Capítulo 10

Test de Hipótesis
 Contraste de Hipótesis
Contrastar una Hipótesis Estadísticamente es juzgar si
cierta propiedad supuesta para una población es
compatible con lo observado en una muestra de ella.

Tipos de Hipótesis:
 Hipótesis Alternativas
 Hipótesis Anidadas
Alternativas: Hipótesis A
v/s Hipótesis B, donde A y
B no pueden cumplirse
simultáneamente.
Anidadas: Hipótesis A y B,
donde A es un caso especial
de B.
 Contraste de Hipótesis
•Hipótesis Simple: El parámetro tiene un único valor.
•Hipótesis Compuesta: El parámetro tiene varios valores.

Hipótesis Nula: (H0) es la hipótesis que se contrasta. Esta

hipótesis se mantendrá a no ser que los datos indiquen lo
contrario. Esta hipótesis nunca se considera probada
aunque puede ser rechazada por los datos.
Hipótesis Alternativa: (H1) es la hipótesis contrapuesta
a H0.
Elementos de una Prueba de Hipótesis

1.- Hipótesis Nula (H0), Hipótesis Alternativa.

2.- Estadística de Prueba (Discrepancia).
3.- Región de Rechazo (Región Crítica).
4.- Regla de Decisión.
 Definiciones
Prueba (Contraste) de Hipótesis Estadística: es una regla
 (Procedimiento) para decidir si rechazamos una
hipótesis H0.

Estadística de Prueba: Es una función de la muestra.

Interesa que contenga el máximo de información sobre
H0. Es en base a la información contenida en esta función
que decidiremos respecto de la aceptación o rechazo de
H0.
Región Crítica: Define los valores del estadístico de
Prueba para los cuales se contradice H0.
 Definiciones
Regla de Decisión: Procedimiento que acepta o rechaza
H0, dependiendo del valor del estadístico de Prueba.

Nivel de Significación: Este valor  determina un valor

crítico c : P ( d > c / H0 ) = . El procedimiento de
selección de “c” a partir de  tiene varias críticas:
i. El resultado del Test depende mucho de .
ii. Dar sólo el resultado del Test no permite diferenciar el
grado de evidencia que la muestra indica a favor o en
contra de H0.
 Definiciones
Nivel crítico p: Se define el nivel crítico p del contrate
como la probabilidad de obtener una discrepancia mayor
o igual que la observada en la muestra bajo H0.
p  Pr d  dˆ / H 0 
donde:

d̂ : valor observado
p : depende de la muestra
Consideremos H0:   0 v/s H1:   1
Sea : Estado de Naturaleza  = 0  1
: Espacio de Información  = C  CC
Regla de Decisión: x  C  H0 es F
x  CC  H0 es V

Error tipo I: Rechazar H0 (cuando es verdadero)

Error tipo II: Aceptar H0 (cuando es falso)
P(Error tipo I) = P ( C ) =  ,   0
P(Error tipo II) = P (CC) =  ,   1

Fijada la región crítica C podemos definir:

C:  0,1  C() = P (C) Función Potencia
En la práctica interesa que  ,  sean pequeños.
Un método para construir un Test apropiado es:

1.- Fijar C : P ( C )   dado 

Sea  = {C : P ( C )   }
2.- Elegir C : P ( CC ) =  sea mínimo para C  .

Toda región C   región crítica : P ( C )   si 

  y P ( C ) máxima   1, se dice Región
Crítica Óptima.
 Test de Comparación de Medias
X ~ N  , 1 1
2
E X   1 Var X    1
2

Y ~ N  , 2 2
2
E Y   " Var Y    2
2

Supuesto: Independencia
Caso Normal: Estadística de Prueba
X  Y  1   2  X  Y  1   2 
Z t
2
1  2
2 1 1
 SP 
n1 n2 n1 n2
i desconocidos
i conocidos
pero iguales
 donde
SP 
n1  1S1  n2  1S 2
2 2

n1  n2  2
• Para el caso de i desconocidos y distintos no hay
solución exacta.
X n1  Y n2
t0  2 2
S1 S 2

n1 n2

Región crítica C se modifica

2 2
' w1t1  w2t 2 S1 S2
t  w1  w2 
w1  w2 n1 n2
t1  t1 2 ( n1  1) t 2  t1 2 ( n2  1)
 Ejemplo
Una v.a. X tiene una ley de Probabilidades dada por:

X 1 2 3 4 5 6
Bajo H0 p 1/6 1/6 1/6 1/6 1/6 1/6
Bajo H1 p 2/15 1/6 1/5 1/5 1/6 2/15

Regla: Se decide rechazar H0 si X = 3 ó 4

Determinar:  = Error tipo I ;  = Error tipo II

y la Potencia del Test
 Solución

 = PHo ( C )
= PHo ( 3 , 4 ) = 2/6 = 1/3
 = PH1 ( CC )
= PH1 ( 1 , 2 , 5 , 6 ) = 1 - 2/5 = 3/5

C () = P (C) = 1 -  = 2/5

Resumen
 Hipótesis Estadística de Prueba
 X  0 
z   n ( conocido)
   0 v / s   1   
 X  0 
t   n ( desconocido)
 S 
  0 v / s   0 idem
  0

2
 0
2
v/s  2
 1
2
n  1S 2

2
2 
2
  2 n 1
2  1
2
2  1 idem
2
2  1
 Hipótesis Estadística de Prueba
1   2 v / s 1   2 X 1  X 2   1   2 
2
con  1   2
2
n1  n2  t n1  n2  2
SP
desconocidas n1n2

1   2 v / s 1   2 X 1  X 2   1   2  t n1  n2    2
2
con  1   2
2
2
S1 S 2
2 
SP 
desconocidas n1 n2

2
S1
2
1   2
2 2
v / s 1   2
2

S2
2  Fn1 1,n2 1

X  np0
p  p0 v/s p  p1  N 0,1
np0 1  p0 
 Problema
Un nuevo dispositivo de filtrado se instala en una planta
química. Antes y después de su instalación una m.a.
respectiva arrojó la siguiente información del porcentaje
de impurezas:
Antes Después
y1  12,5 y 2  10,2
2 2
S1  101,17 S 2  94,73
n1  8 n2  9

¿ El dispositivo de filtrado ha reducido el porcentaje de

impurezas significativamente ?
 Desarrollo
H 0 : 1   2 v / s H1 : 1   2

Si  1   2
2 2  y1  y 2   1   2 
t
n1  n2  t n1  n2  2
SP
n1n2

Bajo H 0 t0 
 y1  y 2 
12,5  10,2

2,3
 0,48
n1  n2 17 9,9  0,49
SP SP
n1n2 72

SP 
n1  1S1  n2  1S 2
2 2

7 101,17  8  94,73 1466,03
  97,73
n1  n2  2 15 15
 Nivel de significancia =0,05 t0,975(15)gl = 2,131
Región crítica C = ] - ; -2,131 ]  [ 2,131 ;  [
t0  CC  Se acepta H0
Es decir, el dispositivo nuevo no reduce
significativamente el porcentaje de impurezas.
H 0 :  1   2 v / s H1 :  1   2
2
S1 101,17
Bajo H 0 : F0  2 
S2 94,73
 1,068  Fn1 1,n2 1

  0,05 F0, 025( 7 ,8 )  0,204 F0 ,975( 7 ,8 )  4,53

Región crítica C = ] 0 ; 0,204 ]  [ 4,53 ;  [

F0  CC  Se acepta H0 : 12 = 22