Prueba de Hipótesis

¿Motivación?
Usualmente es casi imposible conseguir los datos de toda la
población por lo que recurrimos a una muestra.

Usar un único estimador para tomar decisiones sobre la

población puede ser peligroso debido a su varianza y sesgo
respecto al parámetro poblacional.

Las pruebas de hipótesis permiten conocer la validez de

ciertas afirmaciones sobre una población a partir de una
muestra.

TEXTOS PARA
A diferencia de los Intervalos de confianza esto permiten
asociar el error a un lado en específico.
SEPARADORES
¡Imagínese que puede hacer con esa información!

Con esto se puede tomar decisiones mejores a lo que se

haría usando sólo la información muestral.
 Ejemplo
Se quiere conocer si realmente hay una diferencia
de calidad entre dos proveedores.

¿Será que la diferencia entre lo que gana un

Maestro con un Profesional en una empresa
supera los 4 millones?

Ejemplo
Se estima que la diferencie entre la proporción de
la población capaz de ir a guerra entre dos países
es menor al 10%

Se desea comprobar si realmente la varianza de

una inversión es realmente mayor al doble de la
otra. Pues promete 1.5 más de ingreso pero se
quiere asegurar si el riesgo lo vale.
 Ejercicio
Dos máquinas (A de Coca-Cola y B de Postobón) ...
TEXTOS PARA
¿Que diferencias podrían se interesantes en nuestro análisis de las gaseosas del cine?
SEPARADORES
 Ejercicio
¿Cuál es la diferencia que existe entre las pruebas de hipótesis de Media, Varianza, Proporción?

TEXTOS PARA
Enuncie los pasos que debe realizar para hacer una prueba de hipótesis.
SEPARADORES
¿Cuál es la diferencia en el procedimiento entre las pruebas?
 ¿Cuáles son los pasos que debe seguir al
momento de construir una prueba de hipótesis?

¿Cuáles serán las diferencias con entre las PH de

un parámetro y las de 2 parámetros?

Construcción de ¿Cuándo se deben usar las de diferencias y las

una prueba de de relación?
hipótesis (PH):
¿Cómo usaría una prueba de hipótesis de dos
parámetros en su trabajo?

¿Cuáles PH existen que involucren 2

parámetros?
 Proceso estadístico para contrastar hipótesis
Prueba de sobre los parámetros poblacionales usando la
información de la muestra.
Hipótesis Se establece un error permitido llamado
significancia asociado al error de rechazar la
hipótesis nula dado que no se debía rechazar.
 Sara Briones, economista agraria, quiere
comparar el uso de estiércol de vaca con el de
EJEMPLO pavo como fertilizantes. Históricamente, los
agricultores han utilizado estiércol de vaca en los
PRUEBA DE maizales. Recientemente, un importante criador
de pavos vende el estiércol a un precio favorable.
HIPÓTESIS
PARA Los agricultores han decidido que sólo utilizarán
este nuevo fertilizante si existen pruebas
DIFERENCIA DE contundentes de que la productividad es mayor
MEDIAS cuando se utiliza estiércol de pavo. Le han pedido
a Sara que realice el estudio y el análisis
estadístico para hacerles una recomendación.
 En una muestra aleatoria de 25 campos se ha
encontrado una media de producción de 100
usando estiércol de Vaca, históricamente la
varianza de producción con este estiércol es de
EJEMPLO 400.
PRUEBA DE En una muestra aleatoria de 25 campos se ha
HIPÓTESIS encontrado una media de producción de 115
usando estiércol de Pavo, basándose en estudios
PARA publicados sobre este tipo de estiércol se conoce
DIFERENCIA DE que la varianza es de 625.
MEDIAS Recuerde que los grupos son independientes.
Realice una prueba de hipótesis de confianza del
92% para saber si realmente el estiércol de Pavo
es mejor.
 Formulemos nuestras hipótesis:

Ejemplo:
Hipótesis Nula:
• Esta es la hipótesis la cual NO es sugerida por la muestra.
• Es sugerida como verdadera a menos que se demuestre lo contrario.
• Se denota con el símbolo .
• Esta siempre describe la relación del parámetro(s) incluyendo la igualdad.
• Es la hipótesis rechazada o no rechazada por la prueba.
• Ejemplo
Construcción de una
prueba
Hipótesis de hipótesis
Alterna:
(PH):
• Esta es la hipótesis sugerida por la muestra.
• Verdadera si se rechaza la hipótesis nula.
• Se denota con el símbolo .
• Esta siempre describe la relación del parámetro(s) SIN la igualdad.
• Ejemplo

Recuerde que como conclusión DEBE elegir una de las hipótesis

 ¿Que dice nuestra evidencia estadística?

Ejemplo:
Estadístico de prueba (EP)

• Es el número que representa la cercanía entre la información muestral y la hipótesis nula.

• Es diferente para cada parámetro y depende de la información poblacional con la que se cuenta.
• Se puede buscar en la hoja de fórmulas.
• Está asociado a una distribución.
Construcción de una
prueba de hipótesis
P- Value
(PH): / Valor P

• Esta es la probabilidad que tiene su estadístico de prueba a la cola de prueba.

• Se debe comparar con la significancia para poder concluir.
• Será encontrado con la función DISTR. De Excel.
• Se usa la misma distribución que tenga su estadístico de prueba.
Ejemplo:
Ejemplo:
Ejemplo:
𝐸 𝑃=2,34 𝑃 − 𝑉𝑎𝑙𝑢𝑒=0,957 %

¿Debemos rechazar o no?

¿Ya puede dar respuesta esta pregunta?

¿Cómo se realiza la otra comparación?

Región de Rechazó

• Si el estadístico de prueba cae en la región de rechazo se debe Rechazar .

• La región de rechazo está directamente relacionada a la significancia (el error).
• La región de rechazo puede ser de cola izquierda derecha o de 2 colas dependiendo de su .

Construcción de una
prueba de
Punto Críticohipótesis
(PH):

• Es el punto a partir el cual empieza la región de rechazo.

• Se puede encontrar teniendo la significancia y la distribución del estadístico de prueba.
• Para encontrarlo se usará la fórmula de Excel INV ya que la significancia representa una probabilidad
acumulada.
Ejemplo:

𝐸 𝑃=2,34 𝑃 − 𝑉𝑎𝑙𝑢𝑒=0,957 %

¿Debemos rechazar o no?

2
2
𝐻 𝐴 : 𝜎 >¿ 2
𝐻 𝐴 : 𝜎 <¿ 𝐻 𝐴 :𝜎 ≠ ¿
Ejemplo:
𝐸 𝑃=2,34 𝑃 − 𝑉𝑎𝑙𝑢𝑒=0,957 %

¿Debemos rechazar?

¿Cuánto vale el Punto Crítico?

Ejemplo:
𝐸 𝑃=2,34 𝑃 − 𝑉𝑎𝑙𝑢𝑒=0,957 %

𝑃𝐶=1,405
 𝐸 𝑃=2,34 𝑃 − 𝑉𝑎𝑙𝑢𝑒=0,957 %

𝑃𝑢𝑛𝑡𝑜 𝑐𝑟 í 𝑡𝑖𝑐𝑜=1,405 𝛼=8 %

Ejemplo:

𝐸𝑃 =2,34
Como el EP cae en la región de rechazo: 𝑃𝐶=1,405
Rechazamos Ho y por lo que el estiércol de Pavo es
significativamente mejor pues la media de producción
es más alta.
 𝐸 𝑃=2,34 𝑃 − 𝑉𝑎𝑙𝑢𝑒=0,957 %

𝑃𝑢𝑛𝑡𝑜 𝑐𝑟 í 𝑡𝑖𝑐𝑜=1,405 𝛼=8 %

Ejemplo:

𝑃 − 𝑉𝑎𝑙𝑢𝑒=0,964 %

Como el P-Valor es menor a la significancia se debe 𝛼 =8 %

rechazar la hipótesis nula. Esto significa que el promedio de
producción con estiércol de Pavo es mejor
Pasos sugeridos para un IC:
1. ¡Lea bien!

2. Enuncie sus hipótesis.

3. Identifique y calcule su Estadístico de Prueba. Consejo

4. Identifique su región de rechazo.

5. Defina con cual hipótesis se queda (usando P value o PC).

6. Interprete
 Está llevando a cabo un estudio para comparar la
proporción de personas a las que le gusta la pizza con
piña entre la universidad de Politécnico
Grancolombiano y de la Universidad Nacional.
EJEMPLO
Ha realizado una encuesta de 45 personas del Poli de
las cuales 40 han dicho que les gusta la pizza con
PRUEBA DE piña.
HIPÓTESIS En la universidad Nacional ha entrevistado a 50
PARA LA personas de las cuales 41 han dicho que les gusta la
PROPORCIÓN pizza con piña.

Usted sabe que si la diferencia fuese menor al 8%

podría abrir un puesto de pizzas hawaianas en las dos
universidades, de lo contrario sólo en una. Tome una
decisión usando una confianza del 90%.
 Formulemos nuestras hipótesis:

Ejemplo:
 Recuerde: un consejo para realizar las hipótesis es colocar el
parámetro correspondiente a al mayor estimador de primero.

Ejemplo: ¿Que dice nuestra evidencia estadística?

Ejemplo:
Ejemplo:

𝐸 𝑃 𝑍
Ejemplo:
Ejemplo:
𝐸 𝑃=− 2,09 𝑃 −𝑉𝑎𝑙𝑢𝑒=1,81 %

¿Debemos rechazar o no?

¿Ya puede dar respuesta esta pregunta?

¿Cómo se realiza la otra comparación?

Ejemplo:

𝐸 𝑃=− 2,09 𝑃 −𝑉𝑎𝑙𝑢𝑒=1,81 %

¿Debemos rechazar o no?

𝐻 𝐴 : 𝑃 >¿ 𝐻 𝐴 : 𝑃 <¿ 𝐻𝐴:𝑃≠¿

Ejemplo:
𝐸 𝑃=− 2,09 𝑃 −𝑉𝑎𝑙𝑢𝑒=1,81 %

¿Debemos rechazar?

¿Cuánto vale el Punto Crítico?

 𝐸 𝑃=− 2,09 𝑃 −𝑉𝑎𝑙𝑢𝑒=1,81 %

𝑃𝐶=? 𝛼=10 %
Ejemplo:

𝑃𝐶=−1,281
 𝐸 𝑃=− 2,09 𝑃 −𝑉𝑎𝑙𝑢𝑒=1,81 %

𝑃𝐶=−1,281 𝛼=10 %
Ejemplo:

𝑃𝐶=−1,281
𝐸𝑃 =−2,09
Como el EP cae en la región de rechazo:
Rechazamos Ho y por lo que la diferencia sí es menor al 8% por lo que se debe abrir el puesto de
pizza en las 2 universidades.
 𝐸 𝑃=− 2,09 𝑃 −𝑉𝑎𝑙𝑢𝑒=1,81 %

𝑃𝐶=−1,281 𝛼=10 %
Ejemplo:

Como el P-Value es menor que Alfa el

EP cae en la región de rechazo:

Rechazamos Ho y por lo que la

𝛼 =10 %
diferencia sí es menor al 8% por lo
que se debe abrir el puesto de pizza 𝑃 − 𝑉𝑎𝑙𝑢𝑒=1,81 %
en las 2 universidades.
 Tiene la capacidad de invertir en dos empresas diferentes que
históricamente han producido el mismo ingreso promedio. La
cervecería “El Guapo” y la cervecería “Folo una más”.

Gracias a sus cursos de estadística y de economía usted

conoce que a misma rentabilidad es mejor tener las cuentas
PRUEBA DE más claras a través de una desviación más baja. Para poder
comparar las desviaciones ha deicidio tomar una muestra de
HIPÓTESIS PARA ambas empresas.
RELACIÓN DE
De “el Guapo” ha tomado una muestra de 34
VARIANZAS establecimientos encontrando una desviación 1.345.000
pesos. Mientras que “Folo una más” pudo obtener una
muestra de 40 establecimientos con una desviación de
1.500.000 pesos. Encuentre si hay una diferencia entre las
desviaciones de los establecimientos con una confianza del
95%.
 Formulemos nuestras hipótesis:

Ejemplo:
Hipótesis Nula:
• Esta es la hipótesis la cual NO es sugerida por la muestra.
• Es sugerida como verdadera a menos que se demuestre lo contrario.
• Se denota con el símbolo .
• Esta siempre describe la relación del parámetro(s) incluyendo la igualdad.
• Es la hipótesis rechazada o no rechazada por la prueba.
• Ejemplo
Construcción de una
prueba
Hipótesis de hipótesis
Alterna:
(PH):
• Esta es la hipótesis sugerida por la muestra.
• Verdadera si se rechaza la hipótesis nula.
• Se denota con el símbolo .
• Esta siempre describe la relación del parámetro(s) SIN la igualdad.
• Ejemplo

Recuerde que como conclusión DEBE elegir una de las hipótesis

 ¿Que dice nuestra evidencia estadística?

Es importante señalar que la Hoja de Fórmulas trabaja con la relación de

Ejemplo: varianzas por lo que es importante pasar las hipótesis a Varianza si las
tenemos definidas como desviaciones, para esto se puede seguir la
relación que hay entre desviación y varianza:

Desviación Varianza

Las dos pruebas son equivalentes por lo que quedarse con alguna hipótesis es lo mismo para la
desviación o la varianza haciendo la misma prueba (con el procedimiento correcto)
Estadístico de prueba (EP)

• Es el número que representa la cercanía entre la información muestral y la hipótesis nula.

• Es diferente para cada parámetro y depende de la información poblacional con la que se cuenta.
• Se puede buscar en la hoja de fórmulas.
• Está asociado a una distribución.
Construcción de una
prueba de hipótesis
P- Value
(PH): / Valor P

• Esta es la probabilidad que tiene su estadístico de prueba a la cola de prueba.

• Se debe comparar con la significancia para poder concluir.
• Será encontrado con la función DISTR. De Excel.
• Se usa la misma distribución que tenga su estadístico de prueba.
Ejemplo:
 Ejemplo:

Recordar que al ser de 2 colas el PV debe ser menor al 50%

Ejemplo:
𝐸 𝑃=0,804 𝑃 − 𝑉𝑎𝑙𝑢𝑒=26,25 %

¿Debemos rechazar o no?

¿Ya puede dar respuesta esta pregunta?

¿Cómo se realiza la otra comparación?

Región de Rechazó

• Si el estadístico de prueba cae en la región de rechazo se debe Rechazar .

• La región de rechazo está directamente relacionada a la significancia (el error).
• La región de rechazo puede ser de cola izquierda derecha o de 2 colas dependiendo de su .

Construcción de una
prueba de
Punto Críticohipótesis
(PH):

• Es el punto a partir el cual empieza la región de rechazo.

• Se puede encontrar teniendo la significancia y la distribución del estadístico de prueba.
• Para encontrarlo se usará la fórmula de Excel INV ya que la significancia representa una probabilidad
acumulada.
Ejemplo:

𝐸 𝑃=0,804 𝑃 − 𝑉𝑎𝑙𝑢𝑒=26,25 %

¿Debemos rechazar o no?

2
2
𝐻 𝐴 : 𝜎 >¿ 2
𝐻 𝐴 : 𝜎 <¿ 𝐻 𝐴 :𝜎 ≠ ¿
 𝛼 =10 %

Ejemplo:
𝐸 𝑃=0,804 𝑃 − 𝑉𝑎𝑙𝑢𝑒=26,25 %

¿Debemos rechazar?

¿Cuánto valen los Puntos Críticos?

 𝛼 =10 %

Ejemplo:
𝐸 𝑃=0,804 𝑃 − 𝑉𝑎𝑙𝑢𝑒=26,25 %

𝛼 /2 =5 %

𝛼 /2 =5 %
Ejemplo:
𝐸 𝑃=0,804 𝑃 − 𝑉𝑎𝑙𝑢𝑒=26,25 %

𝛼 /2 =5 %

𝛼 /2 =5 %

𝑷𝑪𝟏=𝟎,𝟓𝟔𝟖 𝑷𝑪𝟐=𝟏,𝟕𝟑𝟑
 𝛼 =10 %
Ejemplo:

𝐸 𝑃=0,804 𝑃 − 𝑉𝑎𝑙𝑢𝑒=26,25 %
Como el EP cae en la región de no
rechazo:
No rechazamos Ho y por lo que la
división entre las varianzas es 1. Si la
división entre las varianzas se puede
considerar 1 significa que las
varianzas son iguales. Por lo que si las
varianzas son iguales las deviaciones
también lo son. Por lo que podemos
invertir en cualquier cervecería. 𝑷𝑪𝟏=𝟎,𝟓𝟔𝟖 𝑬𝑷=𝟎,𝟖𝟎𝟒 𝑷𝑪𝟐=𝟏,𝟕𝟑𝟑
 𝛼 =10 %
Ejemplo:

𝐸 𝑃=0,804 𝑃 − 𝑉𝑎𝑙𝑢𝑒=26,25 %
Como el P- Value es mayor que alfa medios
el EP cae en la región de no rechazo:
No rechazamos Ho y por lo que la división
entre las varianzas es 1. Si la división entre
las varianzas se puede considerar 1
𝜶
=𝟓 %
significa que las varianzas son iguales. Por𝟐 𝜶
=𝟓 %
𝟐
lo que si las varianzas son iguales las 𝑷𝑽 =𝟐𝟔 ,𝟐𝟓 %
deviaciones también lo son. Por lo que
podemos invertir en cualquier cervecería.
Recordar:
Cada parámetro poblacional tiene intervalos de confianza diferentes.

Por lo que se necesita recordar:

Parámetro Poblacional Estimador Muestral Funciones de muestra

aleatoria
μ
σ s • Media
σ2 s2 • Desviación Estándar
P • Varianza
• Proporción
Recordar:
Estimador Muestral
Promedio aritmético. La suma de las observaciones dividido el número de
observaciones. La variable X debe ser continua.

La desviación estándar es una medida de dispersión de los datos respecto a

la media. La desviación tiene las mismas unidades de X y es la raíz de la
varianza.

La varianza es una medida de dispersión de los datos. Tiene las mismas

unidades de X .
2

La proporción es la suma de las observaciones sobre el número de

observaciones sin embargo en este caso la variable X debe ser Binaria (1 si
éxito 0 si fracaso). La proporción también representa la probabilidad de un
evento.
Recordar:
Distribuciones de los estimadores
Fórmulas útiles en Excel:
Funciones de PROBABILIDAD de algunas continuas de mayor aplicación:

• DISTR.NORM.ESTAND.N( Z ; ¿Acum? ) Probabilidad de la Normal Estándar.

• DISTR.NORM.N( X; Media; Desv. Estándar; ¿Acum?) Probabilidad de la Normal.
• DISTR.T.N( X ; GL ; ¿Acum? ) Probabilidad T - Student.
• DISTR.CHICUAD( X ; GL ; ¿Acum? ) Probabilidad Chi - cuadrado.
• DISTR.F.N( X ; GL1 ; GL2 ¿Acum? ) Probabilidad F – Fisher.

Donde X es el valor que acumula probabilidad a la izquierda.

Donde GL son los grados de libertad correspondientes a las distribuciones.
Fórmulas útiles en Excel:
Funciones INVERSAS de algunas continuas de mayor aplicación:

• INV.NORM.ESTAND( P ) Inversa de la Normal Estándar.

• INV.NORM( P ; Media ; Desv. Estándar) Inversa de la Normal.
• INV.T( P ; GL ) Inversa T - Student.
• INV.CHICUAD( P ; GL ) Inversa Chi - cuadrado.
• INV.F( P ; GL1 ; GL2 ) Inversa F – Fisher.

Donde P es la probabilidad acumulada a la Izquierda.

Donde GL son los grados de libertad correspondientes a las distribuciones.
Libros Guía

En el curso maestro encontrará los siguientes libros:

Estadística para Administración y Economía. Sexta

Edición. Paul Newbold, William Berry.

Probabilidad y estadística para ingeniería y ciencias.

Novena Edición. Walpole, Myers, Myers.
TEXTOS PARA
En el programa se especifican lecturas complementarias.
SEPARADORES
GRACIAS