Escuela Politécnica Nacional

Facultad de Ciencias
Probabilidad • Más resultados de Inferencia

21 de febrero de 2024 Mat. Jonathan Ortiz

1. Prueba de Hipótesis

El objetivo de este capítulo es validar o descartar una hipótesis dada. En toda esta sección, sean
µ la media poblacional, σ la desviación estándar poblacional, n tamaño de la muestra, X media
muestral y s desviación estándar muestral.
Definición 1: Hipótesis
Afirmación relativa a un parámetro de la población.

La hipótesis a poner a prueba se denota por H0 , comúnmente denominada hipótesis inicial o

hipótesis nula.
Definición 2: Hipótesis nula
Enunciado relativo al valor de una población que se formula con el fin de poner a prueba.

Para validar una hipótesis se necesita el nivel de significancia.

Definición 3: Nivel de significancia
Probabilidad de rechazar la hipótesis H0 cuando esta es verdadera.

Dependiendo de la hipótesis nula, una prueba de hipótesis puede ser de una cola o de dos colas.
Hay tres posibilidades:
H0 )µ = X prueba de dos colas.

O también,
H0 )µ ≤ X o H0 )µ ≥ X prueba de una cola.
Definición 4: Hipótesis alternativa
Es la negación de H0 , se nota por H1 y se acepta al rechazar H0 .

Definición 5: Región de aceptación

Es definido según la significancia dada, la significacia da el área que debe repartirse en la cola
o las colas de la distribución normal o distribución t-student.

El estadístico a utilizar es


 X−µ
z∗ = √ si σ es conocida,
σ/ n

 X−µ
t∗ = √ si σ es desconocida.
s/ n
Si el estadístico está dentro de la región de aceptación se acepta H0 , si no se rechaza H0 y se acepta
H1 .
Se pueden seguir los siguientes pasos para realizar una prueba de hipótesis:

1. Identificar los datos: α, n y X siempre son dados. A veces se da σ o en su lugar s.

1
Mat. Jonathan Ortiz Más resultados de Inferencia

2. Plantear H0 y H1 . Se debe leer el enunciado cuidadosamente para determinar correctamente

la hipótesis.

3. Identificar si la prueba de hipótesis es de una o dos colas. Identificar si se debe utilizar z o t.

4. Calcular el valor crítico. Realizar una gráfica para visualizar la región de aceptación y de
rechazo.

5. Calcular z∗ o t∗ según corresponda.

6. Aceptar o rechazar H0 .

1.1 Valor p

Es utilizado para saber el nivel de rechazo o aceptación de H0 . Simplificando, se define por

P(z > z∗ ) o P(t > t∗ )

según corresponda. Si el valor p es menor a

1. 0.10, hay cierta evidencia que H0 no es verdadera.

2. 0.05, hay evidencia fuerte de que H0 no es verdadera.

3. 0.01, hay evidencia muy fuerte de que H0 no es verdadera.

4. 0.001, hay evidencia extremadamente fuerte de que H0 no es verdadera.

1.2 Error Tipo II

Es la aceptación de H0 cuando esta es falsa. Por notación, β es la probabilidad de cometer el

error tipo II. Tenga en cuenta que para determinar esta probabilidad, se debe conocer el valor de
la media poblacional, esto se hace generalmente mediante supuestos.

2. Regresión Lineal

Es un modelo matemática que se utiliza para aproximar la dependencia entre dos o más variables.
Definición 6: Análisis de Correlación
Grupo de técnicas para medir la asociación de dos variables.

Definición 7: Relación de dos Variables

Dadas X y Y variables. Se dice que

• X y Y tienen relación directa si cuando aumenta X, también aumenta Y.

• X y Y tienen relación inversa si cuando aumenta X, Y disminuye.

Definición 8: Coeficiente de Correlación

Valor r de [−1, 1] que indica el tipo de relación entre dos variables, siendo 1 una correlación
directa y perfecta y −1 una correlación inversa y perfecta; 0 significa que las variables no tiene
relación.

2
Más resultados de Inferencia Mat. Jonathan Ortiz

Por claridad, considere el siguiente cuadro:

Observación. El coeficiente de correlación es la medida de la fuerza de la relación lineal entre dos

variables.

Sean X1 , . . . , Xn y Y1 , . . . , Yn valores reales, la fórmula para el cálculo del coeficiente de relación

entre X y Y es
n n
∑ (Xj − X )(Yj − Y ) ∑ (Xj − X )(Yj − Y )
j =1 j =1
r= √ √ = .
n n ( n − 1 ) s X sY
∑ (Xj − X) 2
∑ (Yj − Y ) 2

j =1 j =1

Finalmente, la ecuación de la recta que mejor representa a los datos está dada por:

y = mx + b,

donde
n
∑ (Xj − X )(Yj − Y )
j =1 sY
m= n =r y b = Y − mX.
sX
∑ (Xj − X) 2

j =1