INSTITUTO TECNOLOGICOSUPERIOR DE HUICHAPAN

ESTADISTICA INFERENCIAL

UNIDAD 3: PRUEBAS DE HIPÓTESIS.

DULCE ALONDRA GARCIA HERNANDEZ

DOCENTE:

SANDRA GONZALEZ CARLOS

GESTION EMPRESARIAL

4°SEMESTRE
Unidad 3 Pruebas de hipótesis con una muestra.

3.1 Metodología para la prueba de hipótesis

3.2 Hipótesis nula y alternativa.

3.3 Error tipo I y error tipo II.

3.4 Pruebas de hipótesis Z para la media (desviación estándar poblacional

conocida).

3.5 Pruebas para proporciones.

3.6 Selección del tamaño de muestra para estimar la media poblacional

3.7 Selección del tamaño de muestra para estimar la proporción poblacional

1.- INTRODUCCION
Dentro del estudio de la inferencia estadística, se describe como se puede
tomar una muestra aleatoria y a partir de esta muestra estimar el valor de un
parámetro poblacional en la cual se puede emplear el método de muestreo y el
teorema del valor central lo que permite explicar cómo a partir de una muestra
se puede inferir algo acerca de una población, lo cual nos lleva a definir y
elaborar una distribución de muestreo de medias muéstrales que nos permite
explicar el teorema del límite central y utilizar este teorema para encontrar
las probabilidades de obtener las distintas medias maestrales de una población.
Pero es necesario tener conocimiento de ciertos datos de la población como la
media, la desviación estándar o la forma de la población, pero a veces no se
dispone de esta información.
En este caso es necesario hacer una estimación puntual que es un valor que se
usa para estimar un valor poblacional. Pero una estimación puntual es un solo
valor y se requiere un intervalo de valores a esto se denomina intervalo de
confianza y se espera que dentro de este intervalo se encuentre el parámetro
poblacional buscado. También se utiliza una estimación mediante un intervalo,
el cual es un rango de valores en el que se espera se encuentre el parámetro
poblacional
En nuestro caso se desarrolla un procedimiento para probar la validez de una
aseveración acerca de un parámetro poblacional este método es denominado
Prueba de hipótesis para una muestra.

UNIDAD 3: PRUEBAS DE HIPÓTESIS.

Existen múltiples problemas en los cuales, en vez de estimar el valor de un
parámetro, debemos decir si una afirmación relativa a un parámetro es
verdadera o falsa; esto es, debemos aprobar una hipótesis relativa a un
parámetro. Por ejemplo; en un trabajo de control de calidad una muestra
aleatoria puede servir para determinar el hecho de que la media del proceso
(con base una clase determinar de medición) ha permanecido inalterada o bien
si ha cambiado a tal grado que el proceso está fuera de control y tenga que
hacerse ajustes.

µ = 20, n = 36, rechazar la afirmación de que la media excede 20.75 min. o

Media μ = 20 minutos
Media real µ = 21, σ = 2.4min.
Media muestral exceda 20.75 min. a pesar de que μ = 20
 x   / n  2.4 / 36  0.4
20.75  20
Z  1.875
0.4
1  0.9693  0.0307

La probabilidad de rechazar erróneamente la hipótesis es 20 aproximadamente

0.3.
20. 75−21
Z= =−0 . 625
0. 4 aprox. 0.63 tabla 3 =0.7357 1-0.7357=0.2643

La probabilidad de equivocarse al aceptar la hipótesis igual 21 que es

aproximadamente 0.26.
La situación descrita en este ejemplo caracteriza la prueba de una hipótesis
estadística y puede resumirse en la siguiente tabla, donde a las hipótesis que
está siendo probadas las llamamos hipótesis nulas.
3.2 HIPOTESIS NULA Y ALTERNATIVA

Una prueba de hipótesis examina dos hipótesis opuestas sobre una población: la
hipótesis nula y la hipótesis alternativa. La manera en que se configuran estas
hipótesis depende de lo que se intenta demostrar.
Hipótesis nula (H0)

La hipótesis nula establece que un parámetro de población es igual a un valor.

La hipótesis nula suele ser una afirmación inicial que los investigadores
especifican basándose en investigaciones previas o en su conocimiento.
Hipótesis alternativa (H1)

La hipótesis alternativa establece que el parámetro de población es diferente

del valor del parámetro de población en la hipótesis nula. La hipótesis
alternativa es lo que usted podría pensar que es cierto o espera probar que es
cierto.
¿Cuáles son algunas de las hipótesis comunes?
Las hipótesis para determinar si una media de población, μ, es igual a cierto
valor objetivo μ0 incluyen las siguientes:
H0: μ = μ0
H1: μ < μ0 (una prueba de cola inferior) o
H1: μ > μ0 (una prueba de cola superior) o
H1: μ ≠ μ0 (una prueba de dos colas)
Las hipótesis para determinar si una media de población, μ1 es igual a otra
media de población μ2incluyen las siguientes:
H0: μ1 = μ2
H1: μ1< μ2 o
H1: μ1> μ2 o
H1: μ1≠ μ2
3.3 ERROR TIPO I Y TIPO II
Cuando usted realiza una prueba de hipótesis, puede cometer dos tipos de
errores: tipo I y tipo II. Los riesgos de estos dos errores están inversamente
relacionados y son determinados por el nivel de significancia y la potencia de la
prueba. Por lo tanto, usted debe determinar qué error tiene consecuencias más
graves para su situación antes de definir sus riesgos.
Ninguna prueba de hipótesis es 100% cierta. Puesto que la prueba se basa en
probabilidades, siempre existe la posibilidad de sacar una conclusión
incorrecta.
Error de Tipo I
Si rechaza la hipótesis nula cuando ésta es verdadera, usted comete un error
de tipo I. La probabilidad de cometer un error de tipo I es α, que es el nivel de
significancia que usted establece para su prueba de hipótesis. Un α de 0.05
indica que usted está dispuesto a aceptar una probabilidad de 5% de que está
equivocado cuando rechaza la hipótesis nula. Para reducir este riesgo, debe
utilizar un valor más bajo para α. Sin embargo, si utiliza un valor más bajo para
alfa, significa que tendrá menos probabilidades de detectar una diferencia
verdadera, si es que realmente existe.
Error de tipo II
Cuando la hipótesis nula es falsa y usted no la rechaza, comete un error de tipo
II. La probabilidad de cometer un error de tipo II es β, que depende de la
potencia de la prueba. Puede reducir su riesgo de cometer un error de tipo II
al asegurarse de que la prueba tenga suficiente potencia. Para ello, asegúrese
de que el tamaño de la muestra sea lo suficientemente grande como para
detectar una diferencia práctica cuando ésta realmente exista.
La probabilidad de rechazar la hipótesis nula cuando es falsa es igual a 1–β.
Este valor es la potencia de la prueba.
  Hipótesis nula
Decisión Verdadero Falso
No Decisión correcta Error de tipo II - no rechazar
rechazar (probabilidad = 1 - α) la hipótesis nula cuando es
falsa (probabilidad = β)
Rechazar Error de tipo I - rechazar la Decisión correcta
hipótesis nula cuando es (probabilidad = 1 - β)
verdadera (probabilidad = α)
Ejemplo de error de tipo I y tipo II
Para entender la interrelación entre los errores de tipo I y tipo II, y para
determinar cuál error tiene consecuencias más severas según sea su caso,
considere el siguiente ejemplo.
Un investigador médico desea comparar la eficacia de dos medicamentos. Las
hipótesis nulas y alterna son:
Hipótesis nula (H0): μ1= μ2
Los dos medicamentos tienen la misma eficacia.
Hipótesis alternativa (H1): μ1≠ μ2
Los dos medicamentos no tienen la misma eficacia.
Un error de tipo I se produce si el investigador rechaza la hipótesis nula y
concluye que los dos medicamentos son diferentes cuando, en realidad, no lo
son. Si los medicamentos tienen la misma eficacia, el investigador podría
considerar que este error no es muy grave, porque de todos modos los
pacientes se beneficiarían con el mismo nivel de eficacia independientemente
del medicamento que tomen. Sin embargo, si se produce un error de tipo II, el
investigador no rechaza la hipótesis nula cuando debe rechazarla. Es decir, el
investigador concluye que los medicamentos son iguales cuando en realidad son
diferentes. Este error puede poner en riesgo la vida de los pacientes si se pone
en venta el medicamento menos efectivo en lugar del medicamento más
efectivo.
Cuando realice las pruebas de hipótesis, considere los riesgos de cometer
errores de tipo I y tipo II. Si las consecuencias de cometer un tipo de error
son más graves o costosas que cometer el otro tipo de error, entonces elija un
nivel de significancia y una potencia para la prueba que reflejen la gravedad
relativa de esas consecuencias.

3.4 PRUEBAS DE HIPOTESIS Z PARA LA MEDIA (DESVIACION

ESTANDAR POBLACIONAL CONOCIDA)
Una prueba Z es una prueba de hipótesis basada en el estadístico Z, el cual
sigue una distribución normal según la hipótesis nula.

La prueba Z más simple es la prueba Z de 1 muestra, la cual evalúa la media de

una población normalmente distribuida con una varianza conocida. Por ejemplo,
el gerente de una compañía productora de caramelos desea saber si el peso
medio de un lote de cajas de caramelos es igual al valor objetivo de 10 onzas.
De los datos históricos, la compañía sabe que la máquina de llenado tiene una
desviación estándar de 0.5 onzas, de modo que se utiliza este valor como la
desviación estándar de la población en una prueba Z de 1 muestra.

También puede utilizar las pruebas Z para determinar si las variables

predictores en los análisis probit y en la regresión logística tienen un efecto
significativo en la respuesta. La hipótesis nula establece que el predictor no es
significativo.

También tiene la opción de utilizar una prueba Z para realizar una aproximación
a la normal para las pruebas de tasa de Poisson y las pruebas de proporciones.
Estas aproximaciones a la normal son válidas cuando el tamaño de la muestra y
el número de eventos son adecuadamente grandes.

3.5 PRUEBAS PARA PROPORCIONES.

Una proporción representa una parte de un todo más grande.

Es una fracción, relación o porcentaje que indica la parte de una población o
muestra que tiene una característica de interés particular. 
Las pruebas de proporciones son adecuadas cuando los datos que se están
analizando constan de cuentas o frecuencias de elementos de dos o más clases.
El objetivo de estas pruebas es evaluar las afirmaciones con respecto a una
proporción (o Porcentaje) de población. Las pruebas se basan en la premisa de
que una proporción maestral (es decir, x ocurrencias en n observaciones, o x/n)
será igual a la proporción verdadera de la población si se toman márgenes o
tolerancias para la variabilidad maestral
Cuando el objetivo del muestreo es evaluar la validez de una afirmación con
respecto a la proporción de una población, es adecuado utilizar una prueba de
una muestra. La metodología de prueba depende de si el número de
observaciones de la muestra es grande o pequeño.
Esta prueba comprende el cálculo del valor estadístico de prueba Z.

3.6 SELECCIÓN DEL TAMAÑO DE LA MUESTRA PARA ESTIMAR LA

MEDIA POBLACIONAL
Para qué.. El tamaño de la muestra
Numero de sujetos que componen la muestra extraída de una población
necesarios para que los datos obtenidos sean representativos 
El papel de la hipótesis
En el análisis estadístico se hace una aseveración es decir, se plantea una
hipótesis, después se hacen las pruebas para verificar la aseveración o para
determinar que no es verdadera.
Se desea determinar, con base a la media ^X de una muestra aleatoria de
tamaño 100, si el gasto diario promedio en alimentos de familias de tres
miembros de cierta escala de ingreso es de 850.0 Mn. A partir de información
recolectada en otros estudios pertinentes, suponemos que las variabilidades de
esos gastos están dadas por una desviación estándar de G= 122.0 Mn y se sabe
que la media de la muestra es de 878.0 Mn. El experimento se debe realizar
con un nivel de significancia de 1 = 0.05.y 0.01 ¿A qué conclusiones se debe
llegar?

Solución
H0:
H1:
Ns:
x
U0:
G:
aplica formula:
Buen nivel de confianza
Reducir costos
Aumentar rapidez de estudios
beneficios
Olivas Beltran Ismael
Urias Davila Fernando
Por lo tanto 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 
3.7 SELECCIÓN DEL TAMAÑO DE MUESTRA PARA ESTIMAR LA
PROPORCION POBLACIONAL
Para calcular el tamaño de muestra para la estimación de proporciones
poblacionales hemos de tener en cuenta los mismos factores que en el caso de
la media.
La fórmula que nos permitirá determinar el tamaño maestral es la siguiente:
Donde: z correspondiente al nivel de confianza elegido P: proporción de una
categoría de la variable e: error máximo N: tamaño de la población Siguiendo
con el estudio planteado en el punto anterior, supongamos que tratamos de
estimar la proporción de mujeres que trabajan diariamente 10 horas o más.
De un estudio piloto se dedujo que P=0.30, fijamos el nivel de confianza en
0.95 y el error máximo 0.02.
Ejemplo: ¿A cuántas personas tendríamos que estudiar para conocer la
prevalencia de diabetes? Seguridad = 95%; Precisión = 3%: Proporción
esperada = asumamos que puede ser próxima al 5%; si no tuviésemos ninguna
idea de dicha proporción utilizaríamos el valor p = 0,5 (50%) que maximiza el
tamaño maestral:
Dónde: Za 2 = 1.962 (ya que la seguridad es del 95%) p = proporción esperada
(en este caso 5% = 0.05) q = 1 – p (en este caso 1 – 0.05 = 0.95) d = precisión
(en este caso deseamos un 3%) Si la población es finita, es decir conocemos el
total de la población y deseásemos saber cuántos del total tendremos que
estudiar la respuesta seria: 12
BIBLIOGRAFÍA
LIZÁRRAGA, G., Ignacio M. Esta
LINCOLN L. Chao. Introducción a la Estadística. Editorial CECSA. México,
1985. dística. Editorial McGraw Hill. México, 1986.
G. HOEL, Paul. Estadística Elemental. Editorial CECSA. 2a. Impresión, México,
1976.