Exposición del tema:

PRUEBA DE HIPÓTESIS
ESTADÍSTICA

Presentado por:

Mg. Liliana Huamán del Pino

 PARTE CONCEPTUAL

PRUEBA DE HIPÓTESIS ESTADÍSTICA

• OBJETIVO:  Estimar el parámetro desconocido
θ de la población a partir de una muestra
aleatoria usando la teoría de pruebas de
hipótesis.
 PRUEBA (CONTRASTE) DE HIPÓTESIS
ESTADISTICA.
Formulación general
Si θ es un parámetro desconocido, es decir una
constante,que caracteriza a la población en
estudio, que puede ser determinado con ayuda
de los modelos de probabilidad de una o varias
poblaciones univariantes o multivariantes,
podemos estar interesados en desarrollar la
siguiente prueba de hipótesis estadística :
• TIPOS DE HIPÓTESIS
• La hipótesis nula Ho es la hipótesis que el
investigador quiere rechazar y la hipótesis
alternativa H1 es la hipótesis que quiere aceptar
y probar. Las dos hipótesis son contrarias, osea
si se acepta la hipótesis nula se rechaza la
alternativa y viceversa.

• SUPOSICIÓN Primero se asume que la

población tiene distribución normal o
aproximadamente normal, esto es Xi con
distribución N(μ, σ2) donde el parámetro θ
desconocido a estimarse puede ser μ ó σ2 ,
esto se hace para que las conclusiones a que
se llegan de la prueba sean válidas osea
tengamos buenas inferencias estadísticas.


• ERROR DE LA PRUEBA Al realizar una prueba

de hipótesis siempre se obtiene un error que se
trata de minimizar. Tenemos dos tipos de errores:
• Error tipo I , se comete cuando se rechaza Ho
siendo que Ho es verdadera y su probabilidad
P(error tipo I) = que puede ser 0.05 , 0.01 .
Esta probabilidad se le conoce como el nivel de
significación de la prueba.
• Error tipo II , se comete cuando se acepta Ho
siendo que Ho es falsa y su probabilidad
P (error tipo II) =

• Cuando se minimiza alfa el otro error crece y
viceversa, así que minimizaremos una
combinación lineal de alfa y beta.
• CONDICIONES NECESARIAS
• Para poder llevar a cabo dicha prueba de
hipótesis es preciso disponer de lo siguiente:

1. Tener una muestra aleatoria de tamaño n de

la población en estudio.

2. Una estadística conveniente, relacionada de

alguna forma con el parámetro θ, que puede ser
la media poblacional ó la variancia poblacional
con distribución de probabilidad conocida. Esta
distribución de probabilidad permitirá cuantificar
el nivel de significación y el nivel de riesgo
de este contraste, respecto a un criterio
determinado.
3. Una regla o criterio llamada REGION
CRITICA (R) es la región que contiene los
valores de la estadística para los cuales se
rechaza la H0, adoptando una decisión:
rechazar o no esta hipótesis nula. Para un
nivel de significación que puede ser fijado por
el investigador, el criterio determinará de
manera equivalente una región R, crítica o de
rechazo de H0 y, entonces, se tendrá:

Para el nivel de significación se tiene :

 PARTE PROCEDIMENTAL:
PRUEBAS RELACIONADAS CON LA MEDIA
DE UNA POBLACIÓN NORMAL
• Ejemplo 1. Una máquina para enlatar
conservas de pescado ha sido regulada para
que el contenido de cada lata sea de 16
onzas. Usando  =0.05 ¿diría usted que la
máquina ha sido adecuadamente regulada, si
una muestra de 20 latas dió un peso medio de
16.05 onzas y una desviación estándar de 1.5
onzas?
• Solución:
• Primer Paso.
• Planteo de las hipótesis:
Ho : u = 16 x H1 : u  16
• Segundo Paso
• Fijar el valor del nivel de significación  = 0.05
• Tercer Paso
• Escoger la estadística adecuada cuya distribución
por muestreo sea conocida, en el supuesto de que
Ho es verdadera.
• T = (X- µ) / (S/ √n )
con distribución t-student con (n-1) grados de
libertad.
• Cuarto Paso
• Establecer la región crítica y el valor crítico ( o
valores críticos) obtenido de la tabla estadística
según la estadística escogida.
Los valores críticos se determinan a partir de la
igualdad

P( T > t(n-1) ) = ά / 2

Donde T es una variable con distribución t-

student con n-1 grados de libertad.
Gráficamente, los valores críticos establecen los
puntos frontera de la región crítica R :
 Dado que la región crítica se localiza en las "colas"
izquierda y derecha de la función de densidad de la
estadística utilizada, el contraste que estamos
desarrollando se denomina bilateral.
• En este ejemplo 1 el valor crítico para  = 0.05
con 19 grados de libertad, es a la derecha 2.093
y a la izquierda -2.093, para valores
comprendidos entre estos dos valores se acepta
Ho caso contrario se rechaza Ho.
• Quinto paso:
• El valor de la estadística es:
T = (16.05 – 16 ) / ( 1.5 / √20) = 0.149
• Sexto paso : Conclusión de la prueba:
Como -2.093 < 0.149 < 2.093 se acepta Ho.
Esto quiere decir que no hay evidencia
estadística para rechazar Ho para  =0.05 . En
términos del ejemplo quiere decir que la
máquina ha sido adecuadamente regulada.
 NOTA
• Usando software estadístico (SPSS) para
formular el criterio de rechazo de la hipótesis
nula se usa el P-valor (llamado SIG) = P( T >
t) osea es el area a la derecha del valor de la
estadística hallada en el quinto paso.
• Entonces, de manera equivalente se tiene:
CONTRASTES DE HIPÓTESIS ESTADISTICAS.
Valores medios en poblaciones independientes.
• Contrastes sobre valores medios en
poblaciones independientes.  Con el fin de
desarrollar de una forma más operativa un
contraste de hipótesis, nos vamos a servir de la
situación particular que afecta a dos
poblaciones  independientes, X e Y,  con
distribuciones normales N(μx,σx) y N(μy,σy) ,
respectivamente. Se supone, además, que las
varianzas de estas poblaciones son
desconocidas pero no significativamente
distintas. Se pretende inicialmente contrastar la
existencia de diferencias apreciables entre los
valores medios de estas poblaciones:
Actuaremos sistemáticamente, siguiendo los
pasos señalados en la página anterior (θ = μx-
μy  y  θo = 0):

Se extraerán muestras aleatorias de tamaños

n1 y n2 , de X e Y, respectivamente:
Dada la información disponible, el estadístico a
utilizar será:
Este estadístico sigue una distribución T de
Student con (n1+n2-2) grados de libertad.
Fijado el nivel de significación, y bajo el supuesto
de la veracidad de H0 (lo que supone μx-μy = 0),
se adopta el siguiente criterio:
Es decir, se duda de la veracidad de H0
cuando la diferencia entre las medias
muestrales de las observaciones es
"sustancialmente grande". Los valores críticos
se determinan a partir de la igualdad