Estadística I 231

Unidad XIV - TEORIA DE LA DECISION ESTADISTICA

1. CONCEPTOS BÁSICO Y METODOLOGÍA DE LA PRUEBA DE HIPÓTESIS

A menudo, en la práctica, se tienen que tomar decisiones sobre poblaciones, partiendo de

la información muestral de las mismas. Tales decisiones se llaman, decisiones estadísticas. Por
ejemplo, una empresa fabricante de cubiertas para la marca de autos que vende la concesionaria,
propone un nuevo material, que permitirá un aumento en la duración de las cubiertas; el gerente
de ventas afirma que la nueva campaña publicitaria aumentó las ventas de autos más caros; ell
proveedor de aceite del taller, debe controlar que las botellas de aceite que envasa tienen en pro-
medio 1,5 lts. Al llegar a este tipo de conclusiones, el tomador querría cerciorarse, hasta donde
sea posible, de que ha llegado a una conclusión correcta.

Para tomar decisiones conviene hacer determinados supuestos acerca de las poblaciones
que se estudian. Tales supuestos que son los supuestos formulados respecto del valor de
algún parámetro, que pueden ser o no ciertos, se llaman Hipótesis Estadísticas y, en general,
lo son sobre las distribuciones de probabilidad de las poblaciones.

En la prueba de hipótesis se realiza una afirmación sobre un parámetro específico de la

población. Esta hipótesis tentativa se denomina “Hipótesis Nula” (H0), porque el propósito del
estudio es anularla o rechazarla. La letra H significa hipótesis y el subíndice cero no hay dife-
rencia. Por lo general hay un "no" en la hipótesis nula que indica que "no hay cambio", es siem-
pre una hipótesis de “status quo”. La hipótesis nula puede rechazarse o no, es análoga a la pre-
sunción de inocencia hasta que se demuestre la culpabilidad, según el sistema legal. No se la
rechaza salvo que se encuentre pruebas de "culpabilidad". A pesar de que solo se cuenta con
información de la muestra, la hipótesis nula se escribe en términos de la población.

Se define otra hipótesis, llamada “Hipótesis Alternativa”(H1), es la opuesta a la

Hipótesis Nula. Representa la conclusión a que se llegaría si se encontrasen pruebas de culpabi-
lidad.

El procedimiento para probar una hipótesis comprende el uso de datos de una muestra
para probar los supuestos representado por H0 y H1

Es importante tener en cuenta que si un valor hipotético no se rechaza ello no constituye

una prueba de que sea correcto. No rechazar el supuesto valor de un parámetro indica simple-
mente que se trata de un valor verosímil, en base al valor del estadístico observado.

La “Teoría de la Decisión Estadística” constituye la parte de la Inferencia Estadística

que permite decidir, sobre la base de resultados muestrales y con los procedimientos estadís-
ticos y matemáticos apropiados, acerca de la validez de algún supuesto que se formule res-
pecto del valor de un parámetro. Por tanto, la prueba de hipótesis, es otro aspecto de la infe-
rencia estadística que al igual que la estimación por intervalo de confianza, se basa en informa-
ción de la muestra. Se desarrolla una metodología paso a paso que permite hacer inferencia sobre
un parámetro poblacional mediante el análisis diferencial entre los resultados observados (es-
tadísticos de la muestra) y los resultados esperados, si la hipótesis subyacente es realmente cier-
ta.
Estadística I 232

Cuando vimos las distribuciones de muestreo, dijimos que, en general, una media mues-
tral diferirá en valor de la media poblacional. Si el valor observado de un estadístico muestral,
como la media muestral, se acerca al valor paramétrico supuesto y sólo difiere en una cantidad
que cabría esperar del muestreo aleatorio, el valor hipotético no se rechaza. Si la diferencia entre
el estadístico muestral y el parámetro poblacional fuera tal que no puede atribuirse al azar, la
hipótesis se rechaza por inverosímil.

METODOLOGÍA DE LA PRUEBA DE HIPÓTESIS: DEFINICIÓN DE ETAPAS

1. Formular la hipótesis nula.

2. Formular la hipótesis alternativa.
3. Especificar el nivel de significación.
4. Determinar el tamaño de la muestra.
5. Determinar el estadístico de prueba.
6. Establecer los valores críticos que dividen las zonas de rechazo y de no rechazo.
7. Obtener los datos y calcular los estadísticos.
8. Determinar el estadístico de prueba ha caído en la región de rechazo o en la de no rechazo.
9. Determinar la decisión estadística.
10. Expresar la decisión estadística en términos del problema.

Pasos 1 y 2: Se debe tener cuidado al formular las hipótesis nula y alternativa para asegurar que
estén bien estructuradas, y que la conclusión de la prueba de hipótesis proporcione la informa-
ción que necesita el investigador o quien toma la decisión.

La hipótesis nula siempre es un supuesto de status quo. La hipótesis alternativa es la con-

clusión a la que se llegaría si se rechaza la hipótesis nula.

Sea 0 el valor numérico específico que se considera en las hipótesis nula y alternativa. En
general, una prueba de hipótesis referente a los valores de la media poblacional  debe asumir
una de las tres formas siguientes:

H0 : x ≤ 0 H0 : x ≥ 0 H0 : x = 0
H1 :  x  0 H1 :  x 0 H1 :  x 0

Al formular las hipótesis se debe tener en cuenta si se trata de:

 Prueba de hipótesis de una investigación: la hipótesis que se investiga generalmente

se expresa como la hipótesis alternativa

 Prueba de la validez de una afirmación: la afirmación se plantea como hipótesis nu-

la.

 Prueba en caso de toma de decisiones: se debe elegir entre dos alternativas de ac-
ción, una asociada a H0 y la otra a H1

En el primer caso, supongamos que una empresa fabricante de cubiertas para la marca de
autos que vende la concesionaria, propone un nuevo material, que permitirá un aumento en la
duración de las cubiertas. Con el material actual las cubiertas duran en promedio 60.000 km.
Estadística I 233

Para evaluar el nuevo material se realizará un ensayo con 80 cubiertas. Observemos que la em-
presa fabricante busca pruebas para poder decir que el nuevo material aumenta la duración pro-
medio de las cubiertas. En éste caso, la hipótesis de investigación es que el nuevo material pro-
porcionará una media de duración de las cubiertas superiores a 60.000 km. Como regla general,
una hipótesis de investigación como ésta se debe formular y proponer como hipótesis alternativa.
Las hipótesis nula y alternativa en este caso son:

H0 : x ≤ 60.000 km.
H1 :  x  60.000 km

Si los resultados de la muestra indican que no se puede rechazar H0, la empresa fabricante
no puede decir que el nuevo material es mejor. Quizás se deban llevar a cabo más investigacio-
nes y pruebas. Sin embargo, si los resultados de la muestra indican que se puede rechazar H0, la
empresa fabricante, puede hacer la inferencia de que la duración de las cubiertas es superior a
60.000 km. Esta conclusión cuenta con el respaldo estadístico necesario para decir que el nuevo
material aumenta la duración de las cubiertas. En estos casos se debe formular la hipótesis nula
de manera tal que su rechazo respalde la conclusión y la acción que se propone.

En el segundo caso, el gerente de ventas afirma que la nueva campaña publicitaria au-
mentó las ventas de autos más caros. Se seleccionará una muestra y se calculará el precio prome-
dio para investigar la afirmación del gerente de ventas. En este tipo de pruebas de hipótesis se
supone, por lo general, que la afirmación del gerente de ventas es verdadera, a menos que la evi-
dencia parezca demostrar lo contrario. Las hipótesis nulas y alternativas serían las siguientes:

H0 : x ≥ $ 90.000
H1 :  x $ 90.000

Si los resultados de la muestra indican que H0 no se puede rechazar, no se puede dudar de

la afirmación del gerente. Sin embargo, si esos resultados indican que se puede rechazar H0 se
inferirá que la afirmación del propietario es incorrecta y que la campaña publicitaria no aumenta
las ventas de los autos más caros.

En cualquier caso donde intervenga la prueba de validez de una afirmación, la hipótesis

nula se suele basar en que la afirmación es verdadera. Entonces, se formula la hipótesis alternati-
va de modo tal que el rechazo de H0 proporcione evidencia estadística de que lo afirmado es in-
correcto y se deben llevar a cabo acciones para corregir lo afirmado.

En el tercer caso, el proveedor de aceite del taller, debe controlar que las botellas de
aceite que envasa tienen en promedio 1,5 lts. Periódicamente se selecciona una muestra de bote-
llas, que se controlan para determinar si el proceso de envasado funciona correctamente. En este
caso se formulan las siguientes hipótesis:

H0: x = 1,5 lts

H1:  x 1,5 lts

Si los resultados indican que no se puede rechazar H0 esto revelaría que el proceso de en-
vasado funciona correctamente. Sin embargo, si los resultados de la muestra indican que se debe
Estadística I 234

rechazar H0 la conclusión sería que falta o sobra aceite, se debe parar la línea de producción y
hacer los ajustes necesarios para que el llenado sea correcto.

Paso 3: Las hipótesis nula y alternativa son supuestos sobre la población que compiten entre sí.
O la hipótesis nula es verdadera, ó lo es la hipótesis alternativa, pero no ambas. En una situación
ideal, el procedimiento de prueba de hipótesis debe concluir no rechazando la hipótesis nula
cuando es verdadera y rechazándola cuando es falsa. Pero no siempre son posibles las conclusio-
nes correctas. Como las pruebas de hipótesis se basan en información de muestras, debemos con-
siderar la posibilidad de error.

La lógica de la metodología de prueba de hipótesis radica en determinar que tan probable

es que la hipótesis nula sea cierta, considerando la información recabada de una muestra. El es-
tadístico muestral es una estimación del parámetro correspondiente. Incluso si la hipótesis nula
es cierta, cabe esperar que el estadístico sea distinto del valor del parámetro, por la variación
causada por el muestreo. Sin embargo, si la hipótesis nula es cierta, cabe esperar que el estadísti-
co muestral sea cercano al parámetro poblacional. Si el estadístico muestral es cercano al pará-
metro poblacional, no contaremos con evidencia suficiente para rechazar la hipótesis nula. Pero,
si existe una gran diferencia entre el valor del parámetro poblacional y el estadístico se concluirá
que la hipótesis es falsa.

Determinar que es “muy cercano” y que es “muy diferente” sería un proceso arbitrario sin
definiciones clara. La metodología de prueba debe permitir evaluar las diferencias, además de
cuantificar el proceso de toma de decisiones mediante el cálculo de la probabilidad de obtener un
resultado muestral dado si la hipótesis nula resulta verdadera. Se calcula esta probabilidad de-
terminando la distribución correspondiente al estadístico muestral y luego se calcula el estadísti-
co de prueba específico, en base al resultado muestral obtenido. La distribución muestral del
estadístico suele seguir una distribución estadística conocida, como la distribución normal estan-
darizada, la distribución t o la distribución , éstas se utilizan como ayuda para determinar si la
hipótesis nula es cierta.

Se pueden plantear las siguientes situaciones.

Decisión Situación real

Estadística H0 cierta H0 falsa
Decisión correcta Error de tipo II
No Rechazar H0
1- 
Error tipo I Decisión correcta
Rechazar H0
 1-

Existen dos tipos de errores:

 Error de tipo I (), es la probabilidad de que se rechace la hipótesis nula cuando es

verdadera.
 Error de tipo II (), es la probabilidad de aceptar la hipótesis nula cuando es falsa

El error de tipo I se llama también nivel de significación, determina el nivel de riesgo

que se está dispuesto a tolerar en términos de rechazo de una hipótesis verdadera. La selección
del nivel de  particular de riesgo, depende de la importancia (significación) del problema. En
Estadística I 235

otras palabras, si se encuentra que los resultados observados en una muestra al azar difieren mar-
cadamente de aquellos que cabría esperar con la hipótesis y la variación propia del muestreo, se
diría que las diferencias observadas son significativas y se estaría en condiciones de rechazar la
hipótesis. Habitualmente se trabaja con niveles de significación del 1% y del 5%.

Paso 4: El tamaño de la muestra se determina al tomar en cuanta la importancia de  y y al

considerar las restricciones presupuestarias al efectuar el estudio. Generalmente las muestras
grandes, permiten detectar incluso diferencias pequeñas entre los valores hipotéticos los paráme-
tros poblacionales. Para un nivel de  dado, aumentar el tamaño de la muestra reducirá  y así se
incrementará el poder de la prueba para detectar que la hipótesis nula es falsa. Sin embargo, esto
implica un aumento de los costos del estudio, por lo que las restricciones presupuestarias afec-
tarán el tamaño de la muestra que se tomará.

La fórmula para determinar el tamaño de muestra mínimo requerido para una prueba de
hipótesis de la media, usando la distribución normal es:

n
z 0  z1 2  2
 0  1 
El valor z0 es el valor crítico de z que surge del nivel de significación especificado (),
mientras que z1 es el valor respecto de la probabilidad del error de tipo II asignada (). El valor
de  debe conocerse o utilizar su estimador. Esta fórmula puede emplearse lo mismo para prue-
bas unilaterales que bilaterales. El único valor que difiere en estos dos tipos de pruebas es el va-
lor de z0 utilizado

Paso 5: Una vez definidas las hipótesis nula y alternativa, y el tamaño de la muestra se puede
establecer la distribución a utilizar: normal, t- student ó chi cuadrado.

Paso 6: Para poder establecer un método objetivo, que permita comparar los resultados muestra-
les con la hipótesis nula, el “nivel de significación”, se representa como un área (como toda
probabilidad en una función de densidad), que se ubica a la derecha, a la izquierda o a ambos
lados (en este caso, con la mitad de  en cada lado) según como se haya definido la Hipótesis
alternativa. Esta probabilidad permite encontrar, en la tabla correspondiente (normal, t de Stu-
dent o chi cuadrado), un valor de la variable (z, t ó ) denominado “valor crítico” simbolizado
con zc (o eventualmente tc ó c), que divide al eje de las abscisas en dos zonas: la “zona de re-
chazo”, que se extiende por debajo de , y la “zona de no rechazo”, que se extiende a lo largo
del resto del eje.

Paso 7: Este paso está reservado a la efectiva realización de la investigación muestral. Es decir
que en este momento es cuando se realiza el estudio tendiente a obtener los valores muestrales y
calcular los estadísticos.

Paso 8: Se debe determinar la técnica a utilizar para determinar si el estadístico muestral ha caí-
do en la región de rechazo o en la de no rechazo, es decir, el modo en que el estadístico de la
muestra se va a comparar con el parámetro hipotético. El estadístico de prueba puede ser el es-
tadístico muestral (el estimador insesgado del parámetro que se prueba) o una versión transfor-
mada de ese estadístico muestral.
Estadística I 236

La forma de verificar la validez del supuesto formulado, consiste en comparar el paráme-

tro poblacional con el estadístico muestral

Estadístico – Parámetro
Error estándar del estimador

El procedimiento para efectuar esta comparación, consiste en construir una variable es-
tandarizada zi cuando n > 30, porque al estar trabajando con una muestra grande las estadísti-
cas tienen Distribución Normal, en cuyo numerador aparece, precisamente, la diferencia entre x
y 0, o entre S2x y 2 x es decir:
x  0 S 
z1  z  x x
Sx 1 S
x
n 2n

o en su defecto la variable t de Student ó 2 (si se tratara de n ≤ 30 y no conocemos el desvío

estandar poblacional), haciendo:
 x 
2
x  0 n S x2 i x
t1     v2gl
Sx  x2  x2
n 1

El valor del estadístico de prueba. se compara con el valor crítico en la distribución apro-
piada, para determinar si cae en la zona de rechazo o en la de no rechazo.

Paso 9: Se determina la decisión de la prueba de hipótesis

 si z1 >zc z1 cae en la “zona de rechazo” y se considera que las diferencias en-
tre z1 y zc son significativas  Rechazo la Hipótesis nula
 si z1≤zc z1 cae en la “zona de no rechazo” y se considera que las diferencias
entre z1 y zc no son significativas  No Rechazo la Hipótesis nula.

Paso 10: Una vez tomada la decisión, se deben expresar sus consecuencias en términos del pro-
blema particular.

2. PRUEBA DE HIPOTESIS PARA LA MEDIA POBLACIONAL

PRUEBAS DE UNA COLA

Retomemos el primer caso, supongamos que una empresa fabricante de cubiertas para la
marca de autos que vende la concesionaria, propone un nuevo material, que permitirá un aumen-
to en la duración de las cubiertas. Con el material actual las cubiertas duran en promedio 60.000
km. Para evaluar el nuevo material se realizará un ensayo con 80 cubiertas. Observemos que la
empresa fabricante busca pruebas para poder decir que el nuevo material aumenta la duración
promedio de las cubiertas. En éste caso, la hipótesis de investigación es que el nuevo sistema
Estadística I 237

proporcionará una media de duración superior a 60.000 km. Como regla general, una hipótesis
de investigación como ésta se debe formular y proponer como hipótesis alternativa.

1. Formular la hipótesis nula: H0: x ≤ 60.000 km.

 Formular la hipótesis alternativa: H1:  x  60.000 km.


3. Especificar el nivel de significación. El nivel de significación se fijó en el 1%, ésta sería la
probabilidad máxima aceptada de rechazar la hipótesis nula cuando es verdadera.

4. Determinar el tamaño de la muestra. En función al nivel de significación se determinó que

el tamaño de la muestra es de 64 autos.

5. Determinar el estadístico de prueba. Se debe trabajar con la distribución normal estandari-

zada.

6. Establecer los valores críticos que dividen las zonas de rechazo y de no rechazo

zc= 2,33

Zona de
Zona de rechazo
no rechazo

zc
-3,00 -2,00 -1,00 0,00 1,00 2,00 3,00

7. Obtener los datos y calcular los estadísticos.

x  62.000 km s x  5.000 km
x 62.000  60.000
0
z    3,2
1 S 5.000
x
n 64

8. Determinar si el estadístico de prueba ha caído en la región de rechazo o en la de no

rechazo. El estadístico cae en la región de rechazo
Estadística I 238

9. Determinar la decisión estadística.

z1 = 3,2 > zc = 2,33 rechazar la hipótesis nula

10. Expresar la decisión estadística en términos del problema. El nuevo material aumenta la
duración de las cubiertas.

En el segundo caso, el gerente de ventas afirma que la nueva campaña publicitaria au-
mentó las ventas de autos más caros. Se seleccionará una muestra y se calculará el precio medio
para investigar la afirmación del gerente de ventas. En este tipo de pruebas de hipótesis se supo-
ne, por lo general, que la afirmación del gerente es verdadera, a menos que la evidencia parezca
demostrar lo contrario. Las hipótesis nulas y alternativas serían las siguientes:

1. Formular la hipótesis nula: H0: x ≥ $.90.000

2. Formular la hipótesis alternativa: H1:  x $.90.000

3. Especificar el nivel de significación. El nivel de significación se fijó en el 5%, ésta sería la

probabilidad máxima aceptada de rechazar la hipótesis nula cuando es verdadera.

4. Determinar el tamaño de la muestra. En función al nivel de significación se determinó que

el tamaño de la muestra en 80 operaciones de venta.

5. Determinar el estadístico de prueba. Se debe trabajar con la distribución normal

6. Establecer los valores críticos que dividen las zonas de rechazo y de no rechazo

zc= - 1,645

Zona de
rechazo
Zona de
no rechazo

-3,00 -2,00 zc -1,00 0,00 1,00 2,00 3,00

Estadística I 239

7. Obtener los datos y calcular los estadísticos.

x  $92.250 s x  $17.500.

x 92.500  90.000

0
z    1,28
1 S 17.500
x
n 80

8. Determinar el estadístico de prueba ha caído en la región de rechazo o en la de no re-

chazo.
El estadístico cae en la región de no rechazo

9. Determinar la decisión estadística.

z1=-1,28≤zc=-1,645 no rechazar H0

10. Expresar la decisión estadística en términos del problema. No encontramos evidencias

para refutar la afirmación del gerente de ventas.

PRUEBAS DE DOS COLAS

En el tercer caso, el proveedor de aceite del taller, debe controlar que las botellas de
aceite que envasa tienen en promedio 1,5 lts. Periódicamente se selecciona una muestra de bote-
llas, que se controlan para determinar si les falta o sobra aceite. En este caso se formulan las si-
guientes hipótesis:

1. Formular la hipótesis nula: H0: x = 1,5 lts.

2. Formular la hipótesis alternativa: H1:  x 1,5 lts.

Si los resultados indican que no se puede rechazar H0 esto revelaría que la línea de produc-
ción funciona correctamente. Sin embargo, si los resultados de la muestra indican que se de-
be rechazar H0 la conclusión sería que falta o sobra aceite, se debe parar la línea de produc-
ción y hacer los ajustes necesarios para que el llenado sea correcto.

3. Especificar el nivel de significación. El nivel de significación se fijó en el 1 %, ésta sería la

probabilidad máxima aceptada de rechazar la hipótesis nula cuando es verdadera.

4. Determinar el tamaño de la muestra. En función al nivel de significación se determinó que

el tamaño de la muestra es de 25 botellas.

5. Determinar el estadístico de prueba. Se debe trabajar con la distribución t-student

6. Establecer los valores críticos que dividen las zonas de rechazo y de no rechazo

tc= ± 2,80
Estadística I 240

Zona de Zona de
rechazo Zona de rechazo
no rechazo

-tc +tc
-3,00 -2,00 -1,00 0,00 1,00 2,00 3,00

7. Obtener los datos y calcular los estadísticos.

x  1,53 lts s x  0,10lts.
x   x 1,53  1,50
t1    1,47
sx 0,10
n 1 24

8. Determinar si el estadístico de prueba ha caído en la región de rechazo o en la de no

rechazo.
El estadístico cae en la región de no rechazo

9. Determinar la decisión estadística.

t1=1,47≤tc= 2,80 No rechazar H0

10. Expresar la decisión estadística en términos del problema. No encontramos evidencias de

que la línea de producción no esté funcionando correctamente.

3. PRUEBA DE HIPÓTESIS PARA PROPORCIONES

La distribución normal puede servir como aproximación de una distribución binomial

cuado n > 30 y tanto np ≥ 5 como nq ≥ 5.

El procedimiento apropiado con la prueba de un valor hipotético de la proporción de la

población es idéntico al de la media poblacional. Así la fórmula del estadístico z es:
Estadística I 241

hi  P0
z
p

La proporción muestral sirve de base para el desvío estándar. En la prueba de hipótesis, el

desvío estándar de la proporción se basa por lo general en el uso del valor hipotético P0:

hi 1  hi 
 pˆ 
n

Antes de la efectiva recolección de una muestra, para determinar el tamaño de la muestra

mínimo requerido, la fórmula es:

2
 z P 1  P   z P 1  P  
0 0 0 1 1 1
n 
 P1  P0 
 

Siendo z0 es el valor crítico de z que se establece teniendo en cuenta en nivel de signifi-

cación y z 1 depende de la probabilidad de error de tipo II. Ambos z siempre tienen signos alge-
braicos opuestos. El resultado es que los dos productos en el numerador siempre se acumularán.

4. PRUEBA DE HIPÓTESIS PARA LA VARIANZA Y EL DESVÍO ESTÁNDAR

El procedimiento que sigue la prueba de hipótesis para verificar la validez de un postula-

do respecto del valor de la variancia poblacional no tiene modificaciones fundamentales respecto
de la estructura de la prueba que fue realizada para la media poblacional, en ambos casos deben
cumplirse los pasos previstos en la metodología y se utilizan aquellas Funciones de Densidad
Normal o 2 según estemos en presencia de muestras grandes o muestras pequeñas, respectiva-
mente.

5. ERRORES DE TIPO I Y TIPO II.

Al utilizar una muestra para hacer inferencias sobre la población, el que toma la decisión
corre el riesgo de que se llegue a una conclusión incorrecta. Existen dos tipos de errores que
pueden ocurrir en el procedimiento de prueba de hipótesis.

El primer error, llamado error de tipo I (), es la probabilidad de que se rechace la hipó-
tesis nula H0 cuando, en realidad, es verdadera. Si por el contrario, se acepta una hipótesis cuan-
do debería ser rechazada, se dice que se comete un error de Tipo II. En cualquiera de los dos
casos se comete un error al tomar una decisión equivocada.

Tradicionalmente, el error de tipo I se controla al decidir el nivel de riesgo que está dis-
puesto a correr al rechazar la hipótesis nula, siendo ésta cierta. Como el nivel de significación se
especifica antes de realizar la prueba de hipótesis el riesgo de cometer un error de tipo I está di-
rectamente bajo control. Por lo general, se seleccionan niveles de 0,01, 0,05 o 0,10. La selección
Estadística I 242

de un nivel de riesgo específico para cometer un error de tipo I depende del costo que implicaría
cometerlo. Después de especificar el valor de , se conoce el tamaño de la zona de rechazo,
porque  es la probabilidad de rechazar la hipótesis nula cuando es verdadera. A partir de esto,
se determina el valor o los valores críticos que dividen la zona de rechazo y de no rechazo.

 = P(eI)

La probabilidad de cometer un error de tipo II se denota con . A diferencia del error de

tipo I, que se controla al seleccionar , la posibilidad de cometer un error de tipo II depende de la
diferencia que existe entre los valores hipotético y real del parámetro poblacional. Cómo es más
fácil encontrar diferencia grandes que pequeñas si la diferencia que existe entre los valores
hipotético y real del parámetro poblacional es grande,  es pequeña.

Una forma de reducir la probabilidad de cometer un error de tipo II consiste en aumen-

tar el tamaño de la muestra. Por lo general, las muestras grandes permiten detectar incluso dife-
rencia pequeñas entre valores hipotéticos y parámetros poblacionales. Para un nivel de  dado,
aumentar el tamaño de la muestra reducirá  y así se incrementará el poder de la prueba para
detectar que la hipótesis nula es falsa. Sin embargo, siempre existe un límite para los recursos y
esto afectará la decisión de qué tan grande debe ser la muestra tomada. De esta forma, para un
tamaño dado de la muestra, se debe considerar las comparaciones entre los dos tipos de errores
posibles. Como el riesgo de un error de tipo I se controla directamente, éste se reducirá seleccio-
nando un valor más pequeño para . Por ejemplo, si son considerables las consecuencias negati-
vas asociadas a un error de tipo I, puede seleccionarse un  = 0,01 en lugar de 0,05. Sin embar-
go, cuando  se reduce, aumenta, por lo que reducir el riesgo de un error de tipo I tiene como
resultado un aumento en el riesgo del error de tipo II. Por otra parte, si se desea reducir , puede
seleccionarse un valor mayor para .

RESUMEN
si ¿Es n grande no
(n≥30)?

si no si ¿Es aproximadamente no
¿Se conoce s?
normal la población?

si no
Usar sx para ¿Se conoce s?
estimar sx

Usar sx para
estimar sx Aumente el
tamaño de la
x  x x  x muestra a
z z
x sx n >30
x  x x  x
n n z t
x sx
n n 1
Estadística I 243

Pasos Prueba de Hipótesis para Medias

Formular la  H 0)  x =  0
hipótesis H0) x ≤ 0 H0)  x ≥  0
nula

Formular la
hipótesis H1)  x >  0 H0)  x < 0 H 0)  x   0
alternativa

Especificar
el nivel de Fijar 
significación

Determinar
el tamaño
Determinar n
de la mues-
tra

n >30 n ≤ 30
   
Elegir el   descono-   descono-
estadístico conocido cido conocido cido
de la prueba
Distribución
Distribución normal
t-student

Establecer
los valores Buscar zc
críticos

   
x x sx x x sx
Extraer la
muestra y    
x  x x  x x  x x  x
calcular los z1  z1  z1  t1 
x sx x sx
estadísticos
n n n n

Regla de | z1 | > | zc | | t1 | > | tc |

decisión rechazo H 0 rechazo H0
Estadística I 244

Pasos Prueba de Hipótesis para Varianza

Formular la  H 0) x = 0
hipótesis H 0) x ≤ 0 H0) x ≥ 0
nula

Formular la
hipótesis H 1) x > 0 H0) x < 0 H 0) x  0
alternativa

Especificar
el nivel de Fijar 
significación

Determinar
el tamaño
Determinar n
de la mues-
tra

n > 30 n ≤ 30
Elegir el    
estadístico Distribución
de la prueba Distribución normal Chi- cuadra-
do

Establecer
los valores Buscar zc
críticos

sx sx sx
Extraer la
muestra y sx   x sx   x sx   x sx   x
z1  z1  z1  2 
calcular los sx sx sx sx
estadísticos n2
2n 2n 2n

Regla de | z1 | > | zc | |  | > | c2 |

decisión rechazo H 0 rechazo H 0
Estadística I 245

Pasos Prueba de Hipótesis para Proporciones

Formular la  H 0) P x = P 0
H 0 ) P x ≤ P0 H0) P x ≥ P 0
hipótesis nula

Formular la
hipótesis alterna- H 1) P x > 0 H0) P x < P 0 H 0) Px  P0
tiva

Especificar el ni-
vel de significa- Fijar 
ción

Determinar el
tamaño de la Determinar n
muestra

n > 30 n ≤ 30
Elegir el estadís-
   
tico de la prueba
Distribución normal Aumentar
el tamaño
Establecer los de la
Buscar zc
valores críticos muestra

hi
Extraer la mues- hi  P
z1 
tra y calcular los hii 1  hi 
estadísticos n

| z1 | > | zc |
Regla de decisión
rechazo H0

PREGUNTAS TEÓRICAS

1) El nivel de confianza de la Teoría de Estimación (NC) y el nivel de significación de la Teoría

de Decisión (), sumados, valen 1.
a) Siempre
b) Nunca
c) A veces
Estadística I 246

2) En Teoría de Decisión, ¿qué relación existe entre el nivel de significación () y la probabili-
dad de error de tipo I (PeI)?
a) Directa
b) Inversa
c) No existe