CONTRASTE DE

HIPÓTESIS
Estadística y Probabilidades

Profesora Wendy Bolívar

 Definiciones

Definición : Una HIPÓTESIS es una afirmación relativa a un parámetro de la

población sujeta a verificación.

 En el sistema legal, una persona es inocente hasta que se

prueba su culpabilidad.
 Un jurado plantea como hipótesis que una persona a la
que se le imputa un crimen es inocente, y someten esta
hipótesis a verificación.
 Se revisa la evidencia y escuchan el testimonio antes de
llegar a un veredicto.
Hipótesis nula e hipótesis alternativa

Hipótesis nula Hipótesis alternativa

Simple 𝐻0 : 𝜃 = 𝜃0 Simple 𝐻1 : 𝜃 = 𝜃1
Simple 𝐻0 : 𝜃 = 𝜃0 Compuesta
a) 𝐻1 : 𝜃 ≠ 𝜃0
b) 𝐻1 : 𝜃 > 𝜃0
c) 𝐻1 : 𝜃 < 𝜃0
Compuesta a) 𝐻0 : 𝜃 ≥ 𝜃0 Compuesta a) 𝐻1 : 𝜃 < 𝜃0
b) 𝐻0 : 𝜃 ≤ 𝜃0 b) 𝐻1 : 𝜃 > 𝜃0
 Ejemplo

El termino “nula” implica nada o sin efecto.

Surge de sus primeras aplicaciones en investigación agrícola cuando se

probaba la efectividad de un nuevo tipo de fertilizante para determinar su
impacto en la producción de la cosecha.

Asumieron que el fertilizante no hacia ninguna diferencia en el rendimiento

hasta que este produjo algún efecto
 Ejemplo
 Un embotellador desea saber si el peso promedio de las botellas es de 30
gramos:

𝐻0 : 𝜃 = 30
𝐻1 : 𝜃 ≠ 30

 Un productor de software desea certificar que la proporción de sus

productos que son defectuosos es menor del 3%

𝐻0 : 𝜃 < 0,03
𝐻1 : 𝜃 ≥ 0,03

 Se desea saber si la proporción de votantes favorece aun determinado

candidato mediante un triunfo simple.
𝐻0 : 𝜃 ≥ 50%
𝐻1 : 𝜃 < 50%
 Ejemplo
 Supongamos que una empresa esta estudiando la
posibilidad de implantar un servicio de delivery para
tratar de aumentas las ventas medias por cliente
durante la cuarentena.

 Con el retiro en tienda las ventas medias por clientes

son de 20USD
 El servicio de envío representa un aumento en la
estructura de costos que puede ser asumido si las
ventas medias por cliente aumentan.

 La empresa se encuentra con un problema de toma de

decisión entre dos opciones: implantar el servicio de
envíos o continuar solo con retiro en tienda.
 Definición
Definición: Un contraste de hipótesis es un a función de decisión o estrategia
que lleva a aceptar o rechazar la hipótesis nula

Definición: El subconjunto de puntos del espacio muestral que hacen rechazar

la hipótesis nula 𝑺𝟏 se conoce como “región crítica” o “región de rechazo”.

El subconjunto de puntos del espacio muestral que conduce no rechazar la

hipótesis nula 𝑺𝟎 se conoce como región de aceptación.

Los limites que separan ambas regiones se conocen como valores criticos
 Error tipo I y tipo II
Cuando una hipótesis estadística es rechazada o
“aceptada ” con base a los resultados de una muestra
cabe dentro de las posibilidades el tomar una decisión
errada

ERROR TIPO I Rechazar la hipótesis nula, H0, cuando es verdadera.

ERROR TIPO II Aceptar la hipótesis nula cuando es falsa.

 Ejemplo

Definición: En el ejemplo del delivery se usa la siguiente regla de decisión

Si 𝒙 > 𝟐𝟓 rechazamos la hipótesis de 𝐻0 : 𝝁 = 20

Si 𝒙 < 𝟐𝟓 aceptamos la hipótesis de 𝐻0 : 𝝁 = 20

El valor crítico es 25

No rechazo Rechazo

25USD
 Nivel de significancia
 La probabilidad de cometer el error tipo I se conoce como “nivel de
significación o significancia”.

 La hipótesis nula es rechazada cuando se considera que los resultados

obtenidos en la muestra son significativamente diferentes de los
resultados que esperaríamos obtener si la hipótesis fuera verdadera.

 El hecho de que los resultados muestrales caigan en la región critica

puede deberse a dos razones:

 a) que la hipótesis sea falsa con lo que a priori se espera que el

resultado de la muestra nos lleve a rechazarla.
 b) que siendo la hipótesis verdadera eventualmente los resultados de
la muestra nos inclinan a pensar que es falsa.

 Esto sucede con una probalidad igual a ∝

Nivel de significancia
Un embotellador desea saber si el peso
promedio de las botellas es de 16 onzas:
Nivel de significancia
Pasos
 Región critica, errores y probabilidad

S0
(aceptación) S1
(rechazo)
T

Si el estadístico muestral 𝜃 cae en 𝑆0 Si el estadístico muestral 𝜃 cae en 𝑆1 se

no se rechaza 𝐻0. rechaza 𝐻0 .
La probabilidad de cometer un error La probabilidad de cometer un error
tipo II tipo I

𝛽 = 𝑃 𝐼𝐼 = 𝑃 𝜃 ∈ 𝑆0 𝐻0 𝑓𝑎𝑙𝑠𝑎 𝛼 = 𝑃 𝐼 = 𝑃 𝜃 ∈ 𝑆1 𝐻0 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑎

No rechazar la hipótesis nula siendo Rechazar la hipótesis nula siendo

falsa verdadera
 Ejemplo
Dos encuestadoras realizaron estudios sobre los servicios básicos en la región capital.
La encuestadora A obtuvo como resultado que el 40% de las viviendas no tienen
agua corriente. Para la encuestadora B el 25% de las viviendas no cuenta con agua
corriente. Calcular la probabilidad de cometeré los errores I y II si se considero para
cada estudio una población de 100 viviendas. La función de decisión es si la
proporción de viviendas que no tienen agua corriente es menor que 0,30 se rechaza
la hipótesis nula.

De acuerdo al planteamiento del problema podemos inferir que se trata de una ley
de probabilidad binomial.
𝑛 = 100
𝑝𝐴 = 0,4 media 𝑞𝐴 = 0,6
𝑝𝐵 = 0,25 media 𝑞𝐵 = 0,75

Recuerde que la varianza es 𝜎 2 = 𝑣𝑎𝑟 𝑥 = 𝑛𝑝𝑞

 Ejemplo
𝐻0 : 𝑝 = 0,4
𝐻1 : 𝑝 = 0,25

Hipótesis

𝑆1 = 𝑝 𝑝 < 0,3

Regla de decisión
Si 𝐻0 verdadera Si 𝐻1 verdadera
𝑝 ~𝑁 𝑝𝐴 , 𝑝𝐴 𝑞𝐴 /𝑛 𝑝 ~𝑁 𝑝𝐵 , 𝑝𝐵 𝑞𝐵 /𝑛
= 𝑁 0,4; 04 ∗ 0,6/100 = 𝑁 0,25; 025 ∗ 0,75/100

Calcular

𝛼 = 𝑃 𝑝 < 0,3 𝑝 = 0,4 𝛽 = 𝑃 𝑝 < 0,3 𝑝 = 0,25

 Ejemplo
Error tipo I Error tipo II

𝛼 = 𝑃 𝑝 < 0,3 𝑝 = 0,4 𝛽 = 𝑃 𝑝 < 0,3 𝑝 = 0,25

Estandarizar,
convertir en una
N(0,1)

𝛼 = 𝑃 𝑝 < 0,3 𝑝 = 0,4 =

𝛽 = 𝑃 𝑝 > 0,3 𝑝 = 0,25 =
0,3−0,4
𝑃 𝑦< =𝑃 𝑦 < −2,04 =0,0207
𝜎 𝑃 𝑦 > 1,15 =0,1251

0,4∗0,6
Con 𝜎 = ~0,0489
100

En este ejercicio es mas probable cometer un error tipo II, aceptar la hipótesis
nula siendo falsa. Aceptar que el 40% de las viviendas no tengan servicio de
agua siendo probablemente una premisa falsa.
Ejercicios (evaluación formativa)
Contraste de hipótesis para la media para varianza conocida

Tipo de contraste   Estimador RECHAZAR H0 Región de decisión

SI:

Unilateral       

𝑥 − 𝜇0
Unilateral     𝑧= 𝜎
  

Bilateral        ó  


 Procedimiento
1º. ¿Sobre qué parámetro?.

2º. Condiciones muestrales.

3º. Hipótesis nula y alternativa.

4º. Representación de la región de aceptación y rechazo.

5º. Valores tabulados.

6º. Decisión (según el método):

a) Método basado en la función de decisión: se acepta la hipótesis si el valor de la

función de decisión se encuentra entre los valores tabulados.

b) Método basado en la región de aceptación: se acepta la hipótesis si el valor

muestral pertenece a la región de aceptación.
 Ejemplo
Supongamos que se fabrican bombillas que tienen una duración normal X y una
desviación tipica σ = 0.5. El fabricante afirma que la duración media de las bombillas es de
μ = 5 meses.

Para contrastar esta afirmación se estudia una muestra de n = 25 bombillas y se halla la

duración media 𝑋 de las 25 bombillas. Queremos ver si es cierta la afirmación de los
fabricantes, sería la hipótesis nula (H0).

1º. ¿Sobre qué parámetro?. Media

2º. Condiciones muestrales. 25 datos
 Ejemplo
Supongamos que se fabrican bombillas que tienen una duración normal X y una
desviación tipica σ = 0.5. El fabricante afirma que la duración media de las bombillas es de
μ = 5 meses.

Para contrastar esta afirmación se estudia una muestra de n = 25 bombillas y se halla la

duración media 𝑋 de las 25 bombillas. Queremos ver si es cierta la afirmación de los
fabricantes, sería la hipótesis nula (H0).

𝜎
𝑋~𝑁 ,
𝑛

Construimos un intervalo de confianza, por ejemplo a un 95%

𝜎 𝜎 0,5 0,5
𝜇−𝑧 ,𝜇 +𝑧 = 5 − 1,96 , 5 + 1,96 = 4,804; 5,196
𝑛 𝑛 25 25

Esta es la región de “no rechazo” o “aceptación”.

Como la duración media en la muestra de las 25 bombillas está en la zona de aceptación,

aceptamos la hipótesis nula
 Contraste de hipótesis para la varianza

Media conocida

Media
desconocida
Contraste de hipótesis para la diferencia de medias