Tema Viii. Contraste de Hipótesis

CAPÍTULO 8
Test de hipótesis
9-1
© Copyright McGraw-Hill 2000
Objetivos
 Comprender las definiciones y conceptos usados en
en el test de hipótesis.
 Aprender a definir la hipótesis nula y la hipótesis
alternativa.
 Aprender a encontrar los valores críticos para el test
z.
 Enumerar los 5 pasos usados para el test de
hipótesis.
 Aprender a realizar test de medias para muestras
grandes usando el test z.
 Aprender a realizar test de hipótesis para medias con
muestras pequeñas usando el test t. 9-2
Objetivos (continuación)
 Aprender a hacer test de proporciones usando
el test z.
 Explicar la relación entre errores del tipo I y
tipo II y el concepto de potencia de un test.
9-3
Introducción
 Test de hipótesis estadístico es un proceso para tomar decisiones sobre la validez de una
afirmación sobre el valor de un parámetro de una población.
 En el test de hipótesis, el investigador debe:
1. definir primero la población bajo estudio.
2. definir exactamente cual será la hipótesis que se quiere investigar.
3. proporcionar el nivel de significancia.
4. seleccionar una muestra de la población
5. recolectar la información
6. realizar los cálculos requeridos para realizar el test
7. llegar a una conclusión.
9-4
Test de hipótesis
 Las hipótesis se refieren a parámetros tales
como la media, o proporciones que se quieren
investigar.
 El test z y el test t se usan para test de
hipótesis que involucran la media de una
población.
9-5
8-2 Procedimiento para el test de hipótesis
 En general, a usted se le proporcionará una afirmación
concerniente a un parámetro de una población y se le preguntará
si:
1. ¿Existe suficiente evidencia para aceptar la afirmación? O
2. ¿Existe suficiente evidencia para rechazar la afirmación?
 Si a usted se le hace una pregunta como la Nº1, entonces al final
del proceso del test de hipótesis su respuesta será:
 SI existe suficiente evidencia para aceptar la afirmación, o
 NO existe suficente evidencia para aceptar la afirmación
 Si a usted se le hace una pregunta como la Nº 2, entonces al final
de proceso del test de hipótesis su respuesta será:
 SI existe suficiente evidencia para rechazar la afirmación, o
 NO existe suficiente evidencia para rechazar la afirmación.
9-6
8-2Procedimiento para el test de hipótesis:Ejemplo
 Un investigador médico está interesado en saber si un nuevo
9-9
medicamento tendrá efectos secundarios indeseables. Al investigador le
interesa saber, en particular, si afectará el pulso de los pacientes que
toman este medicamento. El investigador afirma que el nuevo
medicamento no afecta el pulso de los pacientes. El promedio de pulso
en adultos es de 82. ¿Existe suficiente evidencia para rechazar la
afirmación del investigador?
 En este caso la afirmación es “El nuevo medicamento no afecta el pulso
de los pacientes”.
 En este problema se les pregunta ¿“Existe suficiente evidencia para
rechazar la afirmación del investigador?”
 Sus posibles respuestas son:
 Si existe suficiente evidencia para rechazar la afirmación del
investigador, o
 No existe suficente evidencia para rechazar la afirmación del
investigador.
9-7
8-2Procedimiento para el test de hipótesis:Ejemplo
 Un químico inventa un aditivo para aumentar la vida de la
batería de los automóviles. Si la vida promedio de una
batería normal es de 36 meses, ¿existe suficiente evidencia
para aceptar la afirmación del investigador?
 Aquí la afirmación es que el nuevo aditivo aumenta la vida
de las baterías de los automóviles.
 En este caso se le pregunta a Ud. Si “existe suficente
evidencia para aceptar la afirmación del investigador.”
 Sus posibles respuestas son:
 Sí existe suficente evidencia para aceptar la afirmación o
 No existe suficiente evidencia para aceptar la afirmación.
9-8
8-2: Hipótesis nula e hipótesis alternativa
 Hasta este momento hemos hablado de afirmaciones y de
la forma de las preguntas sobre estas afirmaciones.
 Cómo puede uno decidir si
 Existe suficiente evidencia para aceptar la afirmación, o
 No existe suficiente evidencia para aceptar la
afirmación?
 EL proceso de decisión comienza por introducir dos tipos
de hipótesis estadísticas: la hipótesis nula y la hipótesis
alternativa. Hay que decidir después si la afirmación será la
hipótesis nula o la hipótesis alternativa.
9-9
Hipótesis
 Una hipótesis estadística es una conjetura
sobre un parámetro de la población que
puede ser verdadera o falsa. Por ejemplo, la
conjetura puede ser que la media de la
población es igual a 3 (en símbolos
matemáticos, =3 )
 Existen dos tipos de hipótesis estadísticas: la
nula y la alternativa.
9-10
Hipótesis
 La hipótesis nula, representada por H0, es

una hipótesis estadística que afirma que no
hay diferencia entre un parámetro y un valor
específico, o entre dos parámetros.
 La hipótesis alternativa, representada por
H1, es una hipótesis estadística que afirma
que existe una diferencia entre el parámetro y
un valor específico, o entre dos parámetros.
9-11
8-2 Proceso de test de hipótesis
 La hipótesis alternativa dice exactamente lo opuesto de
lo que la hipótesis nula afirma.
 Por ejemplo, si H0 es =4 entonces H1 es   4
 Por ejemplo si H0 es 4 (“la media de la población es
menor o igual a 4”) entonces H1 es  > 4
 Por ejemplo si H0 es 4 (“la media de la población es
major o igual a 4”) entonces H1 es  < 4
 Como H1 es siempre lo opuesto de H0 sabemos que:
 Si H0 es rechazada, entonces H1 debe ser aceptada.
 Si no existe suficiente evidencia para rechazar H0

entonces no existe suficiente evidencia para aceptar H1
9-12
8.2. Proceso de test de hipótesis
 En cada proceso de test de hipótesis, la afirmación se
debe asociar con la hipótesis nula o con la hipótesis
alternativa.
 En el proceso de test de hipótesis, sólo para la hipótesis
nula,
nula representada por H0,, se decide su validez.
 Al final del proceso de test de hipótesis, solo hay dos
posibles respuestas:
H0 se rechaza o H0 no se rechaza.
 ¿Confundido? La siguiente diapositiva resume el
proceso.
9-13
8-2 Resumen del proceso de test de

hipótesis
En los problemas de test de hipótesis, a Ud. se le proporcionará
una afirmación y se le preguntará si:
1. Existe suficiente evidencia para aceptar la afirmación? o
2. Existe suficiente evidencia para rechazar la afirmación?
 En el proceso de test de hipótesis existen dos tipos de hipótesis: la
hipótesis nula H0 y la hipótesis alternativa H1 . La afirmación se
debe asociar con una de estas dos hipótesis.
 Los únicos posibles resultados de un proceso de test de hipótesis
son:
Rechace H0 o No rechace H0
(que es lo mismo que (que es lo mismo que no

aceptar H1) aceptar H1) 9-14
8-2 Resúmen del proceso de test de hipótesis
 Una vez que el proceso de test de hipótesis nos da

una de las dos posibles respuestas (se rechaza H 0 o
no se rechaza H0) se necesita transformar la
respuesta en una respuesta sobre la afirmación que
puede ser:
 Existe suficiente evidencia para aceptar (o rechazar) la
afirmación, o
 No existe suficiente evidencia para aceptar (o rechazar) la
afirmación
 ¿Cómo lograr tranformar la respuesta? Pase a la siguiente
diapositiva. 9-15
Pasos en el proceso de test de hipótesis
 El PRIMER PASO es decidir si la afirmación debe ser H0 o
H1. ¿Cómo decidir?
 Mirando la forma de la pregunta sobre la afirmación en el
problema.
 Si la pregunta sobre la afirmación es similar a: “existe
suficiente evidencia para aceptar la afirmación” entonces la
afirmación es H1
 Si la pregunta sobre la afirmación es similar a “existe
suficiente evidencia para rechazar la afirmación” entonces
la afirmación es H0
 Aqui vienen algunos ejemplo
9-16
8-2Pasos en el proceso de test de hipótesis Ejemplo
9-9
 Un investigador médico está interesado en saber si un
nuevo medicamento tendrá efectos secundarios
indeseables. Al investigador le interesa saber, en particular,
si afectará el pulso de los pacientes que toman este
medicamento. El investigador afirma que el nuevo
medicamento no afecta el pulso de los pacientes. El
promedio de pulso normal en adultos es de 82. ¿Existe
suficiente evidencia para rechazar la afirmación del
investigador?
9-17
8-2 Pasos en el proceso de test de hipótesis Ejemplo
 La afirmación en este caso es que el promedio del pulso de
los pacientes es 82 (es decir que el promedio del pulso de
los pacientes es el mismo que el promedio del pulso de la
población normal)
 Matemáticamente, = 82 . Necesitamos decidir si esta
afirmación es H0 o H1 .
 Note que la pregunta sobre la afirmación es : “Existe
suficiente evidencia para rechazar la afirmación del
investigador? “
 Esto quiere decir que la afirmación debe ser asociada con
H0 . Es decir que H0: = 82 . Entonces esto quiere decir que
H1:  82
 En resumen: H0: = 82 (afirmación) H1:  82
9-18
8-2 Recordatorio
 Recuerde, si la pregunta sobre la afirmación en el

problema es similar a “existe suficiente evidencia
para rechazar la afirmación,” entonces la
afirmación es H0
 Si la pregunta sobre la afirmación en el problema

es similar a “existe suficiente evidencia para
aceptar la hipótesis”, entonces la afirmación es H1
9-19
 Un químico inventa un aditivo para aumentar

la vida de la batería de los automóviles. Si la
vida promedio de una batería normal es de 36
meses, ¿existe suficiente evidencia para
aceptar la afirmación del investigador?
9-20
 La afirmación es que el aditivo aumenta la vida útil de las
baterías.
 Matemáticamente, la afirmación se escribe  36 .
Necesitamos decidir si la afirmación es H0 ó H1 .
 Note que la pregunta es : “Existe suficiente evidencia para
aceptar la afirmación del químico? “
 Esto quiere decir que la afirmación es H1. Es decir que H1:
 36 .
 Esto quiere decir que H0 es lo opuesto, es decir H0: 36
 En resumen: H0: 36 H1:  36 (afirmación)
9-21
8-2 Recuerde
 Recuerde, si la pregunta sobre la afirmación en

el problema es similar a “existe suficiente
evidencia para rechazar la afirmación ”, entonces
la afirmación es H0
 Si la pregunta sobre la afirmación en el problema

es similar a “ existe suficiente evidencia para
aceptar la hipótesis”, entonces la afirmación es H1
9-22
 Un constructor afirma que puede disminuir las facturas de
calefacción si utiliza un material especial en las casas que
construye. Si el promedio de las facturas de calefacción en
casas normales es de 78 dólares, es posible concluir que
su hipótesis sobre la disminución de las facturas de
calefacción es cierta?
9-23
 La afirmación es que el material especial reduce la factura
de calefacción.
 Matemáticamente, la afirmación se escribe  78 .
Necesitamos decidir si la afirmación es H0 ó H1 .
 Note que la pregunta es equivalente a : existe suficiente
evidencia para aceptar la afirmación?
 Esto quiere decir la afirmación es H1. Es decir que H1: 
78 .
 Esto quiere decir que H0 es lo opuesto, es decir H0: 78
 En resumen: :H0: 78 H1:  78 (afirmación)
9-24
8-2 Regiones críticas
 Hasta este momento hemos aprendido cómo obtener,
a partir de la afirmación del problema, la hipótesis
nula y la alternativa.
 También sabemos que el proceso de test de hipótesis
solo trabaja con la hipótesis nula (H0) y los únicos
posibles resultados del proceso son:
 Existe suficiente evidencia para rechazar H0 o
 No existe suficiente evidencia para rechazar H0
 ¿Cómo se decide si existe (o no) suficiente evidencia

para rechazar H0? Continúe con la siguiente
diapositiva
9-25
8-2 Regiones Críticas-Caso 1
 He aquí la idea principal: Vamos a asumir que la
hipótesis nula es cierta.
 Por ejemplo, si la hipótesis nula es  = 82 vamos a
asumir que de verdad  = 82 .
 Pero esto quiere decir que como la media de la
distribución X es 82 y la desviación estándar es ,
sabemos por el teorema del límite central que la media
de la distribución X-barra (la distribución de las medias
de las muestras de un tamaño fijo) es también  = 82 y
la desviación estándar es /n donde n es el tamaño de
la muestra.
 Además, si n>30 sabemos que la distribución de X-
barra es aproximadamente normal.
 Suponga entonces que tomamos una muestra de
tamaño n, calculamos el promedio
© Copyright y obtenemos 30.
McGraw-Hill 2000
9-26
8-2 Regiones críticas. Caso 1
Esta es la distribución de X-barra (si
asumimos que la hipótesis nula es cierta)
En este caso el valor de la muestra
es altamente improbable (porque
está muy lejos de la media)
Es decir que si la media de la
muestra es 30, podemos concluir
Noncritical
que hay una gran probabilidad de region
Critical
region
que la hipótesis nula sea falsa,
porque si fuera cierta, la
probabilidad de tener una muestra 30 0
82 +z
con media 30 es muy remota.
Concluimos entonces que existe
Este es el valor de la media de
suficiente evidencia para rechazar lala muestra
9-27
hipótesis nula. © Copyright McGraw-Hill 2000
8-2 Regiones críticas-caso 2
 Ahora suponga, para el mismo caso anterior,
que la media de la muestra que tomanos nos
dió 60 en vez de 30. Continue con la siguiente
diapositiva.
9-28
8-2 Regiones Críticas: caso 2
Esta es la distribución de X-barra (si
asumimos que la hipótesis nula es cierta)
En este caso el valor de la
muestra no es altamente
Valores lejos
improbable (porque no está
de la media,
muy lejos de la media) son muy
improbables
Entonces no podemos Noncritical Critical
region
concluir que la hipótesis region
nula sea falsa, es decir

Que no hay suficiente 0
82 +z
60
evidencia para rechazar la
hipótesis nula.
Este es el valor de la media de
la muestra 9-29
8-2 Regiones críticas y valores del test
 En resumen, asumimos que la hipótesis nula es
cierta y consideramos la distribución (normal) de X-
barra.
 Consideramos después la media de la muestra. Si
esta media es muy improbable que se obtenga
(asumiendo que H0 es cierta) entonces concluimos
que hay suficiente evidencia para rechazar la
hipótesis nula.
 Si en cambio la media obtenida de la muestra no es
un resultado muy improbable (asumiendo que H0 es
cierta) entonces podemos concluir que no hay
suficiente evidencia para rechazar la hipótesis nula.
9-30
8-2 Regiones críticas y valores de test
 Naturalmente, tenemos que ser precisos y decir
exactamente cuáles valores de la media de la muestra
serán muy improbables (asumiendo que H0 es cierta).
 La región de la distribución normal (de X-barra) para la
cual los valores de la media de la muestra se consideran
altamente improbables se llama la región crítica.
 La región de la distribución normal (de X-barra) para la
cual consideramos que los valores de la media de la
muestra no son altamente improbables se llama la
region no crítica. Esta región esta limitada por los
valores críticos.
 Los valores críticos, a su vez dependen del nivel de
significancia 
9-31
8-2 Test de hipótesis: nivel de significancia
 En una situación de test de hipótesis, el investigador decide
qué nivel de significancia se va a usar.
 Valores típicos de niveles de significancia son: 0.10, 0.05, y
0.01.
 Por ejemplo, cuando  = 0.10, esto quiere decir que
cualquier media de muestra que tenga una probabilidad de
10% o menor de aparecer (asumiendo que la hipótesis nula
es cierta) se considera altamente improbable.
 Por ejemplo, cuando  = 0.05, esto quiere decir que
cualquier media de muestra que tenga una probabilidad de
5% o menor de aparecer (asumiendo que la hipótesis nula
es cierta) se considera altamente improbable. 9-32
8-2 Valores críticos para el test de hipótesis
 Después de que se ha seleccionado un nivel de significancia , los
valores críticos se encuentran a partir de la tabla de los valores z o
de los valores t.
 Los valores críticos separan la region crítica de la región no
crítica. El símbolo para los valores críticos es C.V. (Critical Values).
Para el caso en que la distribución de X-barra es normal, se
obtienen los valores críticos para cada , a partir de la TABLA
E.
 El valor del test es el valor de la media de la muestra transformada
X   la fórmula
en un valorz zusando
 n
where
X = sample mean
 = hypothesized population mean
 = population deviation
n = sample size 9-33
Resumen
 Resumamos el proceso entero.
 Suponga que a usted se le proporciona una afirmación H sobre la media
 de una población. A Ud. También se le proporcionará la media X-barra
de una muestra. A usted se le preguntará si existe suficiente evidencia
para aceptar la afirmación como cierta (en cuyo caso la afirmación es H1)
o se le preguntará si existe suficiente evidencia para rechazar la
afirmación (en este caso la afirmación sera H0 )
 Una vez que usted identifica que es H0 hay que decidir si hay suficiente
evidencia para rechazar H0 . Para el nivel de significancia dado usted
obtiene los valores críticos (1 o 2). En este caso los valores críticos se
obtienen de la tabla E de la distribución normal.
 A continuación usted debe transformar la media de la muestra en el valor
test. Si el valor test esta dentro de la region crítica decimos que hay
suficiente evidencia para rechazar la hipótesis nula. Si no, entonces
decimos que no hay suficiente evidencia para rechazar la hipótesis nula.
9-34
Regiones críticas
 La forma de las regiones críticas depende de
la forma de la hipótesis nula.
 La siguientes diapositivas muestran diferentes
formas de la región crítica.
9-35
Test de un sólo lado
 Un test de un solo lado es un test donde la
region crítica aparece completamente a un
lado de la media.
 Un test de un solo lado puede ser del lado
izquierdo o del lado derecho dependiendo de
la dirección de la desigualdad en la hipótesis
nula.
 En las siguiente diapositivas vamos a ver
ejemplos de test de lado derecho y de lado
izquierdo.
9-36
Test de lado izquierdo
H0:   k   0.10, C. V.  1.28

H1:   k   0.05, C. V.  1.65
  0.01, C. V.  2.33
Si H0: es de la forma
 k entonces la
Noncritical
región crítica esta a
Critical region la izquierda de la
region
media
-z 0
9-37
Test del lado derecho
H0:   k   0.10, C. V.  1.28

H1:   k   0.05, C. V.  1.65
  0.01, C. V.  2.33
Si H0: es de la forma
 k entonces la
región crítica esta a Noncritical Critical
la derecha de la region region
media
0 +z
9-38
Test de dos lados
 En un test de dos, la region crítica aparece a
ambos lados de la media.
9-39
Test de dos lados (continuación)
H0:   k   0.10, C. V.  1.65

H1:   k   0.05, C. V.  1.96
Si H0: es de la forma   0.01, C. V.  2.58
 k entonces la
region crítica esta a
la derecha y a la
izquierda de la
media. Noncritical
region
Critical
region
-z 0 +z
9-40
¿Listo para ver algunos ejemplos?
 Después de esta larga introducción, veamos
algunos ejemplos.
 Pero antes de pasar a los ejemplos, repasemos
los diferentes pasos necesarios para realizar
un test de hipótesis.
9-41

Test de hipótesis (importante)
Paso 1 Identifique la afirmación y encuentre cuál es la hipótesis
nula
 Paso 2 Asuma que la hipótesis nula es cierta
 Paso 3 Encuentre el nivel de significancia  y la forma de
la region crítica (test de lado izquierdo, test de lado derecho o
test de dos lados)
 Paso 4 Usando  y la forma de la región crítica, encuentre el o los
valores críticos a partir de la Tabla E.
 Paso 5 Calcule el valor del test a partir de la media de la
muestra.
 Paso 6 Si el valor del test está en la región crítica: Existe
suficente evidencia para rechazar la hipótesis nula.
Si el valor del test está fuera de la region crítica: No existe
suficiente evidencia para rechazar la hipótesis nula.
 Paso 7 Escriba la respuesta final en términos la afirmación
original. 9-42
8-3 Ejemplo
 Un investigador afirma que el promedio de salario

de los profesores auxiliares es más de 42,000
dólares al año. Una muestra de 30 profesores
auxiliares tiene una media de salario de $43,260.
Usando  = 0.05, existe suficiente evidencia para
aceptar la afirmación de que el promedio de los
salarios de los profesores auxiliares es mayor que
42,000 dólares al año? La desviación estándar de
la población es $5230.
9-43
8-3 Ejemplo
 Paso 1: Identifique la afirmación y las hipótesis.
 La afirmación es  $42,000
 Como se nos pregunta si hay suficiente evidencia para
aceptar la afirmación, sabemos que la afirmación es H1
 H0: $42,000 H1:  $42,000(afirmación)

 Paso 2: Asuma que $42,000 es cierta (La hipótesis nula)
 Paso 3: Encuentre el nivel de significancia y la forma de la
region crítica.
 En este caso se nos da que  = 0.05. El test es un test de
lado derecho (a causa de la forma de la hipótesis nula)
9-44
8-3 Ejemplo
 Paso 4: Encuentra el valor crítico. Como  = 0.05, el valor
crítico se obtiene de la Tabla E mirando el valor de z que
corresponde a la región crítica de =.05
 Obtenemos de la tabla E que
 z= +1.65.
.(que corresponde a un área de
0 a z igual a 0.45)
Noncritical Critical
region
region
0 +z
9-45
8-3 Ejemplo
 Paso 5: Calcule el valor test.
 Debemos tomar el valor de X-barra (43,200) y
transformarlo en un valor z usando la fórmula
[(x-barra)-]/(/n)
 z = [43,260 - 42,000]/[5230/30] = 1.320.
 Paso 6: Efectua la decisión. Como el valor test,
+1.32, es menor que el valor crítico, +1.65, el valor
test no está en la región crítica. La decisión es que
no hay suficiente evidencia para rechazar la
hipótesis nula.
9-46
8-3 Ejemplo
Si el valor test aquí en la región crítica,
rechace la hipótesis nula.
Pero el valor test esta

aquí, en la region no
crítica: no hay
suficiente evidencia 1.65
para rechazar la
hipótesis nula.
1.32
9-47
8-3 Ejemplo
 Paso 7: Transforme sus resultados en términos de
la afirmación original. Como la afirmación original
es la hipótesis alternativa, es decir que no hay
suficiente evidencia para rechazar la hipótesis
nula es lo mismo que decir que no hay suficiente
evidencia para aceptar la hipótesis alternativa, o
sea, que no hay suficiente evidencia para aceptar
la afirmación de que los profesores auxiliares
ganan en promedio más de $42,000 al año.
9-48
8-3 Ejemplo
 Una revista afirma que el universitario en
promedio mira la televisión menos que el público
en general. El promedio nacional es de 29.4 horas
por semana. La desviación estándar de la
población es de 2 horas. Una muestra de 30
estudiantes universitarios tienen una media de 27
horas. Hay suficiente evidencia para aceptar la
afirmación con  = 0.01?
9-49
8-3 Ejemplo
 Paso 1: Identifique la afirmación y las hipótesis.

 La afirmación es  29.4
 Como se nos pregunta si hay suficiente evidencia
para aceptar la afirmación, sabemos que la
afirmación es H1
 H0: 29.4 H1:  29.4 (afirmación)

 Paso 2: Asuma que 29.4 es cierta (La hipótesis
nula)
9-50
8-3 Ejemplo
 Paso 3: Encuentre el nivel de significancia y la forma de la
region crítica.
 En este caso se nos da que  = 0.01. El test es un test de
lado izquierdo (a causa de la forma de la hipótesis nula)
 Paso 4: Encuentra el valor crítico. Como  = 0.01, el valor
crítico se obtiene de la Tabla E mirando el valor de z que
corresponde a la región crítica de =.01
 Obtenemos de la tabla E que
 -z= -2.33.
Noncritical
.(que corresponde a un área de Critical region
region
0 a z igual a 0.49)
-z 0
9-51
8-3 Ejemplo
 Paso 5: Calcule el valor test.

 Debemos tomar el valor de X-barra (27) y
transformarlo en un valor z usando la fórmula
[(x-barra)-]/(/n)
 z = [27 – 29.4]/[2/30] = -6.57.
 paso 6: Efectua la decisión. Como el valor test
-6.57, está en la región crítica, por tanto, la
decision es que hay suficiente evidencia para
rechazar la hipótesis nula.
9-52
8-3 Ejemplo
Si el valor test esta aquí, en la región no

crítica, no hay suficiente evidencia para
rechazar la hipótesis nula
Pero el valor test -6.57

esta aquí en la
region crítica:
rechaze la hipótesis
nula.
-2.33
9-53
8-3 Ejemplo
 Paso 6: Como la afirmación es la hipótesis
alternativa, sabemos que rechazar la hipótesis
nula es equivalente a aceptar la hipótesis
alternativa (que es la afirmación)
 Concluimos entonces que existe suficiente
evidencia para aceptar la afirmación de que los
estudiantes universitarios miran menos televisión
que el público en general.
9-54
8-3 Ejemplo
 La fundación para la educación en rehabilitación
reporta que el costo promedio de rehabilitación
para las víctimas de un infarto es 24,672 dólares.
Para ver si el costo de rehabilitación para las
víctimas de un infarto es diferente en un gran
hospital donde trabaja, un investigador seleccionó
al azar una muestra de 35 víctimas de infarto y
encontró que el costo promedio de su
rehabilitación fue de $25,226.
 La desviación estándar de la población es $3,251.
A  = 0.01, ¿se puede concluir que el costo
promedio de la rehabilitación de un infarto en el
hospital es diferente de $24,672?
9-55
8-3 Ejemplo
 Paso 1: Identifique la afirmación y la hipótesis nula.
 La afirmación es  $24,672
 Como se nos pregunta si existe suficiente evidencia para
aceptar la afirmación, concluimos que la afirmación es
H1
 H0: $24,672 H1:  $24,672 (afirmación)
 Paso 2: Asuma que H0: $24,672 es cierta.

 Paso 3: Encuentre el nivel de significancia y la forma de
la región crítica.
9-56
8-3 Ejemplo
 En este caso nos dicen que  = 0.01. El test es un test de dos lados (A
causa de la forma de la hipótesis nula),
 Paso 4:Encuentre el valor crítico. Como  = 0.01, el valor crítico se
obtiene de la Tabla E en el apéndice C, mirando al valor z
correspondiente al área crítica de =.01/2=.005
 (note que dividimos .01 en 2!
Esto es porque la región crítica total está hecha de 2 áreas)
 Obtenemos de la tabla E
que los valores críticos son
z = -2.58 and +2.58. Critical
(Correspondiendo a un área desde 0 a region Noncritical
region
Critical
region
z igual a 0.495)
0 +z
9-57
8-3 Ejemplo
 Paso 5: calcule el valor test.

 Tomamos el valor de X-barra (25,226 ) y lo
transformamos en un valor z usando la formula
[(x-bar)-]/(/n)
 z = [25,226 - 24,672]/[3,251/35] = 1.01.
 Paso 6: Tome la decision final. Como el valor test,

+1.01, no esta en la región crítica, la decisión es
“No rechace la hipótesis nula.”
9-58
8-3 Ejemplo
Sin embargo el valor test esta aquí, en la
region no crítica: no se puede rechazar la
hipótesis

Si el valor test esta

En la region crítica:
Rechaze la hipótesis
nula
-2.58 2.58
9-59
8-3 Ejemplo
 Paso 7: como la afirmación es la hipótesis
alternativa, no rechazar la hipótesis nula es
equivalente a no aceptar la hipótesis alternativa (la
afirmación).
 Resuma su resultado para la afirmación. No existe
suficiente evidencia para soportar la afirmación de
que el costo promedio de la rehabilitación de un
paciente que sufrio un infarto en el hospital sea
diferente de $25,260.
9-60
 Paso 1 RESUMEN (µ>K,
Identifique la afirmación PROCESO
µ=K óDE TEST DE HIPÓTESIS
µ<K)
Pregunta: ¿Evidencia suf para aceptar ó rechazar?
Encuentre cuál es la hipótesis nula: si aceptar, entonces afirmación=H1; si rechazar, entonces
afirmación=Ho
 Paso 2 Asuma que la hipótesis nula es cierta
 Paso 3 Encuentre el nivel de significancia  y la forma de la región crítica:
» test de lado izquierdo: µK
» test de lado derecho: µK
» test de dos lado: µ=K
 Paso 4 Usando  y la forma de la región crítica, encuentre el o los valores críticos a partir de
la Tabla E.
» Si test de lado derecho o de lado izquierdo: buscar valor z de (0.5- ) en la Tabla E
» Si test de dos lados: buscar valor z de (0.5- /2) en la Tabla E.
 Paso 5 Calcule el valor de test a partir de la media de la muestra (Xbarra): se calcula el valor de
z para [(x-barra)-]/(/n)
 Si el valor de la desviación estándar de la población se desconoce, pero se conoce la desviación estándar de la muestra
(s), y el tamaño de la muestra (n) > 30, se utiliza la distribución Z siguiente: z=(x-barra)- ]/(s/n)
 Si se desconoce la desviación estándar de la población (), pero se conoce la desviación estándar de la muestra (s), y el
tamaño de la muestra: n < 30, se utiliza la distribución T: t=(x-barra)- ]/(s/n). Los grados de libertad d.f.= n-1. Se
utiliza la Tabla F.
 Si se trata de una proporción (porcentaje de una población): z = ((X/n) – p) / (p*q/n)
 Paso 6 > Si el valor de test está en la región crítica:

Existe suficente evidencia para rechazar la hipótesis nula.
> Si el valor de test esta fuera de la region crítica: No
existe suficiente evidencia para rechazar la hipótesis nula.
 Paso 7 Escriba la respuesta final en términos la afirmación original. 9-61
Qué hacer si no se conoce 
 Los problemas de test de hipótesis que hemos discutido hasta
ahora requieren que conozcamos la desviación estándar () de la
población.
 Esto no es realista. La mayor parte del tiempo, sólo sabemos la
desviación estándar de la muestra (s).
 El Teorema del Límite Central afirma que cuando la deSviación
estándar de la población, , no se conoce, se puede reemplazar
en los cálculos por la desviación estándar de la muestra, s,
siempre y cuando el tamaño de la muestra sea mayor o igual
que 30.
 Entonces, si usted no conoce la desviación estándar de la
población, y usted conoce la la desviación estándar de la
muestra, usted puede utilizar la siguiente fórmula para
encontrar el valor test:
X 
n  30 z
s McGraw-Hill
© Copyright n 2000
9-62
8-3 Cuándo usar la distribución z
 La formula z
X 
 n
donde
X = media de la muestra
 = media de la poblacion segun hipotesis
 = desviacion estandard de la poblacion
n = tamano de la muestra
puede usarse para encontrar el valor test siempre y cuando:
 Se conoce el valor de  y la distribución de la variable X es
normal, o
  se conoce y n  30,
 O  es desconocida, pero se conoce s y n  30
Si ninguna de las condiciones mencionadas arriba se conocen, no
podemos usar la fórmula al principio de la diapositiva y
tendremos que usar otra formula basada en la distribución t.
Este es el tema de la sección 8-4.
9-63
El test t
 El test t es un test estadístico que se usa para el test
de hipótesis de la media de una población cuando la
distribución es normal o aproximadamente normal,
se desconoce  y el tamaño de la muestra es menor
de 30.
 La fórmula para el valor crítico, obtenida usando el
test t es:
X 
t 
s n
 Los grados de libertad son d.f. = n–1.
 En la siguiente diapositiva encontrará algunos
ejemplos sobre como usar la Tabla F. 9-64
Ejemplos de los usos de los test t.
 Ahora que usted sabe como encontrar los valores de t
de la Tabla F volvemos la el proceso del test de
hipótesis. Recuerde:
 El test t es un test estadístico de la media de una
población y se usa cuando la población es normal o
aproximadamente normalmente distribuida,  es
desconocido y el tamaño de la muestra es menor que
30.
 La formula para el valor crítico, obtenida usando el
test t, es : X 
t 
s n
 Los grados de libertad son d.f. = n–1.
9-65
8-4 Test para media con muestras pequeñas -
Ejemplo
 Un director de una agencia de empleos afirma que
el promedio del salario inicial para enfermeras es
$24,000 al año. Una muestra de 10 enfermeras
tiene una media de $23,450 y una desviación
estándar de $400. Existe suficiente evidencia
para rechazar la afirmación del director usando 
= 0.05?
9-66
Ejemplo
 Paso 1: Describa las hipótesis e identifica la

afirmación.
 H0: $24,000 (afirmación) H1:  $24,000
 Pase 2: Encuentre el valor crítico. Como  = 0.05 y
el test es de dos lados, los valores críticos (usando t
porque n=10) son t = -2.262 y +2.262 con d.f. = 9.
(Vea Tabla F, bajo la columna dos colas con =0.05)
9-67
Ejemplo
 Paso 3: Calcule el valor test. t = [23,450 -
24,000]/[400/] = -4.35.
 Paso 4: Rechaze la hipótesis nula, porque -4.35 <
-2.262.
 Paso 5: Existe suficiente evidencia para rechazar
la afirmación de que el salario inicial de las
enfermeras es $24,000.
9-68
Ejemplo

-2.262 2.262
9-69
Resumen para 8-3.
 Detenga su lectura de la presentación power point
aquí.
 La siguiente actividad deberá ser hecha por toda la
clase.
 Por favor resuman las principales ideas de la
sección 8.3 hasta este momento.
 El facilitador coordinará esta actividad.
 El facilitador les dirá cuándo se termina esta
actividad. En ese momento, por favor continuen
con la siguiente diapositiva.
9-70
El valor P
 Ahora vamos a mostrar una manera diferente de
resolver problemas de test de hipótesis: El método
del valor P.
 No se alarme! El metodo del valor P se basa en las
mismas ideas que el método tradicional. La mayor
diferencia es que en vez de calcular el valor test y
decidir si este valor cae en el área crítica, se calcula el
valor P (que es una probabilidad asociada con el valor
test) y se compara con el área (o probabilidad) de la
región crítica.
 En las siguientes diapositivas se explica esta idea con
más detalle.
9-71
El valor P
 El valor P (o el valor de Probabilidad) es la
probabilidad de obtener una estadística de muestra
(tal como la media) cuyo valor es el valor test o es más
extremo que el valor test en la dirección de la
hipótesis alternativa cuando se asume que la
hipótesis nula es cierta.
9-72
El valor P(continuación)
 El valor P es el área actual bajo la curva de la
distribución estándar normal (u otra
distribución dependiendo del test estadístico
usado) que representa la probabilidad de que
una muestra al azar sea igual o más extrema
que la muestra obtenida si la hipótesis nula
es cierta.
 Tal vez un dibujo clarifique las cosas.
9-73
Representacion grafica del valor P
Note que en este caso

rechazamos la hipótesis
nula. Esto corresponde al
valor p < area de la región Noncritical
crítica Critical region
region
Valor test
-z
Z critical 0
En esta situación, el valor p es simplemente el área en rojo bajo la

curva de la distribución normal estándar.
9-74
Representación gráfica del valor P-Ejemplo
Note que en este caso no
rechazamos la hipótesis
nula. Esto corresponde a
valor p >área de la región
crítica
region region
En esta situación, el valor P es el área

en rojo bajo la curva de la distribución 0 Z critical +z
normal estándar.
Valor test 9-75
Representación Gráfica del valor P
Ejemplo
Note que en este caso no
podemos rechazar la
hipótesis nula. Esto
corresponde a valor p >área
de la región crítica
region region
En esta situación el valor p es 0 Valor test +z

simplemente el área roja bajo la curva de
la distribución normal estándar.
Z critical 9-76
Regla de decisión cuando se usa el valor P
9-77
8-3 Relación entre el valor P y 
 Ejemplo: Un investigador reporta que el salario

promedio de los profesores asistentes es más
$42,000 al año. Una muestra de 30 profesores
asistentes tiene una media de salario de $43,260.
con  = 0.05, ¿existe suficiente evidencia para
apoyar la afirmación de que la media de los
salarios de los profesores asistentes es mayor de
$42,000 al año? La desviación estándar de la
población es $5230. Encuentre el valor P.
9-78
8-3 Relación entre el valor P y 
 Recuerde: Este test es de lado derecho y α=.0.05
 El valor test para este caso es:
 z = [43,260-42,000]/[5230/30] = 1.320.
 El valor P será entonces P(z > 1.32) = 0.5 -
0.4066 = 0.0934. (Usamos Tabla E).
region
region Area=ValorP
=0.0934
0 +z
Test
value=
9-79
1.320
Relación entre un valor P y el valor 
 Como  = 0.05 para este problema, no

rechazamos la hipótesis nula porque el valor P=
0.0934 >  = 0.05.
9-80
Resumen de posibles resultados
 Un error de tipo I ocurre si se rechaza la
hipótesis nula cuando la hipótesis nula es
cierta.
 Un error de tipo II ocurre si la hipótesis nula
no se rechaza a pesar de que esta hipótesis
sea falsa.
9-81
Posibles resultados de un test de hipótesis
H0 cierta H0 Falsa
Rechaze Error Decisión

H0
Tipo I
Correcta
No
rechaze Decisión Error
H0
Type II
Correcta
9-82
Probabilidades de Error
 El nivel de significación es la máxima
probabilidad de cometer un error de tipo I.
Esta probabilidad se representa por el símbolo
; es decir P ( type I error )   .
 La probabilidad de un error de tipo II se
simboliza por . Es decir, .
P ( type II error )  
9-83
Probabilidades  y 
 En la mayoría de los casos de test de hipótesis
 no se puede calcular fácilmente; sin
embargo  y  están relacionados entre sí de
manera inversa: cuando uno crece el otro
decrece.
9-84
8-5 Test z para proporciones
 Suponga que en vez de hacer un test de hipótesis
sobre medias, como en la sección anterior, ahora
queremos hacer un test de hipótesis sobre
proporciones.
 Podemos hacerlo: ¡SI!
9-85
Formula para el test z para proporciones
Un test de hipótesis involucrando la proporción
de una población puede ser considerado un
experimento binomial con sólo dos posibles
resultados y si la probabilidad de exito no
cambia cuando el experimento se repite. El valor
del test en este caso se obtiene con la fórmula:

pp
z
pq / n
where
 X
p 
n
p  population proportion
n = sample size
9-86
8-5 Test de proprociones - Ejemplo
 Un educador estima que la tasa de
desescolarizacion para los estudiantes de ultimo
año en las escuelas de Bata es de 15%. El último
año, 38 estudiantes de ultimo año de una muestra
aleatoria de 200 estudiantes de ultimo año de Bata
se retiraron de la escuela. Usando  = 0.05,
¿existe suficiente evidencia para rechazar la
afirmación del educador?
9-87
8-5 Ejemplo
 Paso 1: Identifique las hipótesis y la afirmación
 H0: p0.15 (afirmación) H1: p 0.15
 Paso 2: Encuentre la media y la desviación estándar.  =
np = (200)(0.15) = 30 y la =(0.15)(0.85)/200] = 5.05.
 Paso 3: Encuentre los valores críticos. Note que el test es
de dos lados (mire la hipótesis nula). Como  = 0.05, los
valores críticos a partir de la tabla para la distribución
estándar normal son z = 1.96.
 Paso 4: Cacule el valor test. z = [38 - 30]/[5.05] = 1.58.
 Paso 5: No rechaze la hipótesis nula, porque el valor test
cae por fuera de la region crítica.
9-88
Ejemplo
 Paso 6: Resuma los resultados. No hay suficiente
evidencia para rehcazar la afirmación de que la tasa de
desecolarizacion para los estudiantes de último año de
las escuelas de Bata es 15%.
 Note: Para tests de un sólo lado para proporciones,
siga el mismo procedimiento que para tests de un lado
en el caso de muestras de tamaño mayor que 30.
9-89
8-5 - Ejemplo

-1.96 1.96
9-90

Tema Viii. Contraste de Hipótesis

Cargado por

Información del documento

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

Tema Viii. Contraste de Hipótesis

Cargado por

Copyright:

Formatos disponibles

CAPÍTULO 8

 La hipótesis nula, representada por H0, es

 Si no existe suficiente evidencia para rechazar H0

(que es lo mismo que (que es lo mismo que no

 Una vez que el proceso de test de hipótesis nos da

 Recuerde, si la pregunta sobre la afirmación en el

 Si la pregunta sobre la afirmación en el problema

 Un químico inventa un aditivo para aumentar

 En resumen: H0: 36 H1:  36 (afirmación)

 Recuerde, si la pregunta sobre la afirmación en

 Si la pregunta sobre la afirmación en el problema

 En resumen: :H0: 78 H1:  78 (afirmación)

 No existe suficiente evidencia para rechazar H0

 ¿Cómo se decide si existe (o no) suficiente evidencia

nula sea falsa, es decir

H0:   k   0.10, C. V.  1.28

H0:   k   0.10, C. V.  1.28

H0:   k   0.10, C. V.  1.65

 Un investigador afirma que el promedio de salario

 H0: $42,000 H1:  $42,000(afirmación)

Pero el valor test esta

 Paso 1: Identifique la afirmación y las hipótesis.

 H0: 29.4 H1:  29.4 (afirmación)

 Paso 5: Calcule el valor test.

Si el valor test esta aquí, en la región no

Pero el valor test -6.57

 H0: $24,672 H1:  $24,672 (afirmación)

 Paso 2: Asuma que H0: $24,672 es cierta.

 Paso 5: calcule el valor test.

 Paso 6: Tome la decision final. Como el valor test,

Si el valor test esta

 Paso 6 > Si el valor de test está en la región crítica:

 Paso 1: Describa las hipótesis e identifica la

Note que en este caso

En esta situación, el valor p es simplemente el área en rojo bajo la

En esta situación, el valor P es el área

En esta situación el valor p es 0 Valor test +z

 Ejemplo: Un investigador reporta que el salario

 Como  = 0.05 para este problema, no

Rechaze Error Decisión

También podría gustarte