DEFINICIONES BÁSICAS.

PRUEBAS DE HIPÓTESIS DE UNA

POBLACIÓN.
La prueba de hipótesis inicia con un supuesto llamado hipótesis, que se hace con respecto a un
parámetro de población, enseguida se recolectan datos de una muestra, se producen
estadísticos de muestra y se usa esa información para decidir qué tan probable es que sea
correcto el parámetro de la población acerca del cual se hizo la suposición.

En una prueba de hipótesis de una población, se seguirá el siguiente esquema:

 Suponer un cierto valor para una media de población. (Ho)

 Recolectar datos de muestra y calcular la diferencia entre el valor hipotético y el valor real de
la media de la muestra.

 Juzgar si esa diferencia es significativa o no, usando un estadístico de prueba apropiado.

Mientras más pequeña sea la diferencia calculada, mayor será la probabilidad que el valor
hipotético. (Ho), sea correcto, y al contrario, mientras mayor sea la diferencia más pequeña será
esa probabilidad. Lo que se pretende con la prueba de hipótesis es dar un proceso objetivo que
permita decidir si se acepta o se rechaza el supuesto planteado, tomando como base la
información de la muestra.

DEFINICIONES BASICAS.

HIPOTESIS NULA. En la prueba de hipótesis, se debe establecer el valor supuesto o hipotético

del parámetro de la población (μ) antes de comenzar a tomar la muestra. Esta suposición que
se someterá a prueba se llama hipótesis nula, se denota por H0 . Por ejemplo, si se desea probar
la hipótesis que la media de una población es igual a 650, entonces se plantea en forma simbólica
así: H0 : μ = 650 , lo cual se lee: la hipótesis nula H0 es igual a 650.

NOTA: El término hipótesis nula viene de las primeras aplicaciones de estadística en agricultura
y medicina.

 HIPOTESIS ALTERNATIVA. Si los resultados de la muestra no respaldan H0 entonces se debe

concluir que se cumple o se acepta otra cosa, esa otra cosa se llama hipótesis alternativa, la cual
se denota por H1

Para H0:μ = 650, se consideran tres hipótesis alternativas posibles:

1. H1:μ≠650 , se denomina prueba de dos extremos.

2. H1:μ>650 , se denomina prueba del extremo derecho.

3. H1:μ , se denomina prueba del extremo izquierdo.

NIVEL DE SIGNIFICANCIA. Después que se definen las dos hipótesis, nula y alternativa, el
siguiente paso consiste en decidir qué criterio utilizar para decidir si aceptar o rechazar la
hipótesis nula.

El objetivo de la prueba de hipótesis no es cuestionar el valor calculado del estadístico de

muestra sino de emitir un juicio acerca de la diferencia entre el estadístico y el parámetro
hipotético.

Si se toma el 5% como el nivel de significancia para probar una hipótesis nula si la diferencia
entre la estadística de muestra y el parámetro de población hipotético es lo bastante grande
como para que ocurra esta u otra diferencia mayor, en promedio, solo cinco o menos veces en
cada 100 muestras, cuando H0 es correcta.

Lo anterior se puede ver en la siguiente gráfica.

Regiones de diferencia significativa y de diferencia no significativa a un nivel de significancia del

5%.
La figura 2 dice que el 95% del área es la región de aceptación de la hipótesis nula H0, cuando
se eligió el 5% como el nivel de significancia, y las dos áreas sombreadas son las de rechazo.

Selección del nivel de significancia. No existe un solo nivel de significancia para probar una
hipótesis. Los niveles más usuales son 5% y 1% aunque es posible probar una hipótesis a
cualquier nivel de significancia, pero mientras más alto sea el nivel de significancia que se utiliza
para probar una hipótesis, mayor será la probabilidad de rechazar una hipótesis nula cuando sea
cierta.

Las siguientes figuras muestran tres niveles de significancia:

TABLA DE DECICIONES

La validez o bondad de una prueba estadística de una hipótesis se mide mediante las
probabilidades de cometer un error tipo I o de tipo II. El rechazo de una hipótesis nula cuando
es cierta se llama error tipo I, y su probabilidad es el nivel de significancia, y se simboliza por α (
alfa). Aceptar una hipótesis nula cuando es falsa se llama error tipo II, su probabilidad se
simboliza por β (beta).

Hay un equilibrio entre los dos tipos de errores: la probabilidad de cometer un tipo de error
puede ser reducido si y solo si se incrementa la probabilidad de cometer el otro tipo de erro.
Lidiar con este equilibrio, depende de asunto a decidir en la vida real.

Propiedades de Alfa y Beta.

1. El valor de alfa se fija al escoger la región de rechazo.

2. El valor de beta dependerá de la hipótesis alternativa que se escoja. Es más fácil detectar
diferencias grandes con el valor de la hipótesis nula de un parámetro, que detectar diferencias
pequeñas. Si se quieren detectar diferencias pequeñas con el valor de la hipótesis nula de un
parámetro, beta será grande. Si se desea detectar diferencias grandes, beta será pequeña.

3. Para un tamaño maestral fijo, al aumentar la región de rechazo alfa (α), beta (β) disminuye.
Si alfa decrece, beta aumentara.

4. Al aumentar el tamaño de la muestra n, alfa y beta decrecerán a la vez.

DECISION SOBRE EL TIPO DE DISTRIBUCION A UTILIZAR EN LA PRUEBA DE HIPOTESIS.

Después de decidir el nivel de significancia a utilizar, el paso siguiente está en determinar la

distribución de probabilidad adecuada. El cuadro siguiente resume que tipo de distribución de
probabilidad utilizar:

PRUEBA DE HIPOTESIS DE DOS EXTREMOS.

En una prueba de dos extremos de una hipótesis, se rechazará la hipótesis nula si la media de la
muestra es significativamente mayor o menor que la media hipotética de la población.

Existen dos regiones de rechazo. Esta prueba se aplica cuando la hipótesis nula es iguala una
constante real o valor numérico especifico, ( H0: μ = k) donde k es un valor especifico, y la
hipótesis alternativa es H1: μ ≠ k. Ver figura siguiente:
PRUEBA DE HIPOTESIS DE UN SOLO EXTREMO.

Hay situaciones en las que no es posible aplicar una prueba de dos extremos, si la hipótesis nula
es de la forma H0 : μ = k y la hipótesis alternativa es de la forma H1: μ > k, o bien H1: μ < k
entonces se utiliza la prueba del extremo derecho o del extremo izquierdo respectivamente, Ver
las siguientes figuras:

PASOS PARA UNA PRUEBA DE HIPOTESIS.

En general, consideraremos los siguientes pasos:

1. Planteamiento de la hipótesis nula H0.

2. Planteamiento de la hipótesis alternativa H1.

3. Plantear el criterio de decisión ( nivel de significancia)

4. Calcular el estadístico de prueba. 5. Conclusión.

EJEMPLO 1.

La producción diaria en libras de cierta planta industrial que produce cierto producto químico
registrada durante n = 50 días, reporta una media de la muestra de x  871 libras, con una
desviación de la muestra de s = 21 libras. Probar la hipótesis nula que el promedio de la
producción diaria del producto químico es de μ = 880 libras diarias y una desviación estándar de
la muestra s = 21 libras. Probar la hipótesis nula que el promedio de la producción diaria del
producto químico es de μ = 880 libras diarias, contra la hipótesis alternativa que μ es distinta de
880 libras, usar un nivel de significancia de α = 0.05.

Solución:

PASO 1. H0: μ = 880 libras. (Hipótesis Nula)

PASO 2. H1: μ ≠ 880 libras. (Hipótesis Alternativa)

PASO 3. Criterio de decisión

PASO 4. ESTADISTICO DE PRUEBA.

a) Abrir MINITAB, despliega la siguiente pantalla:

20

b) Presionar el botón : Estadísticas, luego Estadísticas

básicas, despliega la siguiente página:
 21

c) En estadísticas básicas, presionar z de 1 muestra, en esta

ventana marcar datos resumidos e ingresar el valor de n,
de la media de la muestra, y la desviación de la muestra,
marcar: Realizar prueba de hipótesis, introducir el valor
de la hipótesis nula.
 d) Presionar opciones, introducir nivel de confianza e
hipótesis alternativa,

e) Clic en aceptar, luego clic en aceptar, se despliega la siguiente pantalla:

Paso 5. Conclusión

Como +3.03 < -1.96, entonces H0 se rechaza.

 Ejemplo 2.

Un vendedor de autos nuevos calcula que su compañía tiene que

promediar más de 4.8% de ganancias en las ventas de autos
nuevos. Una muestra de n = 80 autos, proporcionó una media y
desviación del promedio de ganancias por vehículo de X= 4.87
% y s = 3.9 %. ¿ Aportan los datos suficiente evidencia que
indique que la política del gerente de ventas al aprobar los
precios genera una ganancia media superior al 4.8 % por coche?.
Usar un nivel de significancia de 0.01.

Solución:

PASO 1. H0 : μ=4.8

PASO 2. H1 : μ>4.8

PASO 3. Criterio de decisión.

Con MINITAB.
Abrir MINITAB e ingresar los siguientes datos: n=80, X = 4.87, s = 3.9, nivel de significación =
0.99, elegir la opción datos sumarizados (datos resumidos)
PASO 5. Conclusión: como 1.94 <3.365 , entonces H 0 se acepta.
30
Ejemplo 4.

Queremos probar, en base a una muestra aleatoria de n=5

ejemplares, si el contenido de grasa de cierto tipo de helado es
menor que 12%. ¿Podemos rechazar la hipótesis nula µ = 12%,
contra la alternativa µ < 12%, en el nivel de significación del 0.01 , si
la muestra tiene una media de

x= 11.3% , y desviación s = 0.38%.

Solución:

PASO 1. H0 = µ =12 %

PASO 2. H1 = µ < 12%

PASO 3. CRITERIO DE DECISIÓN.

Como n = 5, gl = 5-1 = 4 , buscando en la tabla t , para

0.01, t = 3.7469. Si t < - 3.7469 , entonces H0 se acepta, caso
contrario se rechaza. Veamos la gráfica:
 Paso 5. Conclusión:

Como -4.12 < - 3.747, entonces H0 se rechaza.

Referencias:
Desarrollo Temático y Tecnológico M.Sc. Ricardo Quan Ferrera
PREPARADO POR RICARDO QUAN FERRERA MAURICIO MONCADA