UNIVERSIDAD SAN FRANCISCO DE QUITO

Estadística Aplicada
HOJA TRABAJO: Pruebas de Hipótesis

El siguiente documento fue adaptado de una hoja de trabajo desarrollada por Minitab. La intención de la
misma es que los estudiantes puedan evaluar los conocimientos adquiridos en el tema de Pruebas de Hipótesis.

Pruebas de Hipótesis

El proceso de usar la probabilidad y las estadísticas para establecer una situación experimental y decidir si
rechazar o no la hipótesis del "status quo", con base en datos de muestra se llama "Prueba de Hipótesis".

Recuerda que la media de una población, o el promedio de un conjunto completo de datos, es µ. La media
muestral x̄ es la media de una muestra de esa población. A menudo, para una población dada, no sabemos mu,
pero podemos determinar x̄ seleccionando una muestra aleatoria de datos de la población.

Escenario: tenemos una población y queremos hacer una afirmación con respecto al parámetro de pobla-
ción µ (media). Para esto te podrías preguntar ¿Por qué no calculamos simplemente la media de la
población en lugar de calcular una estimación para ella?
¡Buena pregunta!

Supon que tu población de interés es Canadá y deseas conocer la edad media de la población. Debido a la
falta de tiempo, energía y dinero, no puedes obtener la edad de TODAS las personas en Canadá.Puede selec-
cionar una muestra (p. ej., una muestra aleatoria simple; consulte la lección Muestreo) y calcular la media de
esa muestra, x̄.

Posiblemente también cuestiones:

"¿Por qué no usamos la media muestral x̄ para estimar la media poblacional µ".
Podemos, pero la media muestral x̄ puede ser bastante diferente de la media poblacional µ, incluso si obtuvimos
la muestra correctamente. Además, la estimación de un solo número por sí misma, como x̄, no proporciona
información sobre la precisión y confiabilidad de la estimación con respecto a la población más grande.

Conceptos y Términos

En muchas situaciones experimentales, la conclusión que se extrae de un experimento es una elección entre
dos hipótesis contrarias.

Formalmente la prueba de hipótesis es conformada por dos hipótesis contrarias pero complementarias.
Una hipótesis estadística es típicamente una declaración sobre un parámetro de población.
Tomamos muestras aleatorias de la población de interés para sacar conclusiones sobre sus parámetros
poblacionales,

Si rechazamos la hipótesis nula, no probamos que la hipótesis alternativa sea verdadera. Simplemente
afirmamos que hay suficiente evidencia para rechazar la hipótesis nula.
Si no rechazamos (es decir, no podemos rechazamos) la hipótesis nula, no probamos que la hipótesis nula
sea verdadera. Simplemente afirmamos que no hay suficiente evidencia para rechazar la hipótesis nula.
Desafortunadamente, sea cual sea la decisión, ¡siempre existe la posibilidad de que cometamos un error!

En las pruebas de hipótesis estadísticas, pueden ocurrir los siguientes errores:

• Error Tipo I: La hipótesis nula H0 es verdadera, pero el investigador rechaza H0.
• Error Tipo II: La hipótesis nula H0 es falsa, pero el investigador no rechaza H0.

1
 Un valor de uso común para α = 0,05.
¿Qué significa un nivel de significancia de α = 0,05? Significa que si H0 es realmente verdadera y la prueba
de hipótesis se repite en diferentes muestras aleatorias de datos de la misma población, esperaríamos que
H0 se rechace incorrectamente el 5 % de las veces.
El valor p, o nivel de significación observado, es la probabilidad de obtener una estadística de prueba que
sea al menos tan extrema como el valor calculado si H0 es verdadera. Cuanto más pequeño es el valor p,
más contradictorio es el estadístico de prueba con H0. La hipótesis nula debe rechazarse si el valor p es
"suficientemente pequeño", utilizando el nivel de significación α dado. Si no se da un nivel de significancia,
la mayoría de los estadísticos suponen α = 0,05.
• Rechazar H0 si el valor p es MENOR QUE α.
• No rechace H0 si el valor p es MAYOR QUE α.

EJERCICIOS

Para cada uno de los siguientes ejercicios justifique su respuesta mostrando los cálculos y/o análisis respec-
tivos realizados.
1. Qué es el nivel de confianza? como se lo define?
2. Cómo se relaciona la t-student y la prueba z?
3. El estadístico de prueba y el valor p correspondientes a la prueba de hipótesis H0: µ = 2 versus H1: µ > 2
son x̄ = 2,076yp = 0,065, respectivamente. ¿Cuál de las siguientes es una interpretación adecuada de este
valor p?
A. La probabilidad de que la hipótesis nula sea verdadera es 0.065.
B. La probabilidad de que la hipótesis alternativa sea verdadera es 0.065.
C. Los datos no se distribuyen normalmente.
D. En muestreo repetido, la probabilidad de observar un estadístico de prueba al menos tan extremo como
x̄ = 2,076es0,065.

4. Un fabricante de budines envasa su producto en bolsas que pesan 1 kilogramo, en promedio. El fabricante
ha descubierto que la configuración de la máquina está causando el llenado pesos cambien constantemen-
te. Se necesita detectar cambios en el peso medio lo más rápido posible y reiniciar la máquina cuando
corresponda. Para detectar cambios en el peso medio, él fabricante recoge periódicamente una muestra
aleatoria de 50 bolsas, las pesa y calcula la media y Desviación Estándar. Los datos de la muestra de esta
tarde arrojan una media muestral de 1,03. La desviación estándar de la población es de 0,08 kg. Determine
el valor p para la prueba de hipótesis H0: µ = 1 versus H1: µ 6= 2

A.0.008
B 0,004
C 0,011
D 0,005
E 0.704
F 0,996
G. No podemos determinar el valor p porque los datos no provienen de una distribución normal.

2
5. El analgésico que se utiliza actualmente en el Hospital De los Valles brinda alivio a los pacientes en un
tiempo promedio de 3,5 minutos. Para comparar un nuevo analgésico con el actual, el nuevo analgésico
se administra a una muestra aleatoria de n = 50 pacientes. El tiempo medio para sentir alivio para esta
muestra de pacientes es de 2,8 minutos. La desviación estándar de la población es de 1,14 minutos. ¿Cuáles
son las hipótesis nula y alternativa apropiadas para determinar si el tiempo medio para que los pacientes
sientan alivio con el nuevo analgésico es menor que el tiempo requerido para el analgésico actual del
hospital?
6. Estamos probando H0: µ = 10 contra H1: µ < 10 y concluimos que podemos rechazar la hipótesis nula
H0 al nivel de significancia α = 0,05. Supongamos que decidimos cambiar la hipótesis alternativa de H1:
µ = 10 a H1: µ 6= 10. Usando los mismos datos, ¿podemos rechazar H0 en α = 0,05?
A. Sí
B No
C. No hay suficiente información para responder a esta pregunta.

7. Se anuncia que cierta marca de jugo de naranja contiene 85 % de jugo de fruta por botella. Se selecciona
una muestra aleatoria de 32 botellas de este jugo para realizar la prueba de hipótesis:
H0: µ = 0,85 frente a H1:
donde µ representa el porcentaje promedio de jugo por botella. ¿Cuál es la hipótesis alternativa correcta
para esta prueba?
8. ¿Cuál de las siguientes afirmaciones no es verdadera con respecto a la prueba de hipótesis?
A. La hipótesis alternativa es la afirmación que es contradictoria con la hipótesis nula.
B. La hipótesis nula es la afirmación que se supone verdadera, o la hipótesis del “status quo”.
C. La evidencia muestral se utiliza para determinar si se rechaza o no la hipótesis alternativa.
D. Las dos posibles conclusiones de una prueba de hipótesis son rechazar H0 o no rechazar H0.
E. Al sacar una conclusión después de realizar una prueba de hipótesis, siempre existe la posibilidad de
que haya tomado una decisión equivocada, incluso si esa posibilidad es muy pequeña.

9. Ejercicio práctico
Cada grupo necesitará una regla, hojas de papel, así como unas tijeras para cortar el papel.

Instrucciones de la actividad: Para obtener datos para este ejercicio, en los grupos de 3-4 estudiantes
cortarán al menos 30 tiras de papel de igual longitud (como grupo). Por ejemplo, puede usar papel A4
de 210 x 297 mm para crear las tiras. No importa cuán largas sean las tiras, siempre que todas tengan
la misma longitud. La media µ para las siguientes preguntas es igual a la mitad de la longitud seleccionada.

Cada grupo deberá seleccionar a una persona para que sea el cortador y luego hacer lo siguiente:

Antes de cortar las tiras, mida la longitud. Cada tira debe tener la misma longitud. Luego divide la
longitud por 2 para calcular el valor de µ. Por ejemplo, si las tiras miden 28 cm, entonces µo = 14
cm.
Cortador: CON LOS OJOS CERRADOS, toma con una mano la tijera y con la otra una tira de
papel. Corta al menos 30 tiras de papel por la mitad. Mantén los ojos cerrados o vendados durante
todo el experimento, no puedes topar la tira de papel con la mano que tiene la tijera.
Otros miembros del grupo: tome cada tira restante en la mano izquierda del cortador (la que caiga
sobre la mesa o el piso ya no se utiliza) y mida la longitud mínima (imagen siguiente).

Almacena cada uno de los datos medidos

3
 Realice las siguientes tres pruebas de hipótesis, usando una desviación estándar de población de
σ = 1,2. ¿Qué conclusiones puede sacar de los valores p para cada prueba de hipótesis?
(a) H0: µ = µo versus H1:µ 6= µo
(b) H0: µ = µo versus H1:µ < µo
(c) H0: µ = µo versus H1:µ > µo

Referencias

Minitab, ACTIVITY SHEET: POPULATION MEAN HYPOTHESIS TESTING FOR LARGE SAM-
PLES
Navidi, William, STATISTICS FOR ENGINEERS AND SCIENTISTS, FIFTH EDITION, McGraw-Hill
Education, 2020