,25.

CONTRASTE DE HIPÓTESIS REFERENTE A LA PROPORCIÓN POBLACIONAL

Las hipótesis formuladas son:

a) H0: P= P0 b) H0: P = P0 c) H1: P = P0

H1: P < P0 H1: P P0 H1: P > P0

Se puede utilizar "p" como criterio de test para probar la hipótesis con respecto al
parámetro proporción poblacional. El test estadístico z se calcula:
4
Gráficamente podemos establecer la correspondiente región de rechazo de H 0 en la
cola de la distribución normal

95%

Ejemplo: En la zona norte de Cajamarca, el 90% de los productores cultivan maíz. De

110 productores de la zona que se encuestaron, 95 hacen maíz. ¿Está este resultado
en conformidad con el valor supuesto?. (α = 0,05)

H0: P = 0,90
H1: P ≠ 0,90
95
^p= =0 . 86
110

( p−P0 ) (0 . 86−0 . 90 )
Z= = =−1. 39

  √ P 0 Q0
n √
0 . 90∗0 .10
110

Como el valor calculado de Z = –1.39 reside entre los valores tabulados –1,96 y 1,96
(valores críticos de la distribución normal) no se rechaza H0.

Conclusión, la información proporcionada por la muestra no es suficiente como para

decir que la proporción de productores de tal zona que cultivan maíz es distinta de
90%.

CONTRASTE DE HIPÓTESIS REFERENTE A LA VARIANZA POBLACIONAL

Ejemplo, un operador en la bolsa de cereales, aconseja a un cliente con respecto a una

inversión de compra y destaca la poca variabilidad de dicha cotización. De acuerdo a lo
estipulado por él, esta acción presentaría una varianza en las cotizaciones diarias = 0,2.

El cliente, quien debe realizar una fuerte inversión, decide poner a prueba la hipótesis
del operador, estableciendo las siguientes hipótesis estadísticas:

H0) σ 2= 0,2
H1)  σ 2> 0,2

Fijamos:   = 0,05, como nivel de significación.

Para probar esta hipótesis selecciona una muestra de 15 días donde se registra la
cotización diaria. El cálculo de la varianza en la muestra es S2 = 0,4.

El test estadístico es:

5
que se distribuye como una   con (n - 1) grados de libertad.

Se calcula el valor del estadístico planeado:

Gráficamente se tendrá:

95%

5%

2
Como se puede observar, el valor tabular está dado por x(0.05 ;15−1) = 23.69 y estadístico
2
utilizado como criterio para realizar el test, x o = 28, cae en la zona de rechazo

Conclusión: La evidencia muestral parece indicar que el operador estaba equivocado

y que en realidad la cotización diaria es bastante más variable de lo que él cree.

6
7