Pruebas de Hipótesis Estadísticas

Presenta: José Alberto Cruz Tolentino

Miahuatlán de Porfirio Díaz, Oaxaca a 16 de noviembre de 2020.

 Introducción

La hipótesis de investigación es la conjetura o suposición que motiva la investigación.

Las hipótesis estadísticas se establecen de tal forma que pueden ser evaluadas por medio de
técnicas estadísticas adecuadas.
Durante está presentación nos referimos a las hipótesis estadísticas, que serán las sujetas para ser evaluadas.

Las pruebas de hipótesis presentan dos enfoques:

Las pruebas de hipótesis sobre parámetros. Consiste en determinar si el parámetro de una
distribución toma o no un determinado valor.

Las pruebas de bondad de ajuste. Define si un conjunto de datos se ha generado de una

determinada distribución.

01
 Prueba de Hipótesis Estadística

Una prueba de hipótesis estadística es una regla que especifica si se puede aceptar o rechazar
una afirmación acerca de una población dependiendo de la evidencia proporcionada por una
muestra de datos.

Nota: La aceptación de la hipótesis estadística no es una afirmación que

el suceso es cierto, si no que no hay evidencia suficiente para
rechazarla.

02
 Prueba de Hipótesis Estadística (continua…)

El procedimiento busca tomar una decisión sobre el valor de verdad de una hipótesis
estadística. Al realizar una prueba de hipótesis decidimos si rechazar o no rechazar esa
hipótesis estadística.

Basamos la decisión en la evidencia muestral.

- Afirmación inicial Recogemos evidencia Basándonos en la evidencia

- Afirmación alternativa muestral vinculada con las muestral, decidimos rechazar
(negación de la afirmación inicial) afirmaciones (o no) la afirmación inicial

03
 Estadístico de Prueba

Para realizar tan delicada operación debemos utilizar el instrumento apropiado: le llamaremos
estadístico de prueba, el que podremos calcular con los datos de nuestra muestra.

Media 𝜇 𝑧
Desviación estándar 𝜎
Proporción 𝑝
𝑡

Luego buscaremos la probabilidad de ocurrencia del valor calculado en la tabla

correspondiente (Normal, t de student u otra) y a la luz de la probabilidad obtenida
tomaremos una decisión respecto de nuestra hipótesis.

04
 Hipótesis Nula y Alternativa

Las hipótesis nula y alternativa son dos enunciados mutuamente excluyentes acerca de una
población. Una prueba de hipótesis utiliza los datos de la muestra para determinar si se
puede rechazar la hipótesis nula.

Donde: 𝐻0 Hipótesis Nula

𝐻𝐴 Hipótesis Alternativa
𝐻0 𝐻𝐴

05
 Hipótesis Nula (𝑯𝟎 )

La hipótesis nula indica que un parámetro de población (tal como la media, la desviación
estándar, etc.) es igual a un valor hipotético. La hipótesis nula suele ser una afirmación inicial
que se basa en análisis previos o en conocimiento especializado.

𝐻0 : 𝜇 = 𝜇0

𝐻0 : 𝜇 ≤ 𝜇0

𝐻0 : 𝜇 ≥ 𝜇0

Por último, debemos recordarle de nuevo, que en cada ejemplo de pruebas de hipótesis, cuando aceptamos una
hipótesis nula con base en la información de la muestra, en realidad estamos diciendo que no hay evidencia estadística
para rechazarla. No estamos afirmando que la hipótesis nula sea cierta.
06
 Hipótesis Alternativa (𝑯𝑨 )

La hipótesis alternativa indica que un parámetro de población es más pequeño, más grande o
diferente del valor hipotético de la hipótesis nula. La hipótesis alternativa es lo que usted
podría pensar que es cierto o espera probar que es cierto.

𝐻0 : 𝜇 = 𝜇0 𝐻𝐴 : 𝜇 ≠ 𝜇0

𝐻0 : 𝜇 ≤ 𝜇0 𝐻𝐴 : 𝜇 > 𝜇0

𝐻0 : 𝜇 ≥ 𝜇0 𝐻𝐴 : 𝜇 < 𝜇0

07
 Hipótesis Bilaterales

Utilice una hipótesis alternativa bilateral (también conocida como hipótesis no direccional)
para determinar si el parámetro de población es mayor que o menor que el valor hipotético.
Una prueba bilateral puede detectar cuándo el parámetro de población difiere en cualquier
dirección, pero tiene menos potencia que una prueba unilateral.
𝐻0 : 𝜇 = 𝜇0 𝜇𝐻0 − 𝑧1−𝛼Τ2 𝜎𝑥ҧ 𝜇𝐻0 + 𝑧1−𝛼Τ2 𝜎𝑥ҧ

𝐻𝐴 : 𝜇 ≠ 𝜇0

𝛼ൗ 𝛼ൗ
2 2

−𝑧1−𝛼ൗ 𝜇𝐻0 𝑧1−𝛼ൗ

2 2

08
 Hipótesis Unilaterales

Utilice una hipótesis alternativa unilateral (también conocida como hipótesis direccional) para
determinar si el parámetro de población difiere del valor hipotético en una dirección
específica.
𝐻0 : 𝜇 ≤ 𝜇0 𝜇𝐻0 + 𝑧1−𝛼 𝜎𝑥ത 𝜇𝐻0 − 𝑧1−𝛼 𝜎𝑥ത 𝐻0 : 𝜇 ≥ 𝜇0
𝐻𝐴 : 𝜇 > 𝜇0 𝐻𝐴 : 𝜇 < 𝜇0

𝛼 𝛼
Zona de No Rechazo Zona de No Rechazo

𝜇𝐻0 𝑧1−𝛼 −𝑧1−𝛼 𝜇𝐻0

Usted puede especificar la dirección para que sea mayor que o menor que el valor hipotético. Una prueba unilateral
tiene mayor potencia que una prueba bilateral, pero no puede detectar si el parámetro de población difiere en la
dirección opuesta.
09
 Errores de tipo I y tipo II

Ninguna prueba de hipótesis es 100% cierta. Puesto que la prueba se basa en

probabilidades, siempre existe la posibilidad de llegar a una conclusión incorrecta. Cuando
usted realiza una prueba de hipótesis, puede cometer dos tipos de error: tipo I y tipo II. Los
riesgos de estos dos errores están inversamente relacionados y se determinan según 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 los riesgos.

10
 Error de tipo I

Si usted rechaza la hipótesis nula cuando es verdadera, 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 estar equivocado al rechazar
la hipótesis nula. Para reducir este riesgo, debe utilizar un valor menor para α. Sin embargo, usar un valor menor
para alfa significa que usted tendrá menos probabilidad de detectar una diferencia si esta realmente existe.

11
 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 el riesgo de cometer un error de tipo II al asegurarse de que la prueba tenga
suficiente potencia.
La probabilidad de rechazar la hipótesis nula cuando es falsa es igual a 1–β. Este valor es la
potencia de la prueba

Para tener suficiente potencia, asegúrese de que el tamaño de la muestra sea lo suficientemente
grande como para detectar una diferencia práctica cuando esta realmente exista.

12
 Error en la decisión basada en la muestra

Decisión basada en la Verdad acerca de la población

muestra 𝐻0 es verdadera 𝐻0 es falsa
Error tipo II – no rechazar
Decisión correcta
No rechazar 𝐻0 𝐻0 cuando es falsa
(probabilidad = 1 − 𝛼)
(probabilidad = 𝛽)
Error tipo I – rechazar 𝐻0
Decisión correcta
cuando es verdadera
Rechazar 𝐻0 (probabilidad = 1 − 𝛽)
(probabilidad = 𝛼)

13
 Nivel de Significancia

Cuanto más alto sea el nivel de significancia que

utilizamos para probar una hipótesis, mayor será la
probabilidad de rechazar la hipótesis nula cuando es
cierta.

Es posible probar una hipótesis a cualquier nivel de significancia. Pero

recordemos que nuestra elección del estándar mínimo para una
probabilidad aceptable, o el nivel de significancia, es también el riesgo
que corremos al rechazar una hipótesis nula cuando es cierta.

Fig. 8-4, Pág. 327, Levin, R. y Rubin, D. (2004). 14

 Procedimiento

1. Datos:
Es necesario comprender la naturaleza de los datos que forman la base de los
procedimientos de prueba, ya que esto determina la prueba particular que se ha de
utilizar. Se debe determinar, por ejemplo, si los datos constan de conteos o medidas.

2. Supuestos (restricciones):
Se ha visto que estas incluyen, entre otras, suposiciones respecto a la normalidad de
la distribución de la población, igualdad de variancias e independencia de las
muestras.

3. Hipótesis:
En la prueba de hipótesis se trabaja con dos hipótesis estadísticas que deben
anunciarse explícitamente.

15
 Procedimiento (continua…)

4. Estadístico de Prueba:
La estadística de prueba es alguna estadística que se puede calcular a partir de los
datos de la muestra. Como regIa, existen muchos valores posibles que puede asumir
el estadístico de prueba, y el valor particular observado depende de la muestra
particular extraída.
𝐸𝑠𝑡𝑎𝑑𝑑í𝑠𝑡𝑖𝑐𝑜 𝑟𝑒𝑙𝑒𝑣𝑎𝑛𝑡𝑒 − 𝑝𝑎𝑟á𝑚𝑒𝑡𝑟𝑜 𝑠𝑢𝑝𝑢𝑒𝑠𝑡𝑜
"𝐸𝑠𝑡𝑎𝑑í𝑠𝑡𝑖𝑐𝑜 𝑑𝑒 𝑝𝑟𝑢𝑒𝑏𝑎 = "
𝑒𝑟𝑟𝑜𝑟 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟 𝑑𝑒𝑙 𝑒𝑠𝑡𝑎𝑑í𝑠𝑡𝑖𝑐𝑜 𝑟𝑒𝑙𝑒𝑣𝑎𝑛𝑡𝑒

𝑥ҧ − 𝜇0 𝑥ҧ − 𝜇0
𝑧= 𝑡=
𝜎𝑥ҧ 𝜎𝑥ҧ

La estadística de prueba sirve como un productor de decisiones, ya que la decisión de rechazar o no la

hipótesis nula depende de la magnitud de la estadística de prueba.

Fig. 8-1, Pág. 328, Levin, R. y Rubin, D. (2004). 16

 Procedimiento (continua…)

5. Distribución del Estadístico de Prueba:

Se ha señalado que la clave para la inferencia estadística es la distribuci6n muestral.
Es necesario recordar esto en los casos en que sea necesario especificar la
distribución de probabilidad de la estadística de prueba.

Fig. 8-1, Pág. 328, Levin, R. y Rubin, D. (2004). 17

 Procedimiento (continua…)

6. Regla de decisión:
La regla de decisión señala que se debe rechazar la hipótesis nula si el valor de la
estadística de prueba que se calcula a partir de la muestra es uno de los valores de la
región de rechazo, y que no se debe rechazar la hipótesis nula si el valor calculado de
la estadística de prueba es uno de los valores de la región de no rechazo.

Unilateral – Una cola

Región Crítica Región Aceptación Región Aceptación Región Crítica
(Rechazo 𝐻0 ) (No rechazo 𝐻0 ) (No rechazo 𝐻0 ) (Rechazo 𝐻0 )
𝛼 𝛼

Valor crítico 𝑧 Valor crítico 𝑧

Bilateral - Dos colas

Región Crítica Región Aceptación Región Crítica
(Rechazo 𝐻0 ) (No rechazo 𝐻0 ) (Rechazo 𝐻0 )
𝛼ൗ 𝛼ൗ
2 2

−𝑧 Valor crítico 𝑧
18
 Procedimiento (continua…)

7. Cálculo del Estadístico de Prueba:

A partir de los datos contenidos en la muestra, se calcula un valor del estadística de
prueba y se compara contra las regiones de no rechazo y rechazo que ya fueron
especificadas.

8. Decisión Estadística:

La decisión estadística consiste en el rechazo o no rechazo de la hipótesis nuIa.

9. Conclusión:
Si 𝐻0 se rechaza, se concluye que 𝐻𝐴 es verdadera. Si 𝐻0 no se rechaza, se concluye
que 𝐻0 puede ser verdadera.

19
 Procedimiento (continua…)

10. Valor de 𝑝 :
El valor de 𝑝 es una cantidad que indica que tan insólitos son los resultados de la
muestra, considerando que la hipótesis nula sea verdadera. Un valor de 𝑝 indica que
no es muy probable que los resultados de la muestra hayan ocurrido; ofrece la
justificación para dudar de la certeza de la hipótesis nula, si esta es verdadera.

20
 Referencias Bibliográficas

Anderson, D., Sweeney, D. y Williams, T. (2012). Estadística para negocios y economía. (11a ed.).
México: CENGAGE
Levin, R. y Rubin, D. (2004). Estadística para administración y economía. (7ª. Ed.). México: Pearson
Educación.

Wayne, D. (2006). Bioestadística. (4a ed.). México: Limusa Wiley.

Quevedo, H. y Pérez, B. R. (2008). Estadística para Ingeniería y Ciencias. México: Grupo Editorial
Patria.

Minitab. (2019). ¿Qué es una prueba de hipótesis?. Soporte de Minitab 18. Recuperado el 12 de
noviembre de 2020 en https://support.minitab.com/es-mx/minitab/18/help-and-how-to/statistics/basic-
statistics/supporting-topics/basics/what-is-a-hypothesis-test/

Ramírez, K. D. (2020). Pruebas de hipótesis de una y dos muestras. Recuperado el 14 de noviembre de

2020 en https://www.kramirez.net/ProbaEstad/Material/ Presentaciones/
PruebasHipotesisUnaYDosMuestras.pdf