IntroducciónTema 1Tema 2Referencia

Esquema general de la prueba de hipótesis

Introducción
En el módulo 1 estudiamos la estimación, tanto puntual como de intervalos de confianza.
También hablamos sobre la precisión de los estimadores. Estos estudios conforman una de las
dos áreas principales de la inferencia estadística. En este módulo presentaremos una forma
diferente de hacer inferencias acerca de parámetros poblacionales a partir de las evidencias de la
muestra: la prueba de hipótesis. Se trata de investigar haciendo conjeturas, estableciendo
afirmaciones sin ambigüedades, formulando hipótesis respecto de los parámetros
poblacionales que puedan ser contrastadas. En esta lectura desarrollaremos los fundamentos
del test de hipótesis. Es importante que sepas que toda decisión tiene que estar fundamentada
en una metodología que le dé credibilidad. ¡Adelante, entonces! Es un tema apasionante.

1. Caso: Cajeros Bancos Ciudad de Santa Fe

Un banco que opera en la Ciudad de Santa Fe está estudiando la cantidad de dinero en efectivo
que tienen en promedio los cajeros automáticos de esa Ciudad durante los fines de semana.

El objetivo es satisfacer necesidades de sus clientes, pero sin que quede mucho dinero inactivo,
pues el banco se privaría de la oportunidad de invertir.

El tesorero de la Casa Central sabe por experiencia que, en promedio, los clientes retiran como
máximo U$S 120 por fin de semana, pero está dispuesto a someter su juicio a una prueba de
hipótesis.

Para ello, se selecciona una muestra aleatoria de 20 transacciones durante un fin de semana
determinado en toda la ciudad. La selección de la muestra se realiza con un método que asegure
su aleatoriedad. Los datos muestrales arrojan un promedio de extracciones de U$S 115, con una
desviación estándar de U$S 12. ¿Existe evidencia suficiente para afirmar la idea que tiene el
tesorero del Banco?

Se te solicita lo siguiente:

Planteo de la hipótesis nula.

Planteo de la hipótesis alternativa.
Distribución de muestreo a utilizar y por qué.
¿Qué tipo de prueba es?
¿Cuál es el valor del estadístico de prueba o el valor crítico del estadístico, si el nivel de
significancia es del 5 %?

2. Prueba de hipótesis. Fundamentos

Concepto y estrategia general de las pruebas de hipótesis

La inferencia estadística involucra dos áreas principales: estimación y prueba de hipótesis.

Tanto en la estimación como en la prueba de hipótesis nos basamos en la información que nos
brinda la muestra para poder acercarnos a algún parámetro poblacional que sea de nuestro
interés.

En la toma de decisiones, frente a un problema concreto, conjeturamos y formulamos hipótesis,

que tendremos que contrastar para obtener una conclusión razonada. Nos preguntamos,
entonces, ¿cómo se puede validar una afirmación sobre la población que se realiza a través de
una evidencia muestral?
En algunas ocasiones, el estadístico debe proveer soporte para responder un interrogante sobre si
es cierta o no determinada idea previa que tenemos sobre el valor de algún parámetro, por
ejemplo, la media poblacional o la proporción poblacional.

Una hipótesis estadística es un supuesto que se establece sobre las características de una
distribución poblacional.
Nos referimos una hipótesis que pueda ser contrastada y que, además, permita medir
la probabilidad del error que se cometería cuando se hace una afirmación sobre la población
en estudio. Es decir, una hipótesis que nos permita medir la fuerza de la evidencia, ya sea a favor
o en contra de alguna hipótesis de interés sobre la población.

Para poder dar una respuesta a estos interrogantes, nos basamos en la lógica que tienen las
pruebas de hipótesis:

Si conocemos la distribución muestral de un estadístico que relacione el parámetro sobre el

cual nos interesa comprobar una afirmación con un estimador del mismo, podemos decidir
que la afirmación es aceptable si en la muestra obtenemos un resultado razonablemente
cercano al previsto en la afirmación. El estadístico utilizado para esto se denomina
estadístico de prueba.
Si, por el contrario, la evidencia de la muestra arroja un valor muy alejado, desconfiaremos
de la validez de la idea supuesta sobre el valor del parámetro.

Como puede verse, este tipo de razonamiento es de lo más habitual en la forma de proceder y
tomar decisiones a diario: someter nuestras ideas a alguna evidencia –siempre parcial, limitada,
accesible; como una muestra– y considerar válida la idea en caso de que la información recogida
parezca consistente con ella, o descartarla en caso contrario.

Con esta estrategia práctica estamos dispuestos a asumir cierto riesgo a equivocarnos,
justamente por basar nuestra decisión en información parcial. La realidad podría ser diferente a la
situación descrita por los datos que reunimos en nuestra muestra, y, en definitiva, estar tomando
una decisión equivocada acerca del valor del parámetro poblacional. De estos aspectos trata el
módulo que comenzamos a recorrer.

Algunas analogías útiles para comprender esta metodología

Antes de iniciar el abordaje estadístico de las pruebas de hipótesis, se presentan algunas
comparaciones útiles que suelen presentarse en la literatura:

1) Se desea informar sobre la presencia de alguien o algo en una habitación cerrada. Solo
podemos observar por la rendija de la puerta; esta zona sería equivalente a nuestra muestra. Si
alguien o algo es visible en ese sector, podemos tomar una decisión correcta. Si no aparece nada
en la “muestra”, podría ser que:

efectivamente no hay nadie en la habitación,

hay alguien o algo, pero se encuentra en una zona de la habitación no accesible desde
nuestro punto de observación. Este es uno de los errores de las pruebas estadísticas que
estudiaremos.

Figura 1. Muestra: Observación por la cerradura de una habitación cerrada.

Fuente: [Imagen sin título de un ojo a través de la cerradura], 2018, https://bit.ly/38RDvXO
Figura 1: se muestra el error posible: considerar que no hay nada o nadie por no observarlo en la
muestra.
2) Otro ejemplo interesante es un juicio, donde se está analizando la culpabilidad o inocencia de
un acusado de un crimen. En este proceso se intenta reunir pruebas para determinar la
culpabilidad o inocencia del acusado. La decisión que se tome en base a la evidencia (muestral,
de las pruebas) puede ser correcta, si se lo declara inocente y efectivamente no cometió el
crimen. También es correcta si el acusado es culpable y el veredicto así lo determina.
Figura 2. Caso de un juicio donde se está analizando la culpabilidad o inocencia del
acusado.

Fuente: Scott, 2015, https://bit.ly/3lc5PKq

Figura 2: en este caso, la muestra podría ser la evidencia reunida por la fiscalía (o por los
querellantes, de acuerdo con las reglas del proceso legal) o las coartadas del acusado.
Puntualicemos los errores posibles para este ejemplo:

declarar culpable a un inocente;

declarar inocente a un culpable.

Estas dos situaciones reflejan errores que nos harían pensar en “injusticias” en una situación de
juicio.

​Los sistemas de justicia están diseñados de acuerdo a cuál de estos errores se desee minimizar,
por ejemplo, “nadie es culpable hasta que se pruebe lo contrario”, o cuando un acusado debe
“demostrar su inocencia”.
3) La siguiente situación es una de las que más nos interpela cotidianamente como estudiantes,
en tu caso, y como docente, en el mío: establecer a través de un examen o evaluación si los
alumnos comprendieron o aprendieron una serie de temas. Permanentemente en el sistema
educativo estamos emitiendo este tipo de juicios, basados en la evidencia de muestras. Las
evaluaciones mismas son muestras donde se han seleccionado temas del conjunto total de
tópicos incluidos en el temario a evaluar así como ejercicios o competencias que resultan de
interés. Si mediante una evaluación se aprueba a un alumno que efectivamente conoce o
comprende los temas, estamos tomando una decisión correcta, al igual que si se reprueba a quien
no sabe los contenidos. Los problemas aparecen si un alumno que sabe los contenidos es
reprobado en la evaluación, o bien, si se aprueba a quien realmente no los conoce. Es por esto
que también los docentes suelen definir sus estrategias evaluativas, a los fines de minimizar el
error que consideran más grave o dañino de los dos.
Hipótesis nula y alternativa
La primera tarea consiste en definir de manera correcta cuál va a ser la hipótesis que queremos
someter a contraste o prueba.

Para seguir el razonamiento que se hace en una prueba de hipótesis, utilizaremos el caso del
juicio expuesto en el tema anterior, caso 2.

Los actores de un juicio pueden resumirse en un acusado, un fiscal y un juez, que es quien debe
tomar la decisión de declarar o no culpable al acusado.

El acusado será considerado inocente hasta tanto las pruebas presentadas por el fiscal
demuestren lo contrario.

Haciendo una analogía con la prueba de hipótesis, la hipótesis nula asume el papel del acusado
en el juicio y el investigador el papel de fiscal.

La hipótesis nula es un supuesto acerca de uno o más parámetros de la población que

debe ser rechazado o no en base a la evidencia muestral. La hipótesis nula es la idea previa
sobre el valor del parámetro que se va a probar.

Simbolizaremos la hipótesis nula como H0. Se denomina nula en el sentido que supone que no
existe diferencia real entre el verdadero valor del parámetro de la población de la que hemos
obtenido la muestra y el valor hipotetizado (supuesto de inocencia).

Ahora bien, si la evidencia presentada al juez no es contundente, este decidirá por la inocencia del
acusado (no rechazo de la hipótesis nula). En caso contrario, cuando la evidencia condene al
acusado, el juez tiene a mano una alternativa, la acusación de culpabilidad (lo que equivale al
rechazo de la hipótesis nula planteada).

Si la hipótesis nula es falsa, deberá existir otra hipótesis que sea verdadera. Esta hipótesis recibe
el nombre de hipótesis alternativa.

La hipótesis alternativa (establecida siempre como lo opuesto a lo que afirma la hipótesis nula)
indica que la conclusión es verdadera si se logra rechazar la hipótesis nula.

La hipótesis alternativa será simbolizada con H₁ o Hₐ.

En todos los problemas aparecen dos hipótesis contrapuestas: la hipótesis nula y la hipótesis
alternativa. Cada una de ellas representa un estado de la naturaleza que involucra valores del
parámetro poblacional.

En la hipótesis nula siempre aparece un igual (ya sea un igual estricto, un mayor o igual o un
menor o igual) referido a cierto valor del parámetro.
La hipótesis alternativa de cada caso siempre es una negación de la hipótesis nula, y resulta
cierta siempre que sea falsa la hipótesis nula. La hipótesis alternativa nunca incluye el signo
igual.

Daremos tres ejemplos en los que esté involucrada la media.

Ejemplo 1:
El jefe de producción de una empaquetadora de arroz ha recibido devoluciones de algunos
clientes. Las bolsas deben pesar en promedio 995 gr. y está seguro de que es así. Para poner a
prueba su suposición, selecciona una muestra aleatoria de 25 bolsas y pesa a cada una. Si la
información que provee la muestra brinda evidencias de que el proceso no está funcionando como
corresponde, se tomarán las acciones correctivas necesarias para que el mismo se encuentre
bajo control estadístico. Determina la hipótesis nula y la alternativa.

H0: µ = 995
H₁: µ ≠ 995

Observa:
Las hipótesis se plantean siempre sobre la población

Ambas hipótesis son complementarias

Ejemplo 2:
El jefe de producción está preocupado por el exceso de peso en las cajas de cereales. Para poner
a prueba su suposición, selecciona una muestra aleatoria de 25 bolsas y pesa cada una. Si no
fuesen de 995 gr., como se declara en el envase, estarían perdiendo dinero y el proceso no
funcionaría bajo estos términos. Determina la hipótesis nula y la alternativa.

Como dijimos que la hipótesis nula asume el rol del acusado y que este es inocente (pesan 995 gr.
o menos) hasta que se demuestre su culpabilidad (pesan más de 995 gr.), la hipótesis nula y la
alternativa, deberán expresar:

H0: µ ≤ 995
H₁: µ > 995

Siguiendo con la analogía, el jefe de producción es el fiscal, pues cuando realiza su experimento
está buscando pruebas respecto a la falsedad de la hipótesis nula especificada. En otras palabras,
está tratando de demostrar que el acusado es realmente culpable. Si no tiene evidencias para
rechazar la hipótesis nula, no logra demostrarlo, pero si tiene evidencias para rechazarla, tiene de
qué preocuparse.

La muestra de paquetes que se pesó será la evidencia que el jefe de producción llevará ante el
tribunal encargado de dictar sentencia.
Ejemplo 3:
Ahora el jefe de producción está sospechando que, evidentemente, el promedio de los paquetes
de arroz es menor al que asegura. Quiere poner a prueba si realmente el promedio de pesajes de
las bolsas coincide con lo que tiene que ser (995 gr.) y no pesan menos que ese promedio.
Selecciona una muestra aleatoria de 25 bolsas y pesa a cada una de ellas. Si la información que
provee la muestra brinda evidencias de que el proceso no está funcionando como corresponde y
el peso de las bolsas es menor a lo consignado en las bolsas, se tomarán las acciones correctivas
necesarias para que el mismo se encuentre bajo control estadístico. Determina la hipótesis nula y
la alternativa.

H0 es la que tiene que ponerse a prueba, si se rechaza es porque los reclamos vienen se
producen porque las bolsas efectivamente pesan menos de 995 gr.

H0: µ ≥ 995
H₁: µ < 995

En conclusión:

En las pruebas de hipótesis, a través de la evidencia muestral, se decidirá rechazar la hipótesis

nula si lo permiten los datos analizados, o bien no rechazarla.

Observa atentamente que no decimos “aceptarla”, ya que no tenemos información suficientemente

contundente por el hecho de ser muestral y estar por tanto sometida a los riesgos vinculados con
este tipo de información.
La metodología de prueba de hipótesis está diseñada de modo que nuestro rechazo de la
hipótesis nula esté basado en evidencias, aportadas por la muestra, de que es más probable de
que nuestra hipótesis alternativa sea verdadera. Sin embargo, el hecho de no rechazar la
hipótesis nula no es una prueba de que esta sea verdadera. (Berenson, Levine y Krehbiel, 1996,
p. 385).
Hasta aquí hemos resuelto el primer paso a seguir en el planteamiento de hipótesis, o sea, el
establecimiento de la hipótesis nula y de la hipótesis alternativa.
Resolución del caso situación problemática apartados a) y b)
Con lo visto hasta aquí, podrás plantear ya la hipótesis nula y la alternativa del caso de los cajeros
de un Banco de la Ciudad de Santa Fe. Relee el problema. 12

H₀: μ≥120 pues es la hipótesis que se quiere poner a prueba, no la investigación.

H₁: μ<120 esta hipótesis es la que se va a investigar luego decidir si es aceptada o no.

Supón que eres gerente de un restaurante de comida rápida.

Quieres determinar si el tiempo de espera al pedir una orden
se ha modificado durante el último mes con respecto a su
valor histórico promedio de 4,5 minutos. Indica cuál de las
siguientes opciones corresponde a las hipótesis nula y
alternativa.

H0: μ=4,5 y H1: μ≠4,5

H0: μ=4,5 y H1: μ≤4,5

H0: μ≤4,5 y H1: μ>4,5

H0: ▁x=4,5 y H1: ▁x≠4,5

Valor crítico del estadístico de la prueba – nivel de significación 𝛼
Cuando describimos en términos generales el procedimiento lógico implicado en las pruebas de
hipótesis, indicamos que rechazaríamos la hipótesis nula si de la evidencia muestral resultara un
valor muy alejado del hipotetizado, así como no la rechazaríamos en caso de obtener de la
muestra un valor relativamente cercano al establecido en la H0.

En los ejemplos 1, 2 y 3, evidentemente, debería establecerse un criterio que especificara, de

manera objetiva, a partir de qué valor de la media muestral se tomará la decisión de rechazar o no
la hipótesis nula.

Por lo tanto, tenemos otro concepto: el de criterio de decisión o regla de decisión.

Este criterio está basado en el cálculo del valor crítico del estadístico de prueba, que se calcula en
base a la información aportada por la muestra.

Por lo tanto, primero se calcula el valor crítico y luego se formula la regla de decisión. El valor
crítico definirá un punto de corte para tomar la decisión estadística.

Entonces, para definir la regla de decisión establecemos qué valores se tomarán como cercanos
al establecido en la hipótesis nula y cuáles demasiado alejados del establecido en la H0 por estar
más allá del valor crítico.
La determinación del valor crítico está unido a la distribución de muestreo del estimador y al nivel
de significación de la prueba, que estudiaremos en el momento en el que tengamos que resolver
los problemas. Ahora estamos haciendo un acercamiento a los test de hipótesis, tratando de
comprender cómo funcionan y qué metodología utilizan.
Determinación de las zonas de rechazo y no rechazo
El o los valores críticos van a determinar las zonas de rechazo y no rechazo de la hipótesis nula
en la distribución muestral del estadístico de prueba.

Si el estadístico de prueba queda en la región de no rechazo de la hipótesis nula, se concluye

diciendo que no existe evidencia suficiente para rechazarla. Si el estadístico de prueba queda en
la región de rechazo de la hipótesis nula, se concluye que hay evidencia para rechazar la hipótesis
nula.
Figura 3: Valores críticos y determinación de las zonas de rechazo y no rechazo en una
prueba bilateral

Fuente: elaboración propia

En la figura anterior se muestra cómo se relacionan las zonas de rechazo en una prueba bilateral
(donde aparece un signo de igualdad estricta en la hipótesis nula y una desigualdad en la
hipótesis alternativa) con los valores críticos.

Si en una prueba de hipótesis, el estadístico de prueba cae

dentro de la zona de no rechazo de H0, significa que:

no tenemos evidencia estadística para rechazarla;

H0 es cierta

cuestionamos el valor del estadístico de prueba calculado

el estadístico de prueba coincide con el parámetro poblacional hipotetizado.

Resolución del caso Cajeros Banco de la Ciudad de Santa Fe

Se utilizará la distribución t, pues la media es pequeña y se desconoce la desviación

estándar poblacional.
Es una prueba unilateral a izquierda.
Si 𝛼= 0,05 y la prueba es unilateral, tendremos que buscar en la tabla t, el valor del t crítico
que separa la zona de rechazo de la H0 de la zona de no rechazo de la H0.

Luego, el valor crítico de t, que deja a la derecha una probabilidad de 0,05 es 1,729 con 19 grados
de libertad.
En las próximas lecturas estudiaremos cómo establecer una conclusión sobre estas pruebas, por
el momento estamos conociendo algunos elementos de vital importancia para poder poner a
prueba las hipótesis planteadas.

Referencia
[Imagen sin título de un ojo a través de la cerradura]. (2018). Recuperado de
http://www.cuentosdelpastor.com/241-el-ojo-en-la-cerradura/

Levine, D. M.; Krehbiel, T. C. y Berenson, M. L. (2014). Estadística para administración. 6ta

Edición. México: Pearson.

Scott, D. (2015). Recuperado de https://art.pinterest.com/pin/3729612188944931/