Hipotesis Estadistica

hipótesis estadística es una proposición o supuesto sobre los
parámetros de una o más poblaciones.

En este paso se definen dos tipos de hipótesis:
 Ho: Hipótesis nula

 H1: Hipótesis alterna
La hipótesis nula, representada por Ho, es la afirmación sobre una o más características de
poblaciones que al inicio se supone cierta (es decir, la "creencia a priori").
La hipótesis alternativa, representada por H1, es la afirmación contradictoria a Ho, y ésta es la

hipótesis del investigador.
La hipótesis nula se rechaza en favor de la hipótesis alternativa, sólo si la evidencia muestral

sugiere que Ho es falsa. Si la muestra no contradice decididamente a Ho, se continúa creyendo en
la validez de la hipótesis nula. Entonces, las dos conclusiones posibles de un análisis por prueba de
hipótesis son rechazar Ho o no rechazar Ho.
Desiciones estadística
consiste en mantener o rechazar la hipótesis nula, en función de los resultados obtenidos al

calcular el valor de un estadístico de contraste para una muestra aleatoria extraída de la
población.
PRUEBA DE HIPOTESIS
la prueba de hipótesis es un procedimiento basado en la evidencia muestral y la teoría de probabilidad; se

emplea para determinar si la hipótesis es una afirmación razonable.
Prueba de una hipótesis: se realiza mediante un procedimiento sistemático de cinco paso:
Siguiendo este procedimiento sistemático, al llegar al paso cinco se puede o no rechazar la hipótesis, pero
debemos de tener cuidado con esta determinación ya que en la consideración de estadística no proporciona
evidencia de que algo sea verdadero. Esta prueba aporta una clase de prueba más allá de una duda
razonable.
.- Procedimiento sistemático para una prueba de hipótesis de una muestra
.Paso 1: Plantear la hipótesis nula Ho y la hipótesis alternativa H1.

Cualquier investigación estadística implica la existencia de hipótesis o afirmaciones acerca de las poblaciones
que se estudian.
La hipótesis nula (Ho) se refiere siempre a un valor especificado del parámetro de población, no a una
estadística de muestra. La letra H significa hipótesis y el subíndice cero no hay diferencia. Por lo general hay
un "no" en la hipótesis nula que indica que "no hay cambio" Podemos rechazar o aceptar Ho.
La hipótesis nula es una afirmación que no se rechaza a menos que los datos maestrales proporcionen
evidencia convincente de que es falsa. El planteamiento de la hipótesis nula siempre contiene un signo
de igualdad con respecto al valor especificado del parámetro.
La hipótesis alternativa (H1) es cualquier hipótesis que difiera de la hipótesis nula. Es una afirmación que se
acepta si los datos maestrales proporcionan evidencia suficiente de que la hipótesis nula es falsa. Se le
conoce también como la hipótesis de investigación. El planteamiento de la hipótesis alternativa nunca
contiene un signo de igualdad con respecto al valor especificado del parámetro.
Paso 2: Seleccionar el nivel de significancia.
Nivel de significacia: Probabilidad de rechazar la hipótesis nula cuando es verdadera. Se le denota mediante
la letra griega α, tambiιn es denominada como nivel de riesgo, este termino es mas adecuado ya que se corre
el riesgo de rechazar la hipótesis nula, cuando en realidad es verdadera. Este nivel esta bajo el control de
la persona que realiza la prueba.
Si suponemos que la hipótesis planteada es verdadera, entonces, el nivel de significación indicará la
probabilidad de no aceptarla, es decir, estén fuera de área de aceptación. El nivel de confianza (1-α), indica
la probabilidad de aceptar la hipótesis planteada, cuando es verdadera en la población.
La distribución de muestreo de la estadística de prueba se divide en dos regiones, una región de rechazo
(conocida como región crítica) y una región de no rechazo (aceptación). Si la estadística de prueba cae dentro
de la región de aceptación, no se puede rechazar la hipótesis nula.
La región de rechazo puede considerarse como el conjunto de valores de la estadística de prueba que no
tienen posibilidad de presentarse si la hipótesis nula es verdadera. Por otro lado, estos valores no son tan
improbables de presentarse si la hipótesis nula es falsa. El valor crítico separa la región de no rechazo de la
de rechazo.
Tipos de errores
Cualquiera sea la decisión tomada a partir de una prueba de hipótesis, ya sea de aceptación de la Ho o de la
Ha, puede incurrirse en error:
Un error tipo I se presenta si la hipótesis nula Ho es rechazada cuando es verdadera y debía ser aceptada.
La probabilidad de cometer un error tipo I se denomina con la letra alfa α
Un error tipo II, se denota con la letra griega β se presenta si la hipótesis nula es aceptada cuando de hecho
es falsa y debía ser rechazada.
En cualquiera de los dos casos se comete un error al tomar una decisión equivocada.
En la siguiente tabla se muestran las decisiones que pueden tomar el investigador y las consecuencias
posibles.
Para que cualquier ensayo de hipótesis sea bueno, debe diseñarse de forma que minimice los errores de
decisión. En la práctica un tipo de error puede tener más importancia que el otro, y así se tiene a conseguir
poner una limitación al error de mayor importancia. La única forma de reducir ambos tipos de errores es
incrementar el tamaño de la muestra, lo cual puede ser o no ser posible.
La probabilidad de cometer un error de tipo II denotada con la letra griega beta β, depende de la diferencia
entre los valores supuesto y real del parámetro de la población. Como es más fácil encontrar diferencias
grandes, si la diferencia entre la estadística de muestra y el correspondiente parámetro de población es
grande, la probabilidad de cometer un error de tipo II, probablemente sea pequeña.
Existe una relación inversa entre la magnitud de los errores α y β: conforme a aumenta, β disminuye. Esto
obliga a establecer con cuidado el valor de a para las pruebas estadísticas. Lo ideal sería establecer α y β.En
la práctica se establece el nivel α y para disminuir el Error β se incrementa el número de observaciones en la
muestra, pues así se acortan los limites de confianza respecto a la hipótesis planteada .La meta de las
pruebas estadísticas es rechazar la hipótesis planteada. En otras palabras, es deseable aumentar cuando
ésta es verdadera, o sea, incrementar lo que se llama poder de la prueba (1- β) La aceptación de la hipótesis
planteada debe interpretarse como que la información aleatoria de la muestra disponible no permite detectar
la falsedad de esta hipótesis.
Paso 3: Cálculo del valor estadístico de prueba
Valor determinado a partir de la información muestral, que se utiliza para determinar si se rechaza la hipótesis
nula., existen muchos estadísticos de prueba para nuestro caso utilizaremos los estadísticos z y t. La elección
de uno de estos depende de la cantidad de muestras que se toman, si las muestras son de la prueba son
iguales a 30 o mas se utiliza el estadístico z, en caso contrario se utiliza el estadístico t.
Tipos de prueba
a) Prueba bilateral o de dos extremos: la hipótesis planteada se formula con la igualdad
Ejemplo
H0 : µ = 200
H1 : µ ≠ 200
b) Pruebas unilateral o de un extremo: la hipótesis planteada se formula con ≥ o ≤

H0 : µ ≥ 200 H0 : µ ≤ 200
H1 : µ < 200 H1 : µ > 200
En las pruebas de hipótesis para la media (μ), cuando se conoce la desviación estándar (σ) poblacional, o
cuando el valor de la muestra es grande (30 o más), el valor estadístico de prueba es z y se determina a partir
de:
El valor estadístico z, para muestra grande y desviación estándar poblacional desconocida se determina por la
ecuación:
En la prueba para una media poblacional con muestra pequeña y desviación estándar poblacional
desconocida se utiliza el valor estadístico t.
Paso 4: Formular la regla de decisión
SE establece las condiciones específicas en la que se rechaza la hipótesis nula y las condiciones en que no
se rechaza la hipótesis nula. La región de rechazo define la ubicación de todos los valores que son tan
grandes o tan pequeños, que la probabilidad de que se presenten bajo la suposición de que la hipótesis nula
es verdadera, es muy remota
Distribución muestral del valor estadístico z, con prueba de una cola a la derecha
Valor critico: Es el punto de división entre la región en la que se rechaza la hipótesis nula y la región en la
que no se rechaza la hipótesis nula.
Paso 5: Tomar una decisión.

En este último paso de la prueba de hipótesis, se calcula el estadístico de prueba, se compara con el valor
crítico y se toma la decisión de rechazar o no la hipótesis nula. Tenga presente que en una prueba de
hipótesis solo se puede tomar una de dos decisiones: aceptar o rechazar la hipótesis nula. Debe subrayarse
que siempre existe la posibilidad de rechazar la hipótesis nula cuando no debería haberse rechazado (error
tipo I). También existe la posibilidad de que la hipótesis nula se acepte cuando debería haberse rechazado
(error de tipo II).
Errores de tipo I y de tipo II

el error de tipo I también denominado error de tipo alfa (α)1 o falso positivo, es el error que
se comete cuando el investigador no acepta la hipótesis nula ( ) siendo esta verdadera en

la población. Es equivalente a encontrar un resultado falso positivo, porque el investigador
llega a la conclusión de que existe una diferencia entre las hipótesis cuando en realidad no
existe. Se relaciona con el nivel de significancia estadística.
.
, el error de tipo II, también llamado error de tipo beta (β) (β es la probabilidad de que exista
este error) o falso negativo, se comete cuando el investigador no rechaza la hipótesis nula
siendo esta falsa en la población. Es equivalente a la probabilidad de un resultado falso
negativo, ya que el investigador llega a la conclusión de que ha sido incapaz de encontrar una
diferencia que existe en la realidad.
Se acepta en un estudio que el valor del error beta esté entre el 5 y el 20%.
Contrariamente al error tipo I, en la mayoría de los casos no es posible calcular la probabilidad
del error tipo II. La razón de esto se encuentra en la manera en que se formulan las hipótesis
en una prueba estadística. Mientras que la hipótesis nula representa siempre una afirmación
enérgica (como por ejemplo «Promedio μ = 0») la hipótesis alternativa, debido a que
engloba todas las otras posibilidades, es generalmente de naturaleza global (por
Nivel de significación
El nivel de significacia es un concepto estadístico asociado a la verificación de una hipótesis.
En pocas palabras, se define como la probabilidad de tomar la decisión de rechazar
la hipótesis nula cuando ésta es verdadera (decisión conocida como error de tipo I, o "falso
positivo").
La probabilidad de cometer errores de tipo I, que se

simboliza alfa, es la probabilidad de ocurrencia de los valores
del estadístico en la región de rechazo cuando la Hipótesis Nula
es verdadera. El valor de alfa, también denominado nivel de
significación, es definido por el investigador antes de recoger
los datos, y la costumbre es hacer alfa=0.05 o alfa=0.01 (en el
ejemplo alfa es igual a 0.05). La probabilidad de
cometer errores de tipo II se simboliza beta y depende de
varias circunstancias como la distancia que separa el valor
asignado al parámetro en la Hipótesis Nula de su valor real, el
tamaño muestral y el valor asignado a alfa.
Pruebas unilaterales y bilaterales
La prueba bilateral sitúa la región de rechazo en los dos

extremos (colas) de la distribución muestral. En cambio, el
contraste unilateral sitúa la región de rechazo en uno de los dos
extremos (colas) de la distribución muestral. El contraste
bilateral (o de dos colas) se utiliza cuando la Hipótesis
Alternativa asigna al parámetro cualquier valor diferente al
establecido en la Hipótesis Nula.
Ejemplo de contraste bilateral:
La Hipótesis Alternativa establece que, caso de rechazar la

Hipótesis Nula, decidimos que la proporción de la población a
que pertenece la muestra no es 0.5
Ejemplo de contraste unilateral:
La Hipótesis Alternativa establece que, caso de rechazar la

Hipótesis Nula, decidimos que la proporción de la población a
que pertenece la muestra es inferior a 0.5
prueba especial
Es una forma de evaluar la evidencia que los datos proporcionan para probar una
hipótesis. Esta hipótesis se denomina hipótesis nula, y suele denominarse H0. Bajo
H0, los datos se generan mediante procesos aleatorios. En otras palabras, los
procesos controlados (las manipulaciones experimentales, por ejemplo) no afectan a
los datos. Normalmente, H0 establece la igualdad (entre las medias, o entre las
varianzas, o entre un coeficiente de correlación y cero, por ejemplo).
Gráfico o diagrama de control

Un gráfico de control de calidad es una herramienta utilizada para distinguir las
variaciones debidas a causas asignables o especiales a partir de las variaciones
aleatorias inherentes al proceso.
Las variaciones aleatorias se repiten casualmente dentro de los límites
predecibles.
Las variaciones debidas a causas asignables o especiales indican que es
necesario identificar, investigar y poner bajo control algunos factores que afectan
al proceso.
La construcción de gráficos de control está basada en la estadística matemática.
Los gráficos de control emplean datos de operación para establecer límites dentro
de los cuales se espera hacer observaciones futuras, si el proceso demuestra no
haber sido afectado por causas asignables o especiales.

Hipotesis Estadistica

Cargado por

Copyright:

Formatos disponibles

Hipotesis Estadistica

Cargado por

Información del documento

Descripción original:

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

Hipotesis Estadistica

Cargado por

Copyright:

Formatos disponibles

hipótesis estadística es una proposición o supuesto sobre los

parámetros de una o más poblaciones.

 Ho: Hipótesis nula

La hipótesis alternativa, representada por H1, es la afirmación contradictoria a Ho, y ésta es la

La hipótesis nula se rechaza en favor de la hipótesis alternativa, sólo si la evidencia muestral

consiste en mantener o rechazar la hipótesis nula, en función de los resultados obtenidos al

la prueba de hipótesis es un procedimiento basado en la evidencia muestral y la teoría de probabilidad; se

.- Procedimiento sistemático para una prueba de hipótesis de una muestra

.Paso 1: Plantear la hipótesis nula Ho y la hipótesis alternativa H1.

Paso 2: Seleccionar el nivel de significancia.

Paso 3: Cálculo del valor estadístico de prueba

b) Pruebas unilateral o de un extremo: la hipótesis planteada se formula con ≥ o ≤

Paso 4: Formular la regla de decisión

Paso 5: Tomar una decisión.

Errores de tipo I y de tipo II

se comete cuando el investigador no acepta la hipótesis nula ( ) siendo esta verdadera en

La probabilidad de cometer errores de tipo I, que se

Pruebas unilaterales y bilaterales

La prueba bilateral sitúa la región de rechazo en los dos

Ejemplo de contraste bilateral:

La Hipótesis Alternativa establece que, caso de rechazar la

Ejemplo de contraste unilateral:

La Hipótesis Alternativa establece que, caso de rechazar la

Gráfico o diagrama de control

También podría gustarte