Unidad 2 - Parte 1 - DE - 2023-0

FACULTAD DE INGENIERÍA Y ARQUITECTURA
CARRERA DE INGENIERÍA INDUSTRIAL
UNIDAD 2: PRUEBA DE HIPÓTESIS
PARTE 1: Prueba de hipótesis de un parámetro
Profesor: Dr. Martín Guillermo Cornejo Sarmiento

E-mail: mgcornejo@ulima.edu.pe
Web: https://cris.ulima.edu.pe/es/persons/mart%C3%ADn-guillermo-cornejo-sarmiento
DISEÑO DE EXPERIMENTOS
2023-0
Fundamento Teórico y
Procedimiento de la Prueba de
Hipótesis Estadística
Contenido
 Introducción
 Hipótesis estadística
 Formulación de hipótesis estadística y tipos de hipótesis estadística
 Prueba de una hipótesis estadística
 Tipos de pruebas de hipótesis estadística
 Región crítica, región de aceptación y regla de decisión
 Tipos de errores
• Error tipo I
• Error tipo II
 Procedimiento general de la prueba de hipótesis estadística
Objetivo
 Conocer y entender los principales términos y definiciones relacionados a prueba

de hipótesis: hipótesis estadística, tipos de hipótesis estadística (nula y alternativa),
tipos de prueba de hipótesis (bilateral y unilateral), estadístico de prueba, región crítica,
región de aceptación, regla de decisión, tipos de errores, etc.
 Conocer y entender correctamente el procedimiento general para realizar una
prueba de hipótesis referente a cualquier parámetro.
Introducción: Estadística Inferencial (o inferencia estadística)
La Estadística Inferencial puede ser dividida en dos grandes áreas:
1) Estimación de parámetros
a) Estimación puntual:
b) Estimación interválica:
2) Prueba de hipótesis
Hipótesis estadística
 Cualquier afirmación o conjetura que se hace acerca de la distribución de una o más poblaciones.
Afirmación o conjetura sobre:
• Valor o valores de uno o más parámetros de una distribución de probabilidad de una población.
• Tipo (forma) de distribución de probabilidad de una población.
 La validez de la afirmación o conjetura (verdadera o falsa) es evaluada según la información particular de
una muestra aleatoria.
 Utilizado para conocer, sacar conclusiones y tomar decisiones de una población de interés a partir de los
resultados de una muestra aleatoria particular proveniente de dicha población.
 Las conclusiones no serán ciertas en forma absoluta y los errores de las conclusiones serán cuantificadas
como probabilidades.
Hipótesis estadística
1. Dado un tipo de distribución de una población (distribución conocida), se va evaluar la afirmación (o suposición) de
que los parámetros de una población toman determinados valores numéricos.
Ejemplos:
 La longitud media de una pieza metálica es de 10 centímetros.
 La proporción de unidades defectuosas producidas en cierto proceso nunca es superior al 2%.
 La desviación estándar del volumen de las botellas de agua de 500 ml es de 0.10 ml.
 Son iguales las medias de los pesos de los estudiantes de las universidades A y B.
2. Dada una población de interés, se va evaluar la afirmación (o suposición) de que esa población sigue una determinada
distribución de probabilidad.
Ejemplos:
 La estatura de los estudiantes de la Universidad de Lima tiene una distribución normal con media 1.62 m y desviación
estándar 0.5 m.
 El número de defectos en telas de 10 m² sigue una distribución de Poisson.
Formulación de hipótesis y tipos de hipótesis
La formulación de una hipótesis estadística consiste en
definir 𝐻0 y 𝐻1 referidas a un parámetro 𝜃.
1. HIPÓTESIS NULA (𝑯𝟎 )
 Es aceptada provisionalmente como verdadera.
 Representa lo conocido.
 Su validez será sometida a comprobación experimental.
 Los resultados experimentales nos permitirán seguir
aceptándola como verdadera o rechazarla.
 Siempre irá acompañada de una hipótesis alternativa.
2. HIPÓTESIS ALTERNATIVA (𝑯𝟏 )
 Se acepta en caso que 𝐻0 sea rechazada.
 Representa el cambio, lo sospechoso, lo novedoso.
 Suposición contraria a 𝐻0 .
EJEMPLOS ( 𝜽 : parámetro desconocido y evaluado,
𝜽𝟎 : valor hipotético de 𝜽):
1. 𝐻0 : 𝜃 = 𝜃0 , y 𝐻1 : 𝜃 ≠ 𝜃0
2. 𝐻0 : 𝜃 = 𝜃0 , y 𝐻1 : 𝜃 > 𝜃0
3. 𝐻0 : 𝜃 = 𝜃0 , y 𝐻1 : 𝜃 < 𝜃0
Prueba de una hipótesis estadística
 Es un proceso que nos conduce, en base a una muestra
aleatoria, a tomar la decisión de rechazar 𝑯𝟎 o no
rechazar (aceptar) 𝑯𝟎 .
 La formulación de hipótesis apunta a verificar el rechazo de
𝐻0 , es decir, a verificar si se cumpliría 𝐻1 (lo sospechado).
 Primero se plantea 𝐻0 (especificando un valor 𝜃0 de 𝜃 ),
generalmente (formulación tradicional), se plantea 𝐻0 : 𝜃 = 𝜃0 :
1. 𝐻0 : 𝜃 = 𝜃0 , y 𝐻1 : 𝜃 ≠ 𝜃0
2. 𝐻0 : 𝜃 = 𝜃0 , y 𝐻1 : 𝜃 > 𝜃0
3. 𝐻0 : 𝜃 = 𝜃0 , y 𝐻1 : 𝜃 < 𝜃0
 El rechazo de 𝑯𝟎 (por considerar 𝐻0 como falso) significa
que, en base a los datos de la muestra, se podría confirmar
lo sospechado (𝑯𝟏 ).
 El no rechazo (aceptación) de 𝑯𝟎 (por considerar 𝐻0 como
verdadero) significa que, en base a los datos de la muestra,
no se podría confirmar lo sospechado (𝑯𝟏 ).
Tipos de prueba de hipótesis estadística
 El tipo de prueba depende de 𝐻1 referidas a un parámetro 𝜃.
1. PRUEBA BILATERAL O DE DOS COLAS
 Cuando 𝐻1 es bilateral:
𝐻0 : 𝜃 = 𝜃0
𝐻1 : 𝜃 ≠ 𝜃0
2. PRUEBA UNILATERAL O DE UNA COLA
 Cuando 𝐻1 es unilateral.
 Prueba unilateral derecha (cola a la derecha) o superior:
𝐻0 : 𝜃 = 𝜃0
𝐻1 : 𝜃 > 𝜃0
 Prueba unilateral izquierda (cola a la izquierda) o inferior:
𝐻0 : 𝜃 = 𝜃0
𝐻1 : 𝜃 < 𝜃0
Tipos de errores
 Al tomar la decisión de rechazar o no rechazar (aceptar) 𝑯𝟎 en base a una muestra aleatoria, hay cuatro posibles
situaciones que determinan si la decisión tomada es correcta o incorrecta:
Decisión 𝑯𝟎 verdadera 𝑯𝟎 falsa

Rechazar 𝑯𝟎 Error tipo I Decisión correcta
Probabilidad: 𝛼 Probabilidad: 1 − 𝛽
Aceptar 𝑯𝟎 Decisión correcta Error tipo II
Probabilidad: 1 − 𝛼 Probabilidad: 𝛽
1. ERROR TIPO I: Rechazar erróneamente 𝐻0 o Aceptar erróneamente 𝑯𝟏 (concluir erróneamente que 𝑯𝟏 es verdadero)
 Error que se comete al rechazar 𝐻0 cuando esta es realmente verdadera.
 Probabilidad de cometer un error tipo I (𝛼):
𝛼 = 𝑃 𝑒𝑟𝑟𝑜𝑟 𝑡𝑖𝑝𝑜 𝐼 = 𝑃(𝑟𝑒𝑐ℎ𝑎𝑧𝑎𝑟 𝐻0 𝑐𝑢𝑎𝑛𝑑𝑜 𝐻0 𝑒𝑠 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑎): Nivel de significación (o significancia)
2. ERROR TIPO II: Aceptar erróneamente 𝑯𝟎 (concluir erróneamente que 𝑯𝟎 es verdadero) o Rechazar erróneamente 𝐻1
 Error que se comete al aceptar 𝐻0 cuando esta es realmente falsa.
 Probabilidad de cometer un error tipo II (𝛽):
𝛽 = 𝑃 𝑒𝑟𝑟𝑜𝑟 𝑡𝑖𝑝𝑜 𝐼𝐼 = 𝑃(𝑎𝑐𝑒𝑝𝑡𝑎𝑟 𝐻0 𝑐𝑢𝑎𝑛𝑑𝑜 𝐻0 𝑒𝑠 𝑓𝑎𝑙𝑠𝑎)
 𝟏 − 𝜷: Potencia o poder de una prueba de hipótesis
Ejemplo 1
 Al finalizar un semestre académico, una autoridad de la facultad de ingeniería de una universidad quiere verificar, por
medio de una prueba de hipótesis, si más del 70% de los alumnos matriculados en cursos de matemáticas (Cálculo I, II, III
y IV) desaprobaron, de tal forma que se pueda justificar la reestructuración de la metodología de enseñanza.
 Realice la formulación de la prueba de hipótesis para la proporción necesaria (defina 𝐻0 y 𝐻1 ) y defina el error de tipo I y el
error de tipo II en términos del caso descrito.
Ejemplo 1
SOLUCIÓN:
• Sea 𝑝: proporción de alumnos matriculados en cursos de matemáticas (Cálculo I, II, III y IV) que desaprobaron.
• Para justificar la reestructuración de la metodología de enseñanza (confirmar que 𝑝 es mayor a 0.70), se debe buscar rechazar 𝐻0 con una prueba unilateral
derecha (o superior):
𝑯𝟎 : 𝒑 = 𝟎. 𝟕𝟎
• La proporción de alumnos matriculados en cursos de matemáticas (Cálculo I, II, III y IV) que desaprobaron no es superior a 0.70.
• No se puede justificar la reestructuración de la metodología de enseñanza.
𝑯𝟏 : 𝒑 > 𝟎. 𝟕𝟎
• La proporción de alumnos matriculados en cursos de matemáticas (Cálculo I, II, III y IV) que desaprobaron es superior a 0.70.
• Se puede justificar la reestructuración de la metodología de enseñanza.
Error de Tipo I: Aceptar erróneamente 𝐻1 (concluir erróneamente que 𝐻1 es verdadero)
• Concluir erróneamente que 𝑝 es superior a 0.70.
• Concluir erróneamente que se puede justificar la reestructuración de la metodología de enseñanza.
Error de Tipo II: Aceptar erróneamente 𝐻0 (concluir erróneamente que 𝐻0 es verdadero)
• Concluir erróneamente que 𝑝 no es superior a 0.70.
• Concluir erróneamente que no se puede justificar la reestructuración de la metodología de enseñanza.

Ejemplo 2
 El área de Gestión de Calidad de una fábrica de cervezas ha registrado un incremento del 70% de reclamos en el último
mes. Los clientes han reportado que el volumen de las botellas están presentando un volumen menor al mínimo
especificado (500ml).
 Suponga que el área de Producción quiere respaldar lo reportado por los clientes por medio de una prueba de hipótesis (y
basado en una muestra aleatoria) utilizando como parámetro el volumen medio de las botellas de cerveza (asuma
distribución normal).
 Realice la formulación de la prueba de hipótesis para la media necesaria (defina 𝐻0 y 𝐻1 ) y defina el error de tipo I y el
Ejemplo 2
SOLUCIÓN:
• Sea 𝑋~𝑁(𝜇, 𝜎 2 ) el volumen de las botellas de cerveza, entonces 𝜇 es el volumen medio de las botellas de cerveza.
• Para que el área de Producción pueda respaldar lo reportado por los clientes (confirmar que el volumen medio de las botellas de cerveza es menor al mínimo
especificado, es decir, que el volumen medio sea menor a 500ml), se debe buscar rechazar 𝐻0 con una prueba unilateral izquierda (o inferior):
𝑯𝟎 : 𝝁 = 𝟓𝟎𝟎
• El volumen medio de cerveza cumple con la especificación porque 𝜇 no es inferior a 500 ml (cumple con el mínimo especificado).
• No se puede respaldar lo reportado por los clientes.
𝑯𝟏 : 𝝁 < 𝟓𝟎𝟎
• El volumen medio de cerveza no cumple con la especificación porque 𝜇 es inferior a 500 ml (no cumple con el mínimo especificado).
• Se puede respaldar lo reportado por los clientes.
• Concluir erróneamente que 𝜇 es menor que 500 ml.
• Concluir erróneamente que el volumen de la cerveza no cumple con el mínimo volumen especificado.
• Concluir erróneamente que se puede respaldar lo reportado por los clientes.
• Concluir erróneamente que 𝜇 no es menor a 500 ml.
• Concluir erróneamente que el volumen de la cerveza cumple con el mínimo volumen especificado.
• Concluir erróneamente que no se puede respaldar lo reportado por los clientes.

Ejemplo 3
 En una fábrica de piezas metálicas (que sirven como componentes de aviones), se sabe que la longitud de dicha pieza
tiene como especificación (40±0.0001) cm.
 Una empresa de fabricación de aviones (cliente de dicha fábrica) está reportando dificultades con el ensamblaje, por lo
que ha rechazado y devuelto todo el último lote recibido dado que se sospecha que las piezas están fuera de
especificación.
 Suponga que el área de Producción quiere verificar estadísticamente lo reportado por el cliente (rechazo y devolución del
lote) por medio de una prueba de hipótesis y basado en una muestra aleatoria. Para dicha prueba de hipótesis se utilizará
como parámetro la longitud media de dicha pieza metálica (asuma distribución normal).
 Realice la formulación de la prueba de hipótesis para la media necesaria (defina 𝐻0 y 𝐻1 ) y defina el error de tipo I y el
Ejemplo 3
SOLUCIÓN:
• Sea 𝑋~𝑁(𝜇, 𝜎 2 ) la longitud de la pieza metálica , entonces 𝜇 es la longitud media de la pieza metálica .
• Para que el área de Producción pueda respaldar lo reportado por el cliente (confirmar que la longitud media de dicha pieza metálica está fuera de especificación, es
decir, que la longitud media sea diferente a 40 cm), se debe buscar rechazar 𝐻0 con una prueba bilateral (o de dos colas):
𝑯𝟎 : 𝝁 = 𝟒𝟎
• La longitud media de dicha pieza está dentro de especificación porque 𝜇 es igual a 40 cm.
• El cliente no debería rechazar (ni devolver) el lote de producción.
𝑯𝟏 : 𝝁 ≠ 𝟒𝟎
• La longitud media de dicha pieza está fuera de especificación porque 𝜇 no es igual a 40 cm.
• El cliente debería rechazar (y devolver) el lote de producción.
• Concluir erróneamente que 𝜇 es diferente de 40 cm.
• Concluir erróneamente que la pieza está fuera de especificación.
• Concluir erróneamente que el cliente debería rechazar (y devolver) el lote de producción.
• Concluir erróneamente que 𝜇 es igual a 40 cm.
• Concluir erróneamente que la pieza está dentro de especificación.
• Concluir erróneamente que el cliente no debería rechazar (ni devolver) el lote de producción.
Región crítica, región de aceptación y regla de
decisión
• ෡ estimador puntual de 𝜃, y 𝜃:
Θ: ෠ estimativa puntual de 𝜃
• Ψ: Estadístico de prueba, donde Ψ = 𝐻 Θ, ෡ 𝜃 = 𝜃0
• 𝑓(Ψ): distribución de probabilidad de Ψ
• ෠ 𝜃 = 𝜃0
𝜓: valor numérico del estadístico de prueba Ψ, donde 𝜓 = 𝐻 𝜃,
• 𝑅𝐶: Región crítica, y 𝑅𝐴: Región de aceptación
1. PRUEBA BILATERAL O DE DOS COLAS • 𝐶1 , 𝐶2 y 𝐶: Puntos críticos
𝐻0 : 𝜃 = 𝜃0
𝐻1 : 𝜃 ≠ 𝜃0 𝑓(Ψ)
Si 𝜓 < 𝐶1 o 𝜓 > 𝐶2 (es decir 𝜓 ∈ RC),
se rechaza 𝐻0
2. PRUEBA UNILATERAL O DE UNA COLA

 Prueba unilateral derecha (cola a la derecha) o superior: 𝑓(Ψ)
𝐻0 : 𝜃 = 𝜃0 Si 𝜓 > 𝐶 (es decir 𝜓 ∈ RC),
𝐻1 : 𝜃 > 𝜃0 se rechaza 𝐻0
 Prueba unilateral izquierda (cola a la izquierda) o inferior:

𝐻0 : 𝜃 = 𝜃0 𝑓(Ψ)
Si 𝜓 < 𝐶 (es decir 𝜓 ∈ RC),
𝐻1 : 𝜃 < 𝜃0 se rechaza 𝐻0
Procedimiento general para realizar una prueba de
hipótesis referente a un parámetro 𝜽
• ෡ estimador puntual de 𝜃, y 𝜃:
Θ: ෠ estimativa puntual de 𝜃
• Ψ: Estadístico de prueba, donde Ψ = 𝐻 Θ, ෡ 𝜃 = 𝜃0
1) Formular 𝐻0 y 𝐻1 según el problema que se analiza (tipo de • 𝑓(Ψ): distribución de probabilidad de Ψ
prueba) y definir el estadístico de prueba Ψ que depende de • ෠ 𝜃 = 𝜃0
𝜓: valor numérico del estadístico de prueba Ψ, donde 𝜓 = 𝐻 𝜃,
෡ (estimador puntual de 𝜃 que depende de una muestra aleatoria
Θ • 𝑅𝐶: Región crítica, y 𝑅𝐴: Región de aceptación
de tamaño 𝑛) y de 𝜃 = 𝜃0 (es decir bajo un 𝐻0 verdadero): Ψ = • 𝐶1 , 𝐶2 y 𝐶: Puntos críticos
෡ 𝜃 = 𝜃0 ).
𝐻(Θ, 𝐻0 : 𝜃 = 𝜃0
2) Determinar la región critica de acuerdo al nivel de significancia 𝑓(Ψ) 𝐻1 : 𝜃 ≠ 𝜃0
(𝛼) definido, es decir, calcular el(los) valor(es) crítico(s) (según el Si 𝜓 < 𝐶1 o 𝜓 > 𝐶2 (es decir 𝜓 ∈ RC),
tipo de prueba) que son cuantiles (que dependen de 𝛼) de la se rechaza 𝐻0
distribución del estadístico de prueba Ψ.
3) ෠ 𝜃 = 𝜃0 ),
Calcular el valor del estadístico de prueba Ψ: 𝜓 = 𝐻(𝜃,
𝑓(Ψ) 𝐻0 : 𝜃 = 𝜃0
donde 𝜃෠ es la estimativa puntual de 𝜃 que depende de las
𝐻1 : 𝜃 > 𝜃0
observaciones de la muestra aleatoria de tamaño 𝑛.
Si 𝜓 > 𝐶 (es decir 𝜓 ∈ RC),
4) Aplicar la regla de decisión de la prueba de hipótesis y obtener se rechaza 𝐻0
conclusiones del problema que se analiza:
• Se rechaza 𝐻0 si 𝜓 ∈ RC.
• No se rechaza 𝐻0 si 𝜓 ∉ RC . 𝑓(Ψ) 𝐻0 : 𝜃 = 𝜃0
𝐻1 : 𝜃 < 𝜃0
5) Establecer la conclusión de la prueba de hipótesis considerando Si 𝜓 < 𝐶 (es decir 𝜓 ∈ RC),
el valor definido del nivel de significancia (𝛼). se rechaza 𝐻0
Prueba de hipótesis de un parámetro
(media, varianza y proporción)
Contenido
 Prueba de hipótesis de la media

• Prueba de hipótesis de la media cuando la varianza poblacional es conocida
• Prueba de hipótesis de la media cuando la varianza poblacional es desconocida
 Prueba de hipótesis de la varianza
 Prueba de hipótesis de la proporción
Objetivo
 Entender, realizar e interpretar correctamente la prueba de hipótesis referente a un

parámetro (media, varianza y proporción)
Prueba de hipótesis para la media poblacional (𝝁)
1. Prueba de hipótesis para 𝝁 cuando la varianza poblacional (𝝈𝟐 ) es conocida

 Usamos la distribución normal estándar 𝑍
2. Prueba de hipótesis para 𝝁 cuando la varianza poblacional (𝝈𝟐 ) es desconocida

 Usamos la distribución t-student
cuando la varianza poblacional (𝝈𝟐 ) es conocida
Sea 𝑋1 , 𝑋2 ,…, 𝑋𝑛 es una muestra aleatoria de tamaño 𝑛 extraída de una población normal (o de cualquier otro
tipo, siendo 𝑛 grande) donde media 𝜇 y varianza conocida 𝜎 2 .
𝜎 2
Si la población es normal (𝑋~𝑁(𝜇, 𝜎 2 )) ത
 𝑋~𝑁 𝜇, 𝑛 para cualquier valor de 𝑛
Si la población no es normal con media 𝜇 y varianza conocida 𝜎 2  Aplicando el TLC para valores grandes
𝜎2
de 𝑛 (𝑛 ≥ 30), la distribución de 𝑋ത es aproximadamente 𝑁 𝜇, 𝑛
ത
𝑋−𝜇
Por lo tanto, según sea el caso, la distribución de 𝑍 = es exactamente (o aproximadamente) 𝑁(0,1), en
𝜎Τ 𝑛
donde 𝒁 será llamado estadístico de prueba

1. PRUEBA DE HIPOTESIS BILATERAL (O DE DOS COLAS) PARA LA MEDIA
i. Formular la hipótesis nula (𝐻0 ) y la hipótesis alternativa (𝐻1 ):

𝐻0 : 𝜇 = 𝜇0
𝐻1 : 𝜇 ≠ 𝜇0
Definir el estadístico de prueba. Si se supone que 𝐻0 es verdadero, entonces:
ഥ −𝝁𝟎
𝑿
Estadístico de prueba: 𝒁𝟎 = 𝝈Τ 𝒏
∼ 𝑵(𝟎, 𝟏)
ii. Dado el nivel de significancia (𝛼) y que 𝑍0 ~𝑁(0,1), definir la región critica (𝑅𝐶) y la región de aceptación (𝑅𝐴):
• La región critica (𝑅𝐶) de la prueba de hipótesis:
𝑅𝐶 = 𝑍0 < −𝑧1−𝛼 𝑜 𝑍0 > 𝑧1−𝛼 o

2 2
𝑅𝐶 = 𝑋ത < 𝑎 𝑜 𝑋ത > 𝑏
• La región de aceptación (𝑅𝐴) de la prueba de hipótesis:
𝑅𝐴 = −𝑧1−𝛼 ≤ 𝑍0 ≤ 𝑧1−𝛼 o 𝒛𝟎
2 2
𝑅𝐴 = 𝑎 ≤ 𝑋ത ≤ 𝑏
donde 𝑎 = 𝜇0 − 𝑧1−𝛼 (𝜎Τ 𝑛) y 𝑏 = 𝜇0 + 𝑧1−𝛼 (𝜎Τ 𝑛)

2 2
• La región critica (𝑅𝐶) de la prueba de hipótesis: • La región de aceptación (𝑅𝐴) de la prueba de hipótesis:
𝑅𝐶 = −∞, −𝑧1−𝛼 ∪ 𝑧1−𝛼 , +∞ 𝑅𝐴 = −𝑧1−𝛼 , 𝑧1−𝛼
2 2 2 2
Probabilidad de rechazar erróneamente 𝐻0 (Error tipo I ): Probabilidad de aceptar correctamente 𝐻0 :

𝑃 𝑍0 < −𝑧1−𝛼 𝑜 𝑍0 > 𝑧1−𝛼 ห𝐻0 𝑒𝑠 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑎 = 𝛼 𝑃 −𝑧1−𝛼 ≤ 𝑍0 ≤ 𝑧1−𝛼 ห𝐻0 𝑒𝑠 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑎 = 1 − 𝛼
2 2 2 2
𝛼 𝛼 𝑃 −𝑧1−𝛼 ≤ 𝑍0 ≤ 𝑧1−𝛼 = 1 − 𝛼
𝑃 𝑍0 < −𝑧1−𝛼 + 𝑃 𝑍0 > 𝑧1−𝛼 = + =𝛼 2 2
2 2 2 2
iii. Calcular el valor de 𝑍0 con la información de la muestra:
𝑥ҧ − 𝜇0
𝑧0 =
𝜎Τ 𝑛
iv. Aplicar la REGLA DE DECISIÓN:
Si 𝑧0 ∈ 𝑅𝐶 (𝑧0 < −𝑧1−𝛼 𝑜 𝑧0 > 𝑧1−𝛼 )  Rechazar 𝑯𝟎

2 2
𝒛𝟎
Si 𝑧0 ∈ 𝑅𝐴 (−𝑧1−𝛼 ≤ 𝑧0 ≤ 𝑧1−𝛼 )  No rechazar 𝑯𝟎
2 2
v. Establecer la conclusión de la prueba de hipótesis en términos del caso

de estudio y según el nivel de significancia (𝛼).
2. PRUEBA DE HIPOTESIS UNILATERAL SUPERIOR (COLA A LA DERECHA) PARA LA MEDIA

𝐻0 : 𝜇 = 𝜇0
𝐻1 : 𝜇 > 𝜇0
ഥ −𝝁𝟎
𝑿
Estadístico de prueba: 𝒁𝟎 = ∼ 𝑵(𝟎, 𝟏)
𝝈Τ 𝒏

𝑅𝐶 = 𝑍0 > 𝑧1−𝛼 o
𝑅𝐶 = 𝑋ത > 𝑏1
𝑅𝐴 = 𝑍0 ≤ 𝑧1−𝛼 o 𝒛𝟎
𝑅𝐴 = 𝑋ത ≤ 𝑏1
donde 𝑏1 = 𝜇0 + 𝑧1−𝛼 (𝜎Τ 𝑛)
𝑅𝐶 = 𝑧1−𝛼 , +∞ 𝑅𝐴 = ‫ۦ‬−∞, 𝑧1−𝛼 ሿ
Probabilidad de rechazar erróneamente 𝐻0 (Error tipo I ): Probabilidad de aceptar correctamente 𝐻0 :
𝑃 𝑍0 > 𝑧1−𝛼 ห𝐻0 𝑒𝑠 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑎 = 𝛼 𝑃 𝑍0 ≤ 𝑧1−𝛼 ห𝐻0 𝑒𝑠 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑎 = 1 − 𝛼

𝑥ҧ − 𝜇0
𝑧0 =
𝜎Τ 𝑛
Si 𝑧0 ∈ 𝑅𝐶 (𝑧0 > 𝑧1−𝛼 )  Rechazar 𝑯𝟎
𝒛𝟎
Si 𝑧0 ∈ 𝑅𝐴 (𝑧0 ≤ 𝑧1−𝛼 )  No rechazar 𝑯𝟎
v. Establecer la conclusión de la prueba de hipótesis en términos
del caso de estudio y según el nivel de significancia (𝛼).
3. PRUEBA DE HIPOTESIS UNILATERAL INFERIOR (COLA A LA IZQUIERDA) PARA LA MEDIA

𝐻0 : 𝜇 = 𝜇0
𝐻1 : 𝜇 < 𝜇0
ഥ −𝝁𝟎
𝑿
Estadístico de prueba: 𝒁𝟎 = ∼ 𝑵(𝟎, 𝟏)
𝝈Τ 𝒏

𝑅𝐶 = 𝑍0 < −𝑧1−𝛼 o
𝑅𝐶 = 𝑋ത < 𝑎1
𝑅𝐴 = 𝑍0 ≥ −𝑧1−𝛼 o 𝒛𝟎
𝑅𝐴 = 𝑋ത ≥ 𝑎1
donde 𝑎1 = 𝜇0 − 𝑧1−𝛼 (𝜎Τ 𝑛)
𝑅𝐶 = −∞, −𝑧1−𝛼 𝑅𝐴 = ሾ−𝑧1−𝛼 , +∞ۧ
Probabilidad de rechazar erróneamente 𝐻0 (Error tipo I): Probabilidad de aceptar correctamente 𝐻0 :
𝑃 𝑍0 < −𝑧1−𝛼 ห𝐻0 𝑒𝑠 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑎 = 𝛼 𝑃 𝑍0 ≥ −𝑧1−𝛼 ห𝐻0 𝑒𝑠 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑎 = 1 − 𝛼

𝑥ҧ − 𝜇0
𝑧0 =
𝜎Τ 𝑛
Si 𝑧0 ∈ 𝑅𝐶 (𝑧0 < −𝑧1−𝛼 )  Rechazar 𝑯𝟎
Si 𝑧0 ∈ 𝑅𝐴 (𝑧0 ≥ −𝑧1−𝛼 )  No rechazar 𝑯𝟎 𝒛𝟎
v. Establecer la conclusión de la prueba de hipótesis en términos
del caso de estudio y según el nivel de significancia (𝛼).
Método del p-valor en la prueba de hipótesis:
 Método alternativo para establecer la regla de decisión de una prueba de hipótesis.
 El p-valor es el menor nivel de significación que conduce al rechazo de 𝐻0 con la muestra (los datos)
existente.
ҧ 0
𝑥−𝜇
 Sea el valor numérico de la estadística de prueba 𝑧0 𝑧0 = 𝜎Τ 𝑛
de la prueba de hipótesis para 𝜇, con 𝜎 2
conocida, el p-valor se calcula:
• Prueba de hipótesis bilateral: 𝒑 − 𝒗𝒂𝒍𝒐𝒓 = 𝟐 𝟏 − 𝑷 𝒁 ≤ 𝒛𝟎
• Prueba de hipótesis unilateral superior: 𝒑 − 𝒗𝒂𝒍𝒐𝒓 = 𝟏 − 𝑷(𝒁 ≤ 𝒛𝟎 )
• Prueba de hipótesis unilateral inferior: 𝒑 − 𝒗𝒂𝒍𝒐𝒓 = 𝟏 − 𝑷(𝒁 ≤ 𝒛𝟎 )
REGLA DE DECISIÓN:
Si 𝑝 − 𝑣𝑎𝑙𝑜𝑟 < 𝛼, entonces se rechazará 𝐻0
Si 𝑝 − 𝑣𝑎𝑙𝑜𝑟 ≥ 𝛼, entonces no se rechazará 𝐻0
PROCEDIMIENTO (RESUMEN):
ത 0
𝑋−𝜇
1. Formular las hipótesis (definir 𝐻0 y 𝐻1 ) y definir el estadístico de prueba: 𝑍0 = 𝜎Τ ∼ 𝑁(0, 1)
𝑛
2. Dado 𝛼 y 𝐻1 , determinar la región critica (valores críticos).

3. Dado los resultados de la muestra aleatoria y la 𝐻0 definida, calcular el valor numérico de la estadística de prueba (𝑧0 ).
4. Según la regla de decisión, rechazar o aceptar 𝐻0 (comparando los limites de la región critica con el valor numérico de la
estadística de prueba 𝑧0 ).
Tipo de PH Hipótesis nula Hipótesis alternativa Regla de decisión: si 𝑧0 ∈ 𝑅𝐶  se rechaza 𝐻0
PH bilateral 𝐻0 : 𝜇 = 𝜇0 𝐻1 : 𝜇 ≠ 𝜇0 𝑅𝐶 = −∞, −𝑧1−𝛼 ∪ 𝑧1−𝛼 , +∞

2 2
PH unilateral superior 𝐻0 : 𝜇 = 𝜇0 𝐻1 : 𝜇 > 𝜇0 𝑅𝐶 = 𝑧1−𝛼 , +∞
PH unilateral inferior 𝐻0 : 𝜇 = 𝜇0 𝐻1 : 𝜇 < 𝜇0 𝑅𝐶 = −∞, −𝑧1−𝛼
5. Establecer la conclusión de la prueba de hipótesis en términos del caso de estudio y según el nivel de significancia (𝛼).
NOTA: El cálculo del p-valor reemplaza a los pasos (2) y (3) del procedimiento y en la regla de decisión (paso (4)) se compara
el p-valor y 𝛼:
Decisión 𝑯𝟎 verdadera 𝑯𝟎 falsa
Error tipo I Decisión correcta
Rechazar 𝑯𝟎
Probabilidad: 𝛼 Probabilidad: 1 − 𝛽
Decisión correcta Error tipo II
Aceptar 𝑯𝟎
Probabilidad: 1 − 𝛼 Probabilidad: 𝛽
ERROR TIPO II y POTENCIA DE UNA PRUEBA DE HIPÓTESIS

 Error tipo II: error que se comete al aceptar una 𝐻0 cuando esta es realmente falsa.
 Probabilidad de cometer un error tipo II (𝜷): 𝛽 = 𝑃 𝑒𝑟𝑟𝑜𝑟 𝑡𝑖𝑝𝑜 𝐼𝐼 = 𝑃(𝑎𝑐𝑒𝑝𝑡𝑎𝑟 𝐻0 ȁ 𝐻0 : 𝜇 = 𝜇0 𝑒𝑠 𝑓𝑎𝑙𝑠𝑎)
Ejemplo para una PH bilateral: 𝛽 = 𝑃(𝑎𝑐𝑒𝑝𝑡𝑎𝑟 𝐻0 ȁ 𝐻1 : 𝜇 ≠ 𝜇0 𝑒𝑠 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑜 (𝑒𝑠 𝑑𝑒𝑐𝑖𝑟 𝜇 = 𝜇1 )), donde 𝜇1 es la verdadera media.
Es decir, 𝛽 es la probabilidad de aceptar que 𝜇 = 𝜇0 cuando en realidad 𝜇 = 𝜇1
La probabilidad del error de tipo II (𝛽) también puede ser interpretada como la probabilidad que la PH no detecté la diferencia
de la verdadera media (𝜇1 ) con respecto a la media hipotética (𝜇0 ).
 𝟏 − 𝜷: Potencia o poder de una prueba de hipótesis
Ejemplo para una PH bilateral:
𝟏 − 𝜷 = 𝑷 𝒓𝒆𝒄𝒉𝒂𝒛𝒂𝒓 𝑯𝟎 ȁ 𝑯𝟎 : 𝝁 = 𝝁𝟎 𝒆𝒔 𝒇𝒂𝒍𝒔𝒂 = 𝑷 𝒓𝒆𝒄𝒉𝒂𝒛𝒂𝒓 𝑯𝟎 ȁ 𝑯𝟏 : 𝝁 ≠ 𝝁𝟎 𝒆𝒔 𝒗𝒆𝒓𝒅𝒂𝒅𝒆𝒓𝒐 (𝑒𝑠 𝑑𝑒𝑐𝑖𝑟 𝜇 = 𝜇1 )
La potencia también puede ser interpretada como la probabilidad que la PH detecté la diferencia de la verdadera media (𝜇1 )
con respecto a la media hipotética (𝜇0 ).
CÁLCULO DE LA PROBABILIDAD DEL ERROR TIPO II y POTENCIA DE UNA PRUEBA DE HIPÓTESIS

Partimos de la expresión: 𝛽 = 𝑃(𝑎𝑐𝑒𝑝𝑡𝑎𝑟 𝐻0 ȁ 𝐻1 : 𝜇 = 𝜇1 𝑒𝑠 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑜)
POTENCIA DE LA PRUEBA BILATERAL
𝟏 − 𝜷 = 𝟏 − 𝚽 −𝒛𝜶Τ𝟐 − 𝒅 𝒏 − 𝚽(𝒛𝜶Τ𝟐 − 𝒅 𝒏)
POTENCIA DE LA PRUEBA UNILATERAL
𝟏 − 𝜷 = 𝚽(𝒛𝜶 − 𝒅 𝒏)
Donde: 𝐻0 : 𝜇 = 𝜇0
𝛿 𝜇1 −𝜇0 𝐻1 : 𝜇 < 𝜇0
𝑑=𝜎= es la diferencia de la
𝜎
media verdadera y la media hipotética 𝐾 = 𝑎1
dividido entre la desviación estándar. = 𝜇0 − 𝑧1−𝛼 (𝜎Τ 𝑛)
Φ 𝑧 =𝑃 𝑍≤𝑧 : es la distribución
acumulada de la normal estándar 𝑍
evaluada en 𝑧.
TAMAÑO DE MUESTRA EN UNA PRUEBA DE HIPÓTESIS PARA LA MEDIA
Es el tamaño apropiado de una muestra (𝑛) para obtener un valor particular de la probabilidad del error tipo II (𝛽), dado un
valor verdadero de la media poblacional (𝜇1 ), un nivel de significación 𝛼 y la media especificada en 𝐻0 (𝜇0 ).
1. Tamaño de muestra en una prueba de hipótesis bilateral para la media
2
𝑧𝛼 Τ2 + 𝑧𝛽
𝑛≅
𝑑2
2. Tamaño de muestra en una prueba de hipótesis unilateral para la media
2
𝑧𝛼 + 𝑧𝛽
𝑛=
𝑑2
𝛿 𝜇1 −𝜇0
Donde 𝑑 = = es la diferencia de la media verdadera y la media hipotética dividido entre la desviación estándar.
𝜎 𝜎
NOTA: el tamaño de muestra (𝑛) se debe redondear al próximo entero superior.

LABORATORIO 2 (Parte 1): Prueba de hipótesis de un parámetro
EJERCICIO 3. Los sistemas de escape de una aeronave funcionan debido a un propulsor. La velocidad de combustión de
este propulsor, que está normalmente distribuido, es una característica importante del producto. Las especificaciones
requieren que la velocidad de combustión promedio sea de 50 centímetros por segundo. Sabemos que la desviación
estándar de la velocidad de combustión de este propulsor es 2 centímetros por segundo. Un investigador del área de
mecánica aeronáutica decide realizar un estudio basado en una prueba de hipótesis para verificar si no se cumplen las
especificaciones definidas. Se realiza la selección de una muestra aleatoria de tamaño n=25 y se obtiene una velocidad de
combustión promedio de 51.3 centímetros por segundo.
a) Si se define un nivel de significación de α=0.05, ¿qué conclusiones se pueden sacar del estudio realizado?
b) Utilizando el p-valor, explique y justifique las conclusiones del estudio descrito. Considere α=0.05.
c) Suponga que la velocidad media de combustión verdadera sea de 49 centímetros por segundo, ¿Cuál es la probabilidad
del error de tipo II? Considere α=0.05.
d) Suponga que el investigador desea determinar el tamaño de muestra n para llevar a cabo una prueba de hipótesis que
detecte con una probabilidad de 0.90 que la velocidad media de combustión verdadera difiera de 50 centímetros por
segundo en 1 centímetro por segundo. Considere α=0.05.
EJERCICIO 3.
a) Si se define un nivel de significación de 𝜶 = 𝟎, 𝟎𝟓 , ¿qué b) Utilizando el p-valor, explique y justifique las conclusiones del
conclusiones se pueden sacar del estudio realizado? estudio descrito. Considere 𝜶 = 𝟎. 𝟎𝟓.
i) 𝑋: velocidad de combustión del propulsor, donde 𝑋~𝑁(𝜇, 𝜎 = 2)
Definimos las hipótesis: 𝑝 − 𝑣𝑎𝑙𝑜𝑟 = 2(1 − 𝑃 𝑍 ≤ 𝑧0 ) = 2(1 − 𝑃 𝑍 ≤ 3.25 ) = 2𝑃 𝑍 > 3.25
𝐻0 : 𝜇 = 50 (se cumplen las especificaciones de la velocidad media) = 2 0.0005770 = 0.0012
𝐻1 : 𝜇 ≠ 50 (no se cumplen las especificaciones de la velocidad media)
ത 0
𝑋−𝜇 Como 𝑝 − 𝑣𝑎𝑙𝑜𝑟 < 𝛼, entonces, se debe rechazar 𝑯𝟎 .
Estadístico de prueba (PH de 𝜇, 𝜎 2 conocido): 𝑍0 = ∼ 𝑁(0, 1)
𝜎Τ 𝑛
NOTA: El cálculo del p-valor reemplaza a los pasos ii) y iii) de la pregunta
ii) Valores críticos (𝛼 = 0.05): (a) y en el paso iv) Regla de decisión se compara el p-valor y 𝛼. Con
𝑧1−𝛼Τ2 = 𝑧0.975 = 1.96 y −𝑧1−𝛼Τ2 = −𝑧0.975 = −1.96 ambas reglas las decisiones siempre serán las mismas.
𝑅𝐶 = −∞, −𝑧1−𝛼 ∪ 𝑧1−𝛼 , +∞ = −∞, −1.96 ∪ 1.96, +∞
2 2
iii) Valor del estadístico de prueba:

𝑥ҧ − 𝜇0 51.3 − 50
𝑧0 = = = 3.25
𝜎Τ 𝑛 2Τ 25
iv) Regla de decisión: como 𝑧0 > 𝑧0.975 (3.25 > 1.96), 𝑧0 ∈ 𝑅𝐶, por lo
tanto, se debe rechazar 𝑯𝟎 .
v) Conclusión: con un nivel de significación del 5%, hay evidencia

suficiente para afirmar que la media de la velocidad de combustión
difiere de 50 cm/s, por lo tanto, se verifica que no se cumplirían las
especificaciones de la velocidad media de combustión del propulsor.
EJERCICIO 3 (a) y (b).
EJERCICIO 3.
c) Suponga que la velocidad media de combustión verdadera sea de 49 centímetros por segundo, ¿Cuál es la
probabilidad del error de tipo II? Considere 𝜶 = 𝟎, 𝟎𝟓.
𝛿 𝜇 −𝜇 −1
𝜎 = 2 𝑦 𝜇1 =49, entonces: 𝑑 = 𝜎 = 1 𝜎 0 = 2 = −0.5
𝛼 = 0.05
𝑛 = 25
𝐻1 : 𝜇 ≠ 50 (prueba de hipótesis bilateral)
Debemos obtener: 𝑃𝑜𝑡𝑒𝑛𝑐𝑖𝑎 = 1 − 𝛽 = 𝑓(𝑛, 𝛼, 𝑑, 𝐻1 )
𝛽 = 1 − 𝑃𝑜𝑡𝑒𝑛𝑐𝑖𝑎 = 1 − 0.7054 = 0.2946
EJERCICIO 3.
d) Suponga que el investigador desea determinar el tamaño de muestra 𝒏 para llevar a cabo una prueba de hipótesis
que detecte con una probabilidad de 0.90 que la velocidad media de combustión verdadera difiera de 50 centímetros
por segundo en 1 centímetro por segundo. Considere 𝜶 = 𝟎, 𝟎𝟓.
𝛿 𝜇1 −𝜇0 ±1
𝜎 = 2 𝑦 𝛿 = 𝜇1 − 𝜇0 = ±1, entonces: 𝑑 = 𝜎 = = = ±0.5
𝜎 2
𝑃𝑜𝑡𝑒𝑛𝑐𝑖𝑎 = 1 − 𝛽 = 0.90
𝛼 = 0.05
𝜎=2
𝐻1 : 𝜇 ≠ 50 (prueba de hipótesis bilateral)
Debemos obtener: 𝑛 = 𝑓(1 − 𝛽, 𝛼, 𝑑, 𝐻1 )
𝑛 = 43
EJERCICIO 4. Al estudiar si conviene tener o no una sucursal en la ciudad de Tarapoto, la gerencia de una gran tienda
comercial en Lima, establece el siguiente criterio para tomar una decisión: Abrir la sucursal sólo si el ingreso promedio
familiar mensual en dicha ciudad es no menos de $500 y no abrirla en caso contrario. Una muestra aleatoria de 100 ingresos
familiares de esa ciudad ha dado una media de $480. Suponga que la distribución de los ingresos tiene una desviación
estándar igual a $80. El gerente sospecha que no se debería abrir la sucursal dada su experiencia y basado en estudios de
mercado relacionados al asunto.
a) ¿Hay evidencia que respalde la sospecha del gerente? Formule y pruebe las hipótesis apropiadas y saque conclusiones
usando α=0,05.
b) ¿Con que probabilidad la prueba anterior (a) detecta la diferencia igual a $30 en el promedio de ingresos y por debajo de
lo que se indica en la hipótesis nula?
c) Calcular la potencia de la prueba si el ingreso promedio realmente es $464.
d) Determine el tamaño de la muestra si se quiere tener una probabilidad del error de tipo II de 0.10, cuando realmente el
ingreso promedio familiar mensual es de $485.
EJERCICIO 4.
a) ¿Hay evidencia que respalde la sospecha del gerente? Formule y pruebe las hipótesis apropiadas y saque conclusiones usando
𝜶 = 𝟎. 𝟎𝟓.
i) 𝑋: ingreso familiar mensual en Tarapoto
Definimos las hipótesis:
𝐻0 : 𝜇 = 500 (se debería abrir la sucursal)
𝐻1 : 𝜇 < 500 (no se debería abrir la sucursal)
ത 0
𝑋−𝜇
Estadístico de prueba (PH de 𝜇, 𝜎 2 conocido): dado que 𝑛 es “grande” (𝑛 ≥ 30), es aplicable el TLC  𝑍0 = 𝑒𝑠 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑎𝑚𝑒𝑛𝑡𝑒 𝑁(0, 1)
𝜎Τ 𝑛
ii) Valores críticos (𝛼 = 0.05):

−𝑧1−𝛼 = −𝑧0.95 = −1.645
𝑅𝐶 = −∞, −𝑧1−𝛼 = −∞, −1.645
iii) Estadístico de prueba:
𝑥ҧ − 𝜇0 480 − 500
𝑧0 = = = −2.5
𝜎Τ 𝑛 80Τ 100
iv) Como 𝑧0 < −𝑧0.95 (−2.5 < −1.645), 𝑧0 ∈ 𝑅𝐶, por tanto, se debe rechazar 𝑯𝟎 .
v) Con un nivel de significancia del 5%, hay evidencia suficiente para afirmar que la media del ingreso familiar mensual en Tarapoto es menor a
$500. Por lo tanto, no se debería abrir la sucursal y se confirmaría la sospecha del gerente.
OTRA FORMA:
𝑝 − 𝑣𝑎𝑙𝑜𝑟 = 1 − 𝑃 𝑍 ≤ 𝑧0 = 1 − 𝑃 𝑍 ≤ −2.5 = 1 − 𝑃 𝑍 ≤ 2.5 = 𝑃 𝑍 > 2.5 = 0.0062
Como 𝑝 − 𝑣𝑎𝑙𝑜𝑟 < 𝛼, entonces, se debe rechazar 𝑯𝟎 .
EJERCICIO 4.
a) ¿Hay evidencia que respalde la sospecha del gerente? Formule y pruebe las hipótesis apropiadas y saque
conclusiones usando 𝜶 = 𝟎. 𝟎𝟓.
EJERCICIO 4.
b) ¿Con que probabilidad la prueba anterior (a) detecta la diferencia igual a $30 en el promedio de ingresos y por
debajo de lo que se indica en la hipótesis nula?
𝛿 𝜇1 −𝜇0 470−500
𝜎 = 80 𝑦 𝜇1 = 470, entonces: 𝑑 = 𝜎 = = = −0.375
𝜎 80 Debemos obtener: 𝑃𝑜𝑡𝑒𝑛𝑐𝑖𝑎 = 1 − 𝛽 = 𝑓(𝑛, 𝛼, 𝑑, 𝐻1 )
𝛼 = 0.05
𝑃𝑜𝑡𝑒𝑛𝑐𝑖𝑎 = 0. 9824
𝑛 = 100
𝐻1 : 𝜇 < 500 (prueba de hipótesis unilateral izquierda)
EJERCICIO 4.
c) Calcular la potencia de la prueba si el ingreso promedio realmente es $464.
𝛿 𝜇 −𝜇 464−500
𝜎 = 80 𝑦 𝜇1 = 464, entonces: 𝑑 = 𝜎 = 1 𝜎 0 = 80 = −0.45
Debemos obtener: 𝑃𝑜𝑡𝑒𝑛𝑐𝑖𝑎 = 1 − 𝛽 = 𝑓 𝑛, 𝛼, 𝑑, 𝐻1
𝛼 = 0.05 𝑃𝑜𝑡𝑒𝑛𝑐𝑖𝑎 = 0. 9978
𝑛 = 100
EJERCICIO 4.
d) Determine el tamaño de la muestra si se quiere tener una probabilidad del error de tipo II de 0.10, cuando
realmente el ingreso promedio familiar mensual es de $485.
𝛽 = 0.10, entonces 𝑃𝑜𝑡𝑒𝑛𝑐𝑖𝑎 = 0.90
𝛿 𝜇1 −𝜇0 485−500
Debemos obtener: 𝑛 = 𝑓(1 − 𝛽, 𝛿, 𝛼, 𝜎, 𝐻1 )
𝜇1 = 485 y 𝜎 = 80, entonces: 𝑑 = 𝜎 = 𝜎 = 80 = −0.1875 𝑛 = 244
𝛼 = 0.05
cuando la varianza poblacional (𝝈𝟐 ) es desconocida
Sea 𝑋1 , 𝑋2 ,…, 𝑋𝑛 es una muestra aleatoria de tamaño 𝑛 extraída de una población normal (o de cualquier otro
tipo, siendo 𝑛 grande) donde media 𝜇 y varianza desconocida 𝜎 2 .
1. Si la población no es normal  Aplicando el TLC para valores grandes de 𝑛 (𝑛 ≥ 30), se suele utilizar la
ത
𝑋−𝜇
estadística 𝑍 = 𝜎Τ𝑛
que es aproximadamente 𝑁(0,1), en donde 𝜎 se estima puntualmente por 𝑆.
ത
𝑋−𝜇
2. Si la población es normal (𝑋~𝑁(𝜇, 𝜎 2 )), sabemos que 𝑇 = 𝑆Τ 𝑛
~ 𝑇𝑛−1 . Entonces, para 𝑛 ≥ 2 el
estadístico de prueba de la prueba de hipótesis para la media 𝜇 es:
𝑋ത − 𝜇
𝑇=
𝑆Τ 𝑛
cuya distribución es t-student con 𝑛 − 1 grados de libertad.

𝐻0 : 𝜇 = 𝜇0
𝐻1 : 𝜇 ≠ 𝜇0
ഥ −𝝁𝟎
𝑿
Estadístico de prueba: 𝑻𝟎 = ∼ 𝒕𝒏−𝟏
𝑺Τ 𝒏
ii. Dado el nivel de significancia (𝛼) y que 𝑇0 ~𝑡𝑛−1 , definir:

𝑅𝐶 = −∞, −𝑡1−𝛼,𝑛−1 ∪ 𝑡1−𝛼,𝑛−1 , +∞ 𝑅𝐴 = −𝑡1−𝛼,𝑛−1 , 𝑡1−𝛼,𝑛−1
2 2 2 2
iii. Calcular el valor de 𝑇0 con la información de la muestra:

𝑥ҧ − 𝜇0 𝒕𝟎
𝑡0 =
𝑠Τ 𝑛

Si 𝑡0 ∈ 𝑅𝐶 (𝑡0 < −𝑡1−𝛼,𝑛−1 𝑜 𝑡0 > 𝑡1−𝛼,𝑛−1 )  Rechazar 𝑯𝟎
2 2
Si 𝑡0 ∈ 𝑅𝐴 (−𝑡1−𝛼,𝑛−1 ≤ 𝑡0 ≤ 𝑡1−𝛼,𝑛−1 )  No rechazar 𝑯𝟎
2 2
v. Establecer la conclusión de la prueba de hipótesis en términos del caso de

estudio y según el nivel de significancia (𝛼).
𝐻0 : 𝜇 = 𝜇0
𝐻1 : 𝜇 > 𝜇0
ഥ −𝝁𝟎
𝑿
𝑺Τ 𝒏

𝑅𝐶 = 𝑡1−𝛼,𝑛−1 , +∞ 𝑅𝐴 = ‫ۦ‬−∞, 𝑡1−𝛼,𝑛−1 ൧

𝑥ҧ − 𝜇0
𝑡0 = 𝒕𝟎
𝑠Τ 𝑛

Si 𝑡0 ∈ 𝑅𝐶 (𝑡0 > 𝑡1−𝛼,𝑛−1 )  Rechazar 𝑯𝟎
Si 𝑡0 ∈ 𝑅𝐴 (𝑡0 ≤ 𝑡1−𝛼,𝑛−1 )  No rechazar 𝑯𝟎

𝐻0 : 𝜇 = 𝜇0
𝐻1 : 𝜇 < 𝜇0
ഥ −𝝁𝟎
𝑿
𝑺Τ 𝒏

𝑅𝐶 = −∞, −𝑡1−𝛼,𝑛−1 𝑅𝐴 = ൣ−𝑡1−𝛼,𝑛−1 , +∞ۧ

𝑥ҧ − 𝜇0 𝒕𝟎
𝑡0 =
𝑠Τ 𝑛

Si 𝑡0 ∈ 𝑅𝐶 (𝑡0 < −𝑡1−𝛼,𝑛−1 )  Rechazar 𝑯𝟎
Si 𝑡0 ∈ 𝑅𝐴 (𝑡0 ≥ −𝑡1−𝛼,𝑛−1 )  No rechazar 𝑯𝟎


ҧ 0
𝑥−𝜇
 Sea el valor numérico de la estadística de prueba 𝑡0 𝑡0 = de la prueba de hipótesis para 𝜇, con
𝑠Τ 𝑛
𝜎 2 desconocida, el p-valor se calcula:
• Prueba de hipótesis bilateral: 𝒑 − 𝒗𝒂𝒍𝒐𝒓 = 𝟐 𝟏 − 𝑷 𝑻𝒏−𝟏 ≤ 𝒕𝟎
• Prueba de hipótesis unilateral superior: 𝒑 − 𝒗𝒂𝒍𝒐𝒓 = 𝟏 − 𝑷(𝑻𝒏−𝟏 ≤ 𝒕𝟎 )
• Prueba de hipótesis unilateral inferior: 𝒑 − 𝒗𝒂𝒍𝒐𝒓 = 𝟏 − 𝑷(𝑻𝒏−𝟏 ≤ 𝒕𝟎 )
REGLA DE DECISIÓN:
ത 0
𝑋−𝜇
1. Formular las hipótesis (definir 𝐻0 y 𝐻1 ) y definir el estadístico de prueba: 𝑇0 = ∼ 𝑡𝑛−1
𝑆Τ 𝑛

3. Dado los resultados de la muestra aleatoria y la 𝐻0 definida, calcular el valor numérico de la estadística de prueba (𝑡0 ).
estadística de prueba 𝑡0 ).
Tipo de PH Hipótesis nula Hipótesis alternativa Regla de decisión: si 𝑡0 ∈ 𝑅𝐶  se rechaza 𝐻0
PH bilateral 𝐻0 : 𝜇 = 𝜇0 𝐻1 : 𝜇 ≠ 𝜇0 𝑅𝐶 = −∞, −𝑡1−𝛼,𝑛−1 ∪ 𝑡1−𝛼,𝑛−1 , +∞

2 2
PH unilateral superior 𝐻0 : 𝜇 = 𝜇0 𝐻1 : 𝜇 > 𝜇0 𝑅𝐶 = 𝑡1−𝛼,𝑛−1 , +∞

PH unilateral inferior 𝐻0 : 𝜇 = 𝜇0 𝐻1 : 𝜇 < 𝜇0 𝑅𝐶 = −∞, −𝑡1−𝛼,𝑛−1
NOTA: El cálculo del p-valor reemplaza a los pasos (2) y (3) del procedimiento y en la regla de decisión (paso (4)) se compara
el p-valor y 𝛼:
EJERCICIO 7. Se determinó el contenido de sodio de 20 cajas de 300 gramos de hojuelas de maíz orgánico. Los datos (en
miligramos) se encuentran en el archivo DatosEjerc7Lab2.xlsx. Tenga en cuenta que el contenido de sodio se distribuye
normalmente. ¿Puede apoyar la afirmación de que el contenido promedio de sodio de esta marca de cajas de hojuelas de
maíz difiere de 130 miligramos? Use α = 0.05.
i) 𝑋: contenido de sodio de cajas de 300 gramos de hojuelas de maíz iv) Regla de decisión: como −𝑡1−𝛼,𝑛−1 < 𝑡0 < 𝑡1−𝛼,𝑛−1 ( −2.093 <
2 2
orgánico, donde 𝑋~𝑁(𝜇, 𝜎)
− 1.2910 < 2.093), 𝑡0 ∉ 𝑅𝐶, por lo tanto, no se debe rechazar 𝑯𝟎 .
Definimos las hipótesis:
𝐻0 : 𝜇 = 130
v) Conclusión: con un nivel de significación del 5%, no hay evidencia
𝐻1 : 𝜇 ≠ 130
suficiente para afirmar que la media del contenido de sodio de esta
ത 0
𝑋−𝜇
Estadístico de prueba (PH de 𝜇, 𝜎 2 desconocido): 𝑇0 = ∼ 𝑡𝑛−1 marca de cajas de hojuelas de maíz difiere de 130 mg.
𝑆Τ 𝑛
ii) Valores críticos (𝛼 = 0.05):

−𝑡1−𝛼,𝑛−1 = −𝑡0.975,19 = −2.093 y 𝑡1−𝛼,𝑛−1 = 𝑡0.975,19 = 2.093
2 2
𝑅𝐶 = −∞, −𝑡1−𝛼,𝑛−1 ∪ 𝑡1−𝛼,𝑛−1 , +∞ = −∞, −2.093 ∪ 2.093, +∞ 𝑝 − 𝑣𝑎𝑙𝑜𝑟 = 2 1 − 𝑃 𝑇𝑛−1 ≤ 𝑡0 = 2 1 − 𝑃 𝑇19 ≤ −1.2910
2 2 = 2𝑃 𝑇19 > 1.2910 = 2 0.1061 = 0.2122
Como 𝑝 − 𝑣𝑎𝑙𝑜𝑟 ≥ 𝛼, entonces, no se debe rechazar 𝑯𝟎 .
20 σ20 ത 2
σ 𝑋𝑖 𝑖=1(𝑋𝑖 −𝑋) NOTA: El cálculo del p-valor reemplaza a los pasos ii) y iii) y en el
𝑋ത = 𝑖=1
20
= 129.7470, 𝑆 = (20−1)
= 0.8764
paso iv) Regla de decisión se compara el p-valor y 𝛼. Con ambas
𝑋ത − 𝜇0 129.7470 − 130 reglas las decisiones siempre serán las mismas.
𝑡0 = = = −1.2910
𝑆Τ 𝑛 0.8764Τ 20
Prueba de hipótesis para la varianza poblacional (𝝈𝟐 )
Sea 𝑋1 , 𝑋2 ,…, 𝑋𝑛 es una muestra aleatoria de tamaño 𝑛 extraída de una población normal con media 𝜇 y
varianza 𝜎 2 .
2 2 σ𝑛 ത 2
𝑖=1(𝑋𝑖 −𝑋) σ𝑛 2 ത2
𝑖=1 𝑋𝑖 −𝑛𝑋
Sea la varianza muestral 𝑆 : 𝑆 = 𝑛−1
= 𝑛−1
𝑆2 2
Se define: 𝑌 = (𝑛 − 1) 𝜎2 ~𝜒𝑛−1
Entonces el estadístico de prueba para la prueba de hipótesis de la varianza 𝜎 2 es:
𝑺𝟐
𝒀 = (𝒏 − 𝟏) 𝟐
𝝈
2
donde 𝑌 sigue una distribución chi-cuadrada con 𝑛 − 1 grados de libertad (𝑌~𝜒𝑛−1 ).
1. PRUEBA DE HIPOTESIS BILATERAL (O DE DOS COLAS) PARA LA VARIANZA
𝐻0 : 𝜎 2 = 𝜎02
𝐻1 : 𝜎 2 ≠ 𝜎02
𝑺𝟐
Estadístico de prueba: 𝒀𝟎 = (𝒏 − 𝟏) ∼ 𝝌𝟐𝒏−𝟏
𝝈𝟐𝟎
2
ii. Dado el nivel de significancia (𝛼) y que 𝑌0 ~𝜒𝑛−1 , definir:
𝑅𝐶 = 0, 𝜒𝛼2,𝑛−1 ∪ 𝜒1−
2
𝛼
,𝑛−1
, +∞ 𝑅𝐴 = 𝜒𝛼2,𝑛−1 , 𝜒1−
2
𝛼
,𝑛−1
2 2 2 2
iii. Calcular el valor de 𝑌0 con la información de la muestra:

𝑠2
𝑦0 = (𝑛 − 1) 2 𝒚𝟎
𝜎0

Si 𝑦0 ∈ 𝑅𝐶 (𝑦0 < 𝜒𝛼2,𝑛−1 𝑜 𝑦0 > 𝜒1−
2
𝛼
,𝑛−1
)  Rechazar 𝑯𝟎
2 2
Si 𝑦0 ∈ 𝑅𝐴 (𝜒𝛼2,𝑛−1 ≤ 𝑦0 ≤ 2
𝜒1− 𝛼
,𝑛−1
)  No rechazar 𝑯𝟎
2 2

2. PRUEBA DE HIPOTESIS UNILATERAL SUPERIOR (COLA DERECHA) PARA LA VARIANZA
𝐻0 : 𝜎 2 = 𝜎02
𝐻1 : 𝜎 2 > 𝜎02
𝑺𝟐
𝝈𝟐𝟎
2
2 2
𝑅𝐶 = 𝜒1−𝛼,𝑛−1 , +∞ 𝑅𝐴 = ൻ0, 𝜒1−𝛼,𝑛−1 ൧

𝑠2
𝑦0 = (𝑛 − 1) 2 𝒚𝟎
𝜎0
2
𝜒1−𝛼,𝑛−1
2
Si 𝑦0 ∈ 𝑅𝐶 (𝑦0 > 𝜒1−𝛼,𝑛−1 )  Rechazar 𝑯𝟎
2
Si 𝑦0 ∈ 𝑅𝐴 (𝑦0 ≤ 𝜒1−𝛼,𝑛−1 )  No rechazar 𝑯𝟎

3. PRUEBA DE HIPOTESIS UNILATERAL INFERIOR (COLA IZQUIERDA) PARA LA VARIANZA
𝐻0 : 𝜎 2 = 𝜎02
𝐻1 : 𝜎 2 < 𝜎02
𝑺𝟐
𝝈𝟐𝟎
2
2 2
𝑅𝐶 = 0, 𝜒𝛼,𝑛−1 𝑅𝐴 = ൣ𝜒𝛼,𝑛−1 , +∞ۧ

𝑠2
𝑦0 = (𝑛 − 1) 2
𝜎0
𝒚𝟎
2
Si 𝑦0 ∈ 𝑅𝐶 (𝑦0 < 𝜒𝛼,𝑛−1 )  Rechazar 𝑯𝟎
2
Si 𝑦0 ∈ 𝑅𝐴 (𝑦0 ≥ 𝜒𝛼,𝑛−1 )  No rechazar 𝑯𝟎

𝑺𝟐
 Sea el valor numérico de la estadística de prueba 𝑦0 𝒚𝟎 = (𝒏 − 𝟏) 𝝈𝟐 de la prueba de hipótesis para
𝟎
𝜎 2 , el p-valor se calcula:
• Prueba de hipótesis bilateral: 𝒑 − 𝒗𝒂𝒍𝒐𝒓 = 𝒎𝒊𝒏 𝟐 𝟏 − 𝑷 𝝌𝟐𝒏−𝟏 ≤ 𝒚𝟎 , 𝟐 𝑷 𝝌𝟐𝒏−𝟏 ≤ 𝒚𝟎
• Prueba de hipótesis unilateral superior: 𝒑 − 𝒗𝒂𝒍𝒐𝒓 = 𝟏 − 𝑷(𝝌𝟐𝒏−𝟏 ≤ 𝒚𝟎 )
• Prueba de hipótesis unilateral inferior: 𝒑 − 𝒗𝒂𝒍𝒐𝒓 = 𝑷(𝝌𝟐𝒏−𝟏 ≤ 𝒚𝟎 )
REGLA DE DECISIÓN:
𝑆2 2
1. Formular las hipótesis (definir 𝐻0 y 𝐻1 ) y definir el estadístico de prueba: 𝑌0 = (𝑛 − 1) 𝜎2 ∼ 𝜒𝑛−1
0

3. Dado los resultados de la muestra aleatoria y la 𝐻0 definida, calcular el valor numérico de la estadística de prueba (𝑦0 ).
estadística de prueba 𝑦0 ).
Tipo de PH Hipótesis nula Hipótesis alternativa Regla de decisión: si 𝑡0 ∈ 𝑅𝐶  se rechaza 𝐻0
PH bilateral 𝐻0 : 𝜎 2 = 𝜎02 𝐻1 : 𝜎 2 ≠ 𝜎02 𝑅𝐶 = 0, 𝜒𝛼2 ,𝑛−1 ∪ 𝜒1−

2
𝛼
,𝑛−1
, +∞
2 2
2
PH unilateral superior 𝐻0 : 𝜎 2 = 𝜎02 𝐻1 : 𝜎 2 > 𝜎02 𝑅𝐶 = 𝜒1−𝛼,𝑛−1 , +∞
2
PH unilateral inferior 𝐻0 : 𝜎 2 = 𝜎02 𝐻1 : 𝜎 2 < 𝜎02 𝑅𝐶 = 0, 𝜒𝛼,𝑛−1
NOTA 1: El cálculo del p-valor reemplaza a los pasos (2) y (3) del procedimiento y en la regla de decisión (paso (4)) se compara
el p-valor y 𝛼:
NOTA 2: La prueba de hipótesis para la desviación estándar poblacional (𝜎) sigue el mismo procedimiento descrito dado que su
formulación es equivalente. Por ejemplo, 𝐻0 : 𝜎 = 𝜎0 es equivalente a 𝐻0 : 𝜎 2 = 𝜎02 .
EJERCICIO 9. En un proceso de fabricación de tornillos se tienen indicios de que la calidad del proceso ha sufrido un impacto negativo por unos
cambios de proveedor de la materia prima. Por tal razón, se sospecha que la desviación estándar de las longitudes de cierto tipo de tornillo es
superior a 2.0 mm. En una muestra de 10 tornillos elegidos al azar del proceso de producción se han encontrado y registrado las longitudes (en
milímetros) en el archivo DatosEjerc9Lab2.xlsx. Con estos datos, ¿se puede verificar la sospecha reportada en el proceso de fabricación? Use el
nivel de significación α = 0.05, y suponga que la distribución de las longitudes es normal.
RESOLUCIÓN EJERCICIO 9: 2
iv) Como 𝑦0 < 𝜒0.95, 9 (15.225 < 16.919), 𝑦0 ∉ 𝑅𝐶. Por lo
i) 𝑋: longitudes de cierto tipo de tornillo, donde 𝑋~𝑁(𝜇, 𝜎) tanto, no se debe rechazar 𝑯𝟎 .
Muestra de tamaño 𝑛 = 10, donde 𝑆 2 = 6.7667
Definimos las hipótesis: v) No hay evidencia suficiente para afirmar que la
𝐻0 : 𝜎 = 2 desviación estándar es superior a 2 mm con un nivel de
𝐻1 : 𝜎 > 2 significación del 5%, entonces no se puede confirmar la
𝑆2 2 sospecha reportada en el proceso de fabricación.
Estadístico de prueba (PH de 𝜎 2 ): 𝑌0 = 𝑛 − 1 ∼ 𝜒𝑛−1
𝜎02
2 2
ii) Valor crítico: 𝜒1−𝛼,𝑛−1 = 𝜒0.95, 9 = 16.919
𝑅𝐶 = 16.919, +∞ 2
𝑝 − 𝑣𝑎𝑙𝑜𝑟 = 1 − 𝑃 𝜒𝑛−1 ≤ 𝑦0 = 1 − 𝑃 𝜒92 ≤ 16.919 = 0.08494
iii) Valor numérico del estadístico de prueba:
𝑠2 6.7667
𝑦0 = 𝑛 − 1 2 = 10 − 1 = 15.225
𝜎0 4
Prueba de hipótesis para la proporción poblacional (𝒑)
Sea 𝑋1 , 𝑋2 ,…, 𝑋𝑛 es una muestra aleatoria de tamaño 𝑛 extraída de una población de Bernoulli
𝐵𝑒𝑟𝑛𝑜𝑢𝑙𝑙𝑖(𝑝), cuyo parámetro desconocido 𝑝 es la proporción de éxitos de la población y sea la
estadística:
𝑋1 + 𝑋2 + ⋯ + 𝑋𝑛 σ𝑛𝑖=1 𝑋𝑖 𝑌
𝑃ത = = =
𝑛 𝑛 𝑛
la proporción de éxitos en la muestra, siendo 𝑌 el número de éxitos en la muestra con distribución

Binomial 𝐵(𝑛, 𝑝). Por lo tanto (aplicando el TLC):
𝒀 − 𝒏𝒑 ഥ−𝒑
𝑷
𝒁= = 𝒆𝒔 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒂𝒎𝒆𝒏𝒕𝒆 𝑵(𝟎, 𝟏)
𝒏𝒑(𝟏 − 𝒑) 𝒑(𝟏 − 𝒑)
𝒏
ത 0
𝑃−𝑝
1. Formular las hipótesis (definir 𝐻0 y 𝐻1 ) y definir el estadístico de prueba: 𝑍0 = 𝑒𝑠 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑎𝑚𝑒𝑛𝑡𝑒 𝑁(0, 1)
𝑝0 (𝟏−𝑝0 )
𝒏
3. Dado los resultados de la muestra aleatoria y la 𝐻0 definida, calcular el valor numérico de la estadística de prueba (𝑧0 ).
4. Según la regla de decisión, rechazar o aceptar 𝐻0 (comparando los limites de la región critica con el valor numérico de la estadística de prueba 𝑧0 ).
Tipo de PH Hipótesis nula Hipótesis alternativa Regla de decisión: si 𝑧0 ∈ 𝑅𝐶  se rechaza 𝐻0
PH bilateral 𝐻0 : 𝑝 = 𝑝0 𝐻1 : 𝑝 ≠ 𝑝0 𝑅𝐶 = −∞, −𝑧1−𝛼 ∪ 𝑧1−𝛼 , +∞

2 2
PH unilateral superior 𝐻0 : 𝑝 = 𝑝0 𝐻1 : 𝑝 > 𝑝0 𝑅𝐶 = 𝑧1−𝛼 , +∞
PH unilateral inferior 𝐻0 : 𝑝 = 𝑝0 𝐻1 : 𝑝 < 𝑝0 𝑅𝐶 = −∞, −𝑧1−𝛼
NOTA:
1. El cálculo del p-valor reemplaza a los pasos (2) y (3) del procedimiento y en la regla de decisión (paso (4)) se compara el p-valor y 𝛼:
• Si 𝑝 − 𝑣𝑎𝑙𝑜𝑟 < 𝛼, entonces se rechazará 𝐻0
• Si 𝑝 − 𝑣𝑎𝑙𝑜𝑟 ≥ 𝛼, entonces no se rechazará 𝐻0
2. La regla de decisión (rechazo de 𝐻0 ) y el cálculo del p-valor son idénticos a los de la prueba de hipótesis de la media (𝜎 2 conocido).
3. La proporción poblacional 𝑝 también es denotado por 𝜋

𝑦−𝑛𝑝0 ҧ 0
𝑝−𝑝
 Sea el valor numérico de la estadística de prueba 𝑧0 𝑧0 = = de la prueba de
𝑛𝑝0 (1−𝑝0) 𝑝0 (1−𝑝0 )
𝑛
hipótesis para 𝑝, el p-valor se calcula:
• Prueba de hipótesis bilateral: 𝒑 − 𝒗𝒂𝒍𝒐𝒓 = 𝟐(𝟏 − 𝑷 𝒁 ≤ 𝒛𝟎 )
• Prueba de hipótesis unilateral superior: 𝒑 − 𝒗𝒂𝒍𝒐𝒓 = 𝟏 − 𝑷(𝒁 ≤ 𝒛𝟎 )
• Prueba de hipótesis unilateral inferior: 𝒑 − 𝒗𝒂𝒍𝒐𝒓 = 𝟏 − 𝑷(𝒁 ≤ 𝒛𝟎 )
REGLA DE DECISIÓN:
EJERCICIO 12. Un fabricante afirma que el 30% de todos los consumidores prefiere su producto. Con el fin de
evaluar esta afirmación se tomó una muestra aleatoria de 400 consumidores y se encontró que 100 de ellos
prefieren dicho producto. ¿Existe evidencia suficiente para inferir que el porcentaje de preferencia del producto
no es 30%? Utilice α = 0.01.
i) 𝑝 : proporción de consumidores que prefieren el producto del
fabricante iv) Como 𝑧0 > −𝑧0.995 ( −2.1822 > −2.576), 𝑧0 ∉ 𝑅𝐶 .
Definimos las hipótesis: Por lo tanto, no se debe rechazar 𝑯𝟎 .
𝐻0 : 𝑝 = 0.30
𝐻1 : 𝑝 ≠ 0.30 v) No hay evidencia suficiente para afirmar que la
ത 0
𝑃−𝑝 proporción de consumidores que prefieren el producto
Estadístico de prueba (PH de 𝑝): 𝑍0 = ∼ 𝑁(0,1)
𝑝0 (𝟏−𝑝0 ) del fabricante es diferente de 0.30 con un nivel de
𝒏
significación del 1%, entonces concluimos que el
ii) Valores críticos (𝛼 = 0.01): 𝑧1−𝛼Τ2 = 𝑧0.995 = 2.576 fabricante tendría la razón.
−𝑧1−𝛼Τ2 = −𝑧0.995 = −2.576
𝑅𝐶 = −∞, −𝑧1−𝛼 ∪ 𝑧1−𝛼 , +∞ = −∞, −2.576 ∪ 2.576 , +∞
2 2
𝑝 − 𝑣𝑎𝑙𝑜𝑟 = 2 1 − 𝑃 𝑍 ≤ 𝑧0 = 2 𝑃 𝑍 > 𝑧0
= 2 𝑃 𝑍 > −2.1822 = 2 𝑃 𝑍 > 2.1822 = 0.029
Dado que 𝑝ҧ = 𝑦Τ𝑛 = 100Τ400 = 0.25
𝑝ҧ − 𝑝0 0.25 − 0.30
𝑍0 = = = −2.1822
𝑝0 (1 − 𝑝0 ) 0.30(1 − 0.30)
𝑛 400
EJERCICIO 12. Un fabricante afirma que el 30% de todos los consumidores prefiere su producto. Con el fin de evaluar esta afirmación se
tomó una muestra aleatoria de 400 consumidores y se encontró que 100 de ellos prefieren dicho producto. ¿Existe evidencia suficiente para
inferir que el porcentaje de preferencia del producto no es 30%? Utilice α = 0.01.
¿Preguntas?
¡GRACIAS!
Profesor: Dr. Martín Guillermo Cornejo Sarmiento

E-mail: mgcornejo@ulima.edu.pe
Web: https://cris.ulima.edu.pe/es/persons/mart%C3%ADn-guillermo-cornejo-sarmiento

Unidad 2 - Parte 1 - DE - 2023-0

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Unidad 2 - Parte 1 - DE - 2023-0

Cargado por

Copyright:

Formatos disponibles

FACULTAD DE INGENIERÍA Y ARQUITECTURA

CARRERA DE INGENIERÍA INDUSTRIAL

UNIDAD 2: PRUEBA DE HIPÓTESIS

PARTE 1: Prueba de hipótesis de un parámetro

Profesor: Dr. Martín Guillermo Cornejo Sarmiento

 Conocer y entender los principales términos y definiciones relacionados a prueba

La Estadística Inferencial puede ser dividida en dos grandes áreas:

Decisión 𝑯𝟎 verdadera 𝑯𝟎 falsa

• No se puede justificar la reestructuración de la metodología de enseñanza.

• Se puede justificar la reestructuración de la metodología de enseñanza.

Error de Tipo I: Aceptar erróneamente 𝐻1 (concluir erróneamente que 𝐻1 es verdadero)

• Concluir erróneamente que 𝑝 es superior a 0.70.

• Concluir erróneamente que se puede justificar la reestructuración de la metodología de enseñanza.

Error de Tipo II: Aceptar erróneamente 𝐻0 (concluir erróneamente que 𝐻0 es verdadero)

• Concluir erróneamente que 𝑝 no es superior a 0.70.

• Concluir erróneamente que no se puede justificar la reestructuración de la metodología de enseñanza.

• No se puede respaldar lo reportado por los clientes.

• Se puede respaldar lo reportado por los clientes.

Error de Tipo I: Aceptar erróneamente 𝐻1 (concluir erróneamente que 𝐻1 es verdadero)

• Concluir erróneamente que 𝜇 es menor que 500 ml.

• Concluir erróneamente que se puede respaldar lo reportado por los clientes.

Error de Tipo II: Aceptar erróneamente 𝐻0 (concluir erróneamente que 𝐻0 es verdadero)

• Concluir erróneamente que 𝜇 no es menor a 500 ml.

• Concluir erróneamente que no se puede respaldar lo reportado por los clientes.

• El cliente no debería rechazar (ni devolver) el lote de producción.

• El cliente debería rechazar (y devolver) el lote de producción.

Error de Tipo I: Aceptar erróneamente 𝐻1 (concluir erróneamente que 𝐻1 es verdadero)

• Concluir erróneamente que 𝜇 es diferente de 40 cm.

• Concluir erróneamente que la pieza está fuera de especificación.

• Concluir erróneamente que el cliente debería rechazar (y devolver) el lote de producción.

Error de Tipo II: Aceptar erróneamente 𝐻0 (concluir erróneamente que 𝐻0 es verdadero)

• Concluir erróneamente que 𝜇 es igual a 40 cm.

• Concluir erróneamente que la pieza está dentro de especificación.

2. PRUEBA UNILATERAL O DE UNA COLA

 Prueba unilateral izquierda (cola a la izquierda) o inferior:

 Prueba de hipótesis de la media

 Entender, realizar e interpretar correctamente la prueba de hipótesis referente a un

1. Prueba de hipótesis para 𝝁 cuando la varianza poblacional (𝝈𝟐 ) es conocida

2. Prueba de hipótesis para 𝝁 cuando la varianza poblacional (𝝈𝟐 ) es desconocida

donde 𝒁 será llamado estadístico de prueba

i. Formular la hipótesis nula (𝐻0 ) y la hipótesis alternativa (𝐻1 ):

• La región critica (𝑅𝐶) de la prueba de hipótesis:

𝑅𝐶 = 𝑍0 < −𝑧1−𝛼 𝑜 𝑍0 > 𝑧1−𝛼 o

donde 𝑎 = 𝜇0 − 𝑧1−𝛼 (𝜎Τ 𝑛) y 𝑏 = 𝜇0 + 𝑧1−𝛼 (𝜎Τ 𝑛)

Probabilidad de rechazar erróneamente 𝐻0 (Error tipo I ): Probabilidad de aceptar correctamente 𝐻0 :

Si 𝑧0 ∈ 𝑅𝐶 (𝑧0 < −𝑧1−𝛼 𝑜 𝑧0 > 𝑧1−𝛼 )  Rechazar 𝑯𝟎

v. Establecer la conclusión de la prueba de hipótesis en términos del caso

i. Formular la hipótesis nula (𝐻0 ) y la hipótesis alternativa (𝐻1 ):

• La región critica (𝑅𝐶) de la prueba de hipótesis:

iii. Calcular el valor de 𝑍0 con la información de la muestra:

i. Formular la hipótesis nula (𝐻0 ) y la hipótesis alternativa (𝐻1 ):

• La región critica (𝑅𝐶) de la prueba de hipótesis:

iii. Calcular el valor de 𝑍0 con la información de la muestra:

2. Dado 𝛼 y 𝐻1 , determinar la región critica (valores críticos).

PH bilateral 𝐻0 : 𝜇 = 𝜇0 𝐻1 : 𝜇 ≠ 𝜇0 𝑅𝐶 = −∞, −𝑧1−𝛼 ∪ 𝑧1−𝛼 , +∞

PH unilateral superior 𝐻0 : 𝜇 = 𝜇0 𝐻1 : 𝜇 > 𝜇0 𝑅𝐶 = 𝑧1−𝛼 , +∞

PH unilateral inferior 𝐻0 : 𝜇 = 𝜇0 𝐻1 : 𝜇 < 𝜇0 𝑅𝐶 = −∞, −𝑧1−𝛼

ERROR TIPO II y POTENCIA DE UNA PRUEBA DE HIPÓTESIS

CÁLCULO DE LA PROBABILIDAD DEL ERROR TIPO II y POTENCIA DE UNA PRUEBA DE HIPÓTESIS

TAMAÑO DE MUESTRA EN UNA PRUEBA DE HIPÓTESIS PARA LA MEDIA

1. Tamaño de muestra en una prueba de hipótesis bilateral para la media

2. Tamaño de muestra en una prueba de hipótesis unilateral para la media