Escuela de Estudios

Superiores de Xalostoc

Nombre: Hernán Martinez de la Cruz

Maestro: Jorge Aragón Medina

Materia: Probabilidad y Estadística 2

Grado y Grupo: 2º A

Matricula: 10039117

Carrera: Ingeniería Química

 2.-Pruebas de Hipótesis

2.1 Introducción
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.

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.

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.

Otra manera de hacer inferencia es haciendo una afirmación acerca del valor que
el parámetro de la población bajo estudio puede tomar. Esta afirmación puede estar
basada en alguna creencia o experiencia pasada que será contrastada con la
evidencia que nosotros obtengamos a través de la información contenida en la
muestra. Esto es a lo que llamamos Prueba de Hipótesis.
Una prueba de hipótesis comprende cuatro componentes principales:

➢ Hipótesis Nula
➢ Hipótesis Alternativa
➢ Estadísticas de Prueba
➢ Región de Rechazo

2.2 Errores tipo 1 y 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.
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 en la H0 es verdadera H0 es falsa
muestra
No rechazar H0 Decisión correcta Error tipo II – no
(probabilidad = 1 – α) rechazar H0 cuando es
falsa (probabilidad = β)
Rechazar H0 Error tipo I – rechazar Decisión correcta
H0 cuando es verdadera (probabilidad = 1 - β)
(probabilidad = α)
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
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.

2.3 Potencia de la prueba

La potencia de una prueba
de hipótesis es la
probabilidad de que la
prueba rechace
correctamente la hipótesis
nula. La potencia de una
prueba de hipótesis se ve
afectada por el tamaño de la
muestra, la diferencia, la
variabilidad de los datos y el
nivel de significancia de la prueba.

Si una prueba tiene poca potencia, es posible que usted no detecte un efecto y
concluya erróneamente que no existe ninguno. Si la potencia de una prueba es
demasiado alta, efectos muy pequeños y posiblemente sin importancia podrían
parecer significativos.

Ninguna prueba es perfecta, siempre existe la posibilidad de que los resultados de

una prueba conduzcan a rechazar la hipótesis nula (H0) cuando en realidad sea
verdadera (un error de tipo I) o a no rechazar H0 cuando realmente sea falsa (error
de tipo II). Esto se debe a que para poder estimar las medias de la población, usted
tiene que utilizar muestras aleatorias, y las muestras aleatorias son precisamente
eso, aleatorias. Por lo tanto, siempre es posible que la media de la muestra resulte
muy diferente de la media de la población.

Por ejemplo, supongamos que cierta población distribuida normalmente tiene una
media (μ) de 10 y una desviación estándar (σ) de 2. Esta distribución indica que
95.44% de los valores de esta población se encuentran entre 6 y 14. Sin embargo,
siempre es posible que usted seleccione 10 observaciones de forma aleatoria y
termine con una media de la muestra de 4. ¡Con una muestra como esa, usted no
podría inferir que la media de la población es realmente 10!

Por supuesto, las probabilidades de obtener una muestra como esa son
increíblemente pequeñas, aunque no deja de ser posible. Un error de muestreo a
veces puede conducir a una conclusión equivocada. Aunque usted no puede saber
cuándo ocurrirá esto, sí puede estimar la frecuencia con la que ocurrirá. Ahí es
donde la potencia entra en juego.

Por ejemplo, supongamos que usted realiza una prueba t de 1 muestra para
determinar si el volumen medio de producto dispensado en las botellas de champú
en su fábrica es diferente del volumen objetivo de 8 oz. Usted decide tomar una
muestra aleatoria de 10 botellas. Si μ realmente es 7.5 oz. (las botellas se están
llenando con 0.5 oz. menos de lo esperado) y σ en realidad es 0.43 oz., entonces
la prueba tiene una potencia de 0.9039.

Un valor de potencia de 0.9039 significa que si usted decide repetir el experimento

muchas veces, (con una nueva muestra aleatoria cada vez), alrededor de 90.39%
de las veces, usted terminará rechazando correctamente la hipótesis nula. En el
9.61% restante de las veces, un error de muestreo hará que usted no rechace H0,
aunque realmente sea falsa. Por supuesto, es poco probable que usted realice la
prueba más de una vez, pero es bueno saber que las probabilidades de obtener una
muestra engañosa son relativamente bajas.

2.4 Formulación de Hipótesis estadísticas.

Es un enunciado que relaciona dos o más variables, que son utilizadas para plantear
una idea a la que se someterá a juicio. La hipótesis y su resultado nos sirven de
guía en la investigación de manera que vamos comprobando la validez de las
afirmaciones o ideas que planteamos durante la misma.

El objetivo de nuestra hipótesis ha de ser el logro del conocimiento científico en un

tema de estudio y las posibles limitaciones que existen en el mismo y de las que
pueden surgir nuevas hipótesis e investigaciones. Todo ello basado en aquello que
la ciencia ya ha producido mediante el método científico (sistemas y teorías actuales
de la ciencia).

Son cualidades, características o propiedades de la realidad que tengan la

capacidad de adquirir diferentes grados o valores, que pueden estar presentes o
ausentes en el grupo de estudio o individuo.
Su validez depende del marco teórico en el que se fundamenta el problema y su
relación directa con la hipótesis de estudio. n ser de valor fijo (Variables
independientes) o de valor cambiante (Variables dependientes). La variable es la
relación causa - efecto de los fenómenos estudiados.

Tipos de Variables

VARIABLE INDEPENDIENTE: Es la que se supone la causa del fenómeno

estudiado. Puede ser manipulada por el investigador.

VARIABLE DEPENDIENTE: Es consecuencia de una variable antecedente. Su

valor es cambiante en función de la variable independiente.

VARIABLES CUANTITATIVAS: Son aquellas que se pueden presentar en

diferentes grados y que admiten una escala numérica de medición.

VARIABLES CUALITATIVAS: Son aquellas que se refieren a atributos o cualidades

de un fenómeno. No pudiendo ser numéricamente definidas.

VARIABLES CONTINUAS: Son aquellas que acogen los fenómenos cuyos

indicadores de variable son continuos, pudiendo tomar puntos de referencias
intermedios entre dos números.

VARIABLES DISCRETAS: Son aquellas que no pueden acoger posiciones

intermedias entre dos números, por lo tanto, no son variables continuas.

VARIABLE DE CONTROL: Variable controlada por el investigador que neutralizan

otros efectos sobre el fenómeno observado.

Una vez identificadas las variables con las que queremos trabajar debemos de
operacionalizarlas, de manera que sean efectivas en la construcción de la hipótesis.
Para ello debemos:

➢ Nominar las variables: definir las variables con las que vamos a crear la
hipótesis.
➢ Dimensionar: determinar las dimensiones de las variables nominales.
➢ Operacionar: Establecer las medidas de las variables y definir los indicadores
de cada variable. Desde donde se procederá a construir el instrumento de
recogida de la información.
Hemos de saber que la hipótesis es la idea de apoyo a una idea general que
queremos lograr, es decir, es un paso hacia la cima de la montaña. La hipótesis no
resolverá un gran tema, es sólo un escalón más en el proceso del conocimiento de
algo concreto.

La hipótesis debe de ser una predicción donde se describa de manera concreta,

precisa y clara, lo que sucederá si se cumplen los condicionantes expuestos.
Deberíamos partir siempre de una base de conocimientos previos, respecto al tema
de estudio, por lo que es importante el conocimiento de estudios previos del tema a
investigar. Sería ideal partir de datos observados y junto con un par de variables
construir una hipótesis fundamentada en estudios anteriores y teorías aceptadas en
la comunidad.

Una de los primeros pasos a realizar es delimitar el problema que queremos

investigar. Para ello debemos de tener en cuenta todas las variables del fenómeno
que queremos estudiar.

Durante la formulación de la
hipótesis esta sufre un proceso de
definición, puntualización y
rectificación, con el fin de concretar y
mejorarla de cara al método
científico. Al concluir un estudio las
hipótesis habrán sido finalmente
validadas, rechazadas o sustituidas
por nuevas hipótesis. De la misma
manera cuando acabamos un
estudio de investigación podemos
lanzar nuevas ideas en forma de hipótesis para futuros estudios, de manera que
nos encontramos en un bucle de investigación.

Los términos de la hipótesis deben ser claros y concretos, para facilitar su

comprensión. Además, deberían incluir términos que puedan ser definidos de momo
operacional, de manera que la recuperación del estudio sea accesible para su crítica
o análisis por parte de la comunidad científica.

Una de las ideas básicas que debemos de tener en cuenta para elaborar la hipótesis
es que sirve para apoyar la explicación de fenómenos estudiados a partir de las
relaciones que establecen las variables con las que los relacionamos.

La redacción de la hipótesis ha de ser en forma expositiva o declarativa, de manera

lógica y utilizando siempre un condicional que nos sirve de nexo entre las variables.
Creando una relación cuantitativa o cualitativa entre las variables expuestas.
La base de la hipótesis debería estar también basada en referencias y
contrastaciones científicas que le dieran solidez. Hay que partir siempre de lo
existente para llegar a algo nuevo. Como se define la hipótesis: una conjetura
basada en hechos, por lo que, además, la hipótesis debe de estar fundamentada en
un marco teórico adecuado.

Una mala idea es poner juicios de valor en la hipótesis, tales como: El compuesto
ABC tiene MEJORES resultados que el compuesto DEF. Esto no es muy científico,
ni serio, sino más bien una afirmación cualquiera. Sin embargo, podemos presentar
esta hipótesis como: el compuesto ABC presenta una adherencia terapéutica
significativa, frente al compuesto DEF. En este caso definimos y somos muy
concretos e indicamos una variable en la que se basará el juicio de la investigación
(adherencia terapéutica). En este sentido es necesario que la hipótesis sea
específica, es decir hay que determinar los indicadores que se van a emplear para
medir las variables estudiadas (adherencia terapéutica).

Otros de los problemas con los que nos encontramos es que las expectativas de la
hipótesis distan mucho de la realidad en medios que tenemos para lograr la
comprobación de la misma. Así debemos de ser realistas a los recursos, medios y
técnicas de investigación de los que disponemos a la hora de plantear la hipótesis.

Formulación de la Hipótesis

➢ Términos claros y concretos.

➢ En formas declaratoria o expositiva.
➢ Utilizando un condicional.
➢ Conjetura basada en hechos.
➢ Pueden ser definidos de modo operacional.
➢ NO incluirá juicios de valor.
➢ Debe sostenerse sobre una Marco teórico
➢ Sujeta a referencias y contrastación científica.
➢ Realista con los recursos, medios y técnicas de investigación.
➢ Explica los fenómenos a partir de las relaciones establecidas entre variables.

2.5 Prueba de hipótesis para la media

En vez de estimar el valor de un parámetro, a veces se debe decidir si una
afirmación relativa a un parámetro es verdadera o falsa. Es decir, probar una
hipótesis relativa a un parámetro. Se realiza una prueba de hipótesis cuando se
desea probar una afirmación realizada acerca de un parámetro o parámetros de una
población.
Una hipótesis es un enunciado acerca del valor de un parámetro (media, proporción,
etc.).

Prueba de Hipótesis es un procedimiento basado en evidencia muestral

(estadístico) y en la teoría de probabilidad (distribución muestral del estadístico)
para determinar si una hipótesis es razonable y no debe rechazarse, o si es
irrazonable y debe ser rechazada.

La hipótesis de que el parámetro de la población es igual a un valor determinado se

conoce como hipótesis nula. Una hipótesis nula es siempre una de status quo o de
no diferencia.

En toda prueba de hipótesis se presentan 3 casos de zonas críticas o llamadas

también zonas de rechazo de la hipótesis nula, estos casos son los siguientes:
En toda prueba de hipótesis se pueden cometer 2 tipos de errores:

Pruebas medias de una muestra

Se utiliza una prueba de una muestra para probar una afirmación con respecto a
una media de una población única.
Nota: Se considera práctico utilizar la distribución t solamente cuando se requiera
que el tamaño de la muestra sea menor de 30, ya que para muestras más grandes
los valores t y z son aproximadamente iguales, y es posible emplear la distribución
normal en lugar de la distribución t.

Pruebas medias de dos muestras

Las pruebas de dos muestras se utilizan para decidir si las medias de dos
poblaciones son iguales. Se requieren dos muestras independientes, una de cada
una de las dos poblaciones. Considérese, por ejemplo, una compañía investigadora
que experimentan con dos diferentes mezclas de pintura, para ver si se puede
modificar el tiempo de secado de una pintura para uso doméstico. Cada mezcla es
probada un determinado número de veces, y comparados posteriormente los
tiempos medios de secado de las dos muestras. Una parece ser superior, ya que
su tiempo medio de secado (muestra) es 30 minutos menor que el de la otra
muestra.

Pero ¿son realmente diferentes los tiempos medios de secado de las dos pinturas,
o esta diferencia muestral es nada más la variación aleatoria que se espera, aun
cuando las dos fórmulas presentan idénticos tiempos medios de secado? Una vez
más, las diferencias casuales se deben distinguir de las diferencias reales.

Con frecuencia se utilizan pruebas de dos muestras para comparar dos métodos de
enseñanza, dos marcas, dos ciudades, dos distritos escolares y otras cosas
semejantes.

La hipótesis nula puede establecer que las dos poblaciones tienen medias iguales:

Para tamaño más pequeño de muestra, Z estará distribuida normalmente sólo si las
dos poblaciones que se muestran también lo están.
 Bibliografía
❖ Soporte de Minitab. 2019. ¿Qué es potencia?. [En Línea].
<https://support.minitab.com/es-mx/minitab/18/help-and-how-
to/statistics/power-and-sample-size/supporting-topics/what-is-power/>.
[Consulta: 14 marzo 2021].
❖ Soporte de Minitab. 2019. ¿Qué son los errores de tipo I y tipo II?. [En Línea].
<https://support.minitab.com/es-mx/minitab/18/help-and-how-
to/statistics/basic-statistics/supporting-topics/basics/type-i-and-type-ii-
error/>. [Consulta: 14 marzo 2021].
❖ Soporte de Minitab. 2019. ¿Qué es una prueba de hipótesis?. [En Línea].
<https://support.minitab.com/es-mx/minitab/18/help-and-how-
to/statistics/basic-statistics/supporting-topics/basics/what-is-a-hypothesis-
test/>. [Consulta: 14 marzo 2021].
❖ Wikinfermeria. Formulación de Hipótesis. [En Línea].
<https://sites.google.com/site/wikinfermeria/trabajo-final-de-grado/2-
recursos-para-formulacion-de-hipotesis>. [Consulta: 14 marzo 2021].
❖ Suárez Ibujes Mario Orlando. 2012. Pruebas de hipótesis para medias. [En
Línea]. <https://www.monografias.com/trabajos91/prueba-hipotesis-medias-
excel-y-winstats/prueba-hipotesis-medias-excel-y-winstats.shtml>.
[Consulta: 14 marzo 2021].