Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Pruebas de Hipotesis
Pruebas de Hipotesis
HIPÓTESIS
OBJETIVO: Determinar la validez de
supuestos poblacionales a partir del método
de prueba de hipótesis para una, dos, tres o
más poblaciones.
CONCEPTOS BÁSICOS
La prueba de hipótesis comienza con una suposición,
denominada hipótesis, que hacemos entorno a un
parámetro de la población. Reunimos datos
muéstrales, producimos estadísticos de la muestra y
con esta información decidimos la probabilidad de
que el parámetro supuesto de la población sea
correcto. Por ejemplo, suponemos cierto valor de una
media de la población. Para verificar la validez de la
suposición, obtenemos los datos muéstrales y
determinamos la diferencia entre el valor supuesto y el
valor real de la media muestral. A continuación
juzgamos si la diferencia es significativa. Cuanto
menos sea la diferencia, mayores probabilidades
habrá de que sea correcto el valor supuesto de la
media. Y a una diferencia más amplia corresponderá
una probabilidad menor.
No podemos aceptar ni rechazar una hipótesis referente
a un parámetro de la población por mera intuición. Por
el contrario, necesitamos aprender a decidir con
objetividad, basándonos en la información de la
muestra, si aceptamos o rechazamos un
presentimiento.
a) Hipótesis
Se debe formular el supuesto valor del parámetro de la población
antes de empezar el muestreo. La suposición que se desea
probar, se denomina hipótesis nula y se representa por H 0. Si se
rechaza la hipótesis nula, la conclusión que debemos aceptar se
llama hipótesis alternativa y se simboliza por H 1.
Supongamos que se quiere probar la hipótesis de que el promedio de
calificación de los alumnos de cierta Universidad es de 8.5,
entonces:
Realizaremos algunos
ejemplos, en diferentes
condiciones cuando se
conocen las desviaciones
estándar de la población.
a) Prueba de dos extremos para las
medias
Es cuando el nivel de significancia
(zona de rechazo) abarca los
dos extremos o colas de la
campana de Gauss.
Ejemplo 1.-
El fabricante de una llanta especial para
camiones afirma que la duración media de
la parte rodante de agarre es de 60,000 mi.
La desviación estándar de los millajes es
de 5,000 mi. Una empresa de transportes
compró 48 llantas y halló que la duración
media para sus vehículos fue de 59,500
mi. ¿Es la experiencia distinta de la
expresada por el fabricante al nivel de
significación de 0.05?
= 60,000 mi
= 5,000 mi
Datos: n = 48 llantas
x = 59,500 mi
= 0.05
Solución:
Las hipótesis se expresan de la siguiente manera:
5,000 5,000
x x x 721.69 mi
48 6.9282
En el siguiente paso vamos a obtener el valor de “Z” y
para ello vamos a apoyarnos en la gráfica siguiente:
Recurrimos a las tablas de la distribución normal y en
ellas localizamos 0.475, que se ubica en un valor
de Z = 1.96 x
En el tercer paso, vamos a determinar los límites
superior e inferior de confianza para el intervalo de
la media poblacional ya que se trata de una prueba
de dos extremos. Para ello aplicaremos la
expresión siguiente:
Lc H 0 Zx
59,500 60,000
Z
721.69
Z 0.693 __
X
1 1
x x x 0.1414
50 7.07
Ahora determinemos el valor de Z, ya que tenemos una
muestra mayor de 30:
Como = 0.05 y es una prueba de hipótesis para un
extremo, en este caso, el extremo izquierdo,
entonces, el nivel de significancia está contenido en
este extremo, por lo que el nivel de confianza es 0.5
– 0.05 = 0.45 .
Buscando en las tablas de la distribución normal 0.45,
encontramos que: Z= 1.64 x
El límite izquierdo del intervalo de confianza será:
Li = 3 – 1.64 (0.1414)
Li = 3 – 0.2319
Li = 2.768
ˆ
ˆx
n
38 38
ˆx ˆx ˆx 2.897
172 13.115
ˆ ˆ 11 11
x ˆx ˆx ˆx 2.46
n 20 4.472
En la tabla t de Student se localiza = 0.10 y gl = 20 – 1, o
sea gl = 19 y se encuentra que: t = 1.729 ˆx
Con estos datos ya podemos determinar los limites superior
e inferior del intervalo de confianza, mediante la
expresión:
Lc tˆx
Lc = 90” 1.729 (2.46) Ls = 90” + 4.246 Ls = 94.25”
Li = 90” – 1.729 (2.46) Li = 90” – 4.246 Li = 85.75”
En la campana de Gauss:
Como la media muestral cae la zona de rechazo,
entonces se rechaza la hipótesis nula y se
acepta la hipótesis alternativa.
Comprobando lo anterior, se tiene que:
Sustituyendo valores:
(.8)(.2)
p p 0.0010666 p 0.0327
150
En este caso, la compañía quiere saber si la
verdadera proporción es mayor o menor que la
supuesta proporción. Por consiguiente, es
apropiada una prueba de dos extremos para una
proporción. El nivel de significancia corresponde a
las dos regiones sombreadas, cada una de las
cuales contiene 0.025 del área. La región de
aceptación de 0.95 se ilustra como dos áreas de
0.475 cada una. Puesto que la muestra es mayor
que 30, podemos recurrir la distribución normal.
Basándonos en la tabla de ésta distribución,
podemos calcular que el valor correspondiente de
Z para 0.475 del área bajo la curva es 1.96 . Por
tanto, los limites de la región de aceptación son:
Lc = PH0 Z
Lc = 0.8 1.96(0.0327)
Ls = 0.8 + 0.06409 Ls = 0.8641
Li = 0.8 – 0.06409 Li = 0.7359
pHo qHo
p
n
Sustituyendo valores:
En la campana de Gauss:
Concluimos que no es mayor la proporción de
estudiantes egresados que tienen trabajo.
C) Prueba de hipótesis para
proporciones de muestras
pequeñas.
Si usamos la distribución t para una prueba hipótesis
para proporciones en muestras pequeñas, de dos
colas, seguimos el mismo procedimiento que se
utilizó en la prueba para medias de muestras
pequeñas.
Lo mismo sucede si se trata de una prueba de un
extremo, recordando que, para obtener el valor
apropiado de t en un nivel de significancia de 0.05
con 10 grados de libertad, buscaremos en la tabla
de la distribución t bajo la columna 0.10, frente al
renglón 10 grados de libertad. Esto es verdad
porque la columna 0.10 del área bajo la curva
contenida en ambos extremos combinados; por
ello también representa 0.05 del área bajo la
curva contenida en cada uno de los extremos.
Por esta razón en lugar de buscar en la columna
0.05, se busca 0.10.