Prueba de Hipotesis Clase Semana 12-06-2021

DEPARTAMENTO DE MATEMATICAS Y ESTADISTICAS
CLASE DE APOYO A LA PRESENCIALIDAD

DOCENTE: LUIS ALEXANDER SARAVIA ROA D
ESTADÍSTICA INFERENCIAL
PRUEBA DE HIPÓTESIS
En estadística hay dos formas de realizar inferencias acerca de los parámetros de una
población. La primera consiste en estimar los valores de los parámetros, como se planteó en
el capítulo anterior; y la segunda, en plantear hipótesis acerca de su comportamiento para
poder tomar alguna decisión con respecto a este. De acuerdo con las circunstancias que se
presenten en la situación práctica que se quiera resolver, se utilizará una de las dos formas.
Por ejemplo, una universidad pública en Colombia desea ofrecer a sus empleados
(profesores y trabajadores) de mayor antigüedad (más de 25 años de trabajo en la
universidad) un programa de retiro voluntario; para ello debe conocer la proporción de
empleados que aceptarán dicho programa. En este caso se debe obtener una estimación de
la proporción poblacional de los empleados de la universidad que lo aceptarán, con un error
de estimación especificado.
Además, esa misma universidad tiene dos planes de retiro voluntario, por lo que debe
efectuar un muestreo entre sus empleados en edad de retiro para determinar qué plan
quieren tomar y escoger el que tenga la mayor proporción de aceptación. En este caso se
deberá tomar una decisión acerca de la diferencia entre las dos proporciones de aceptación
de los planes que se proponen.
En este capítulo se analizará el segundo caso; es decir, se plantearán hipótesis para poder
tomar alguna decisión acerca del comportamiento de los parámetros de la población.
ELEMENTOS PARA ELABORAR UNA PRUEBA DE HIPÓTESIS
Una prueba de hipótesis es una prueba estadística que se utiliza para decidir si cierta propiedad
supuesta para una población es confirmada por la observación de una muestra.
El procedimiento estadístico de decisión consiste en formular una hipótesis acerca de la
población, elegir la prueba estadística adecuada para contrastar dicha hipótesis y aplicar la
prueba sobre la muestra observada. La decisión se tomará en función de los resultados
obtenidos.
En una prueba de hipótesis, el primer paso consiste en proponer una hipótesis tentativa, que
recibe el nombre de hipótesis nula, la cual es la afirmación o el enunciado tentativo que se
realiza acerca del valor del parámetro poblacional que se quiera estudiar. En general, esta
afirmación se lleva a cabo al asignar un valor específico al parámetro.
La hipótesis nula se designa mediante 𝐻0 , y se lee H subcero o H cero. La letra “H” significa
hipótesis y el subíndice “0” que no hay diferencia.
Esta hipótesis siempre será la del estado actual o la que asegure que no hay diferencia. Por
ejemplo, si se quiere estudiar el comportamiento de una media poblacional (𝜇) mediante una
muestra de esta, la hipótesis nula se expresa como:
𝐻0 = 𝜇 = 𝑣𝑎𝑙𝑜𝑟 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙
lo que significa que la media poblacional buscada y la media de una muestra de

esa población son iguales, es decir, no hay diferencia entre ellas.
Posteriormente se define una segunda hipótesis, denominada hipótesis
alternativa, la cual representa lo contrario de lo que se afirma en la hipótesis nula,
ya que describe lo que se considerará si se rechaza la hipótesis nula. También a
menudo se denomina hipótesis de investigación y se designa 𝐻1 (H subuno o H
uno). Esta hipótesis se aceptará si los datos muestrales proporcionan evidencia de
que la hipótesis nula es falsa.
Para el ejemplo anterior, la hipótesis alternativa para el estudio de la media
poblacional (𝜇) se expresa como:
𝐻1 : 𝜇 ≠ 𝑣𝑎𝑙𝑜𝑟 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙
Es decir, la hipótesis alternativa indica que la media poblacional y la media
muestral son diferente
EJEMPLO
Un análisis elaborado en el año anterior indica que un alumno en una universidad gasta al semestre
$1150 en fotocopias. Por los efectos de la inflación se considera que este gasto ha cambiado. Se quiere
elaborar una prueba estadística para esta variable con una muestra de 35 estudiantes y un nivel de
significancia de 0.05. Plantear la hipótesis nula y la hipótesis alternativa del problema
𝐻0 : 𝜇 = $1150 𝑒𝑛 𝑔𝑎𝑠𝑡𝑜
𝐻1 : 𝜇 ≠ $1150 𝑒𝑛 𝑔𝑎𝑠𝑡𝑜
La hipótesis nula supone que el gasto en fotocopias no ha cambiado a pesar de los efectos de la
inflación, mientras que la hipótesis alternativa indica que hay un cambio de más de $1150, o bien de
menos de $1150.
Si en el ejemplo anterior se indicara que se considera que los efectos de la inflación han aumentado el
gasto en fotocopias de los alumnos, entonces las hipótesis deben plantearse así:
𝐻0 : 𝜇 ≤ $1150 𝑒𝑛 𝑔𝑎𝑠𝑡𝑜
𝐻1 : 𝜇 > $1150 𝑒𝑛 𝑔𝑎𝑠𝑡𝑜
Por otro lado, si se piensa que los efectos de la inflación han disminuido el gasto en fotocopias de los
alumnos, entonces las hipótesis deben plantearse como se muestra a continuación:
𝐻0 : 𝜇 ≥ $1150 𝑒𝑛 𝑔𝑎𝑠𝑡𝑜
𝐻1 : 𝜇 < $1150 𝑒𝑛 𝑔𝑎𝑠𝑡𝑜
Si se considera X como un valor numérico específico en las hipótesis nula y alternativa, se pueden resumir
las formas que presentan estas hipótesis como se indica en la cuadro
No hay diferencia entre el El valor de la muestra es El valor de la muestra es

parámetro y el valor de la mayor que el parámetro menor que el parámetro
muestra poblacional poblacional
𝐻0 : 𝜇 = 𝑋 𝐻0 : 𝜇 ≤ 𝑋 𝐻0 : 𝜇 ≥ 𝑋
𝐻1 : 𝜇 ≠X 𝐻1 : 𝜇 > 𝑋 𝐻1 : 𝜇 < 𝑋
ERRORES TIPO I Y II
En un problema de prueba de hipótesis puede suceder que la hipótesis nula sea verdadera, o que la
hipótesis alternativa sea la verdadera, pero no ambas. En el caso ideal, por lo general una prueba de
hipótesis conduce a la aceptación de la hipótesis nula (𝐻0 ) cuando esta es verdadera y a su no aceptación en
el caso de que la hipótesis alternativa (𝐻1 ) sea la verdadera. Desafortunadamente, el investigador no
siempre llega a las conclusiones correctas y, por tanto, hay una posibilidad de error. Estos errores que se
generan al realizar una prueba de hipótesis se llaman error tipo I y error tipo II.
Cuando en una prueba se rechaza la hipótesis nula y debió haberse aceptado, se comete un error que se
denomina tipo I.
• Un error tipo I (𝛼) es la probabilidad de no aceptar la hipótesis nula (𝐻0 ) cuando en realidad es
verdadera.
• Un error tipo II (𝛽) es la probabilidad de aceptar la hipótesis nula cuando en realidad es falsa.
El cuadro muestra las posibles situaciones a que se enfrenta un analista o investigador al cometer un error
cuando realiza una prueba de hipótesis.
Hipótesis Nula El investigador o analista El investigador o analista
acepta a 𝐻0 rechaza a 𝐻0
𝑆𝑖 𝐻0 𝑒𝑠 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑎 Decisión correcta Error Tipo I
𝑠𝑖 𝐻0 𝑒𝑠 𝑓𝑎𝑙𝑠𝑎 Error tipo II Decisión correcta
ERRORES TIPO I Y II
El cuadro muestra las posibles situaciones a que se enfrenta un analista o investigador al

cometer un error cuando realiza una prueba de hipótesis.
Hipótesis Nula El investigador o analista El investigador o analista

acepta a 𝐻0 rechaza a 𝐻0
𝑆𝑖 𝐻0 𝑒𝑠 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑎 Decisión correcta Error Tipo I
𝑠𝑖 𝐻0 𝑒𝑠 𝑓𝑎𝑙𝑠𝑎 Error tipo II Decisión correcta
Del cuadro 8.2 se observa que:

1. 𝑆𝑖 𝐻0 es verdadera y el investigador o analista acepta 𝐻0 , la decisión es correcta.
2. 𝑆𝑖 𝐻0 es verdadera y el investigador o analista no acepta 𝐻0 , se comete un error tipo I.
3. 𝑆𝑖 𝐻0 es falsa y el investigador o analista acepta 𝐻0 , se comete un error tipo II.
4. 𝑆𝑖 𝐻0 es falsa y el investigador o analista no acepta 𝐻0 , la decisión es correcta.
PASOS DE UNA PRUEBA DE HIPÓTESIS
Como ya se indicó, una prueba de hipótesis es una prueba estadística que se utiliza para decidir si cierta
propiedad supuesta para una población es confirmada por la observación de una muestra El procedimiento
estadístico de decisión que comprende una prueba de hipótesis puede resumirse en los pasos siguientes:
1. Establecer las hipótesis nula y alternativa.
2. Establecer el nivel de significancia, es decir, indicar la probabilidad de no aceptar la hipótesis nula cuando
en realidad es verdadera. El nivel de significancia es el riesgo que se asume de no aceptar la hipótesis nula
cuando en realidad debe aceptarse por ser verdadera. Este se denota mediante la letra griega alfa (a).
3. Seleccionar el valor estadístico de prueba. Este es un valor determinado a partir de la información
muestral, el cual se utiliza para aceptar o rechazar la hipótesis nula. Hay una gran variedad de estadísticos
de prueba: el desvío normal o valor Z, la prueba t, la prueba F y la Ji cuadrada (𝑋 2 ).
4. Establecer la regla de decisión. Esta es una afirmación acerca de la condición en que se acepta o se rechaza
la hipótesis nula. La zona o área de rechazo define la ubicación de todos los valores, que son demasiado
grandes o demasiado pequeños, por lo que la probabilidad de que ocurran según una hipótesis nula
verdadera es muy remota.
5. 5. Tomar una decisión. El último paso en una prueba de hipótesis es tomar la decisión de aceptar o
rechazar la hipótesis nula
Pruebas con una sola muestra

Se describen las pruebas de hipótesis que se realizan con una sola muestra. En el tipo de prueba de
hipótesis se especificará si se trata de una muestra grande (n≥30) o bien de una pequeña (n <30).
Prueba de hipótesis de media cuando se conoce la desviación estándar de la población (𝜎) y cuando
esta se desconoce (estimación con S)
En la realización de pruebas de hipótesis, los procedimientos de prueba para la media como para una
proporción son muy similares. Se hará referencia a las pruebas de hipótesis para una media poblacional
(𝜇) tanto para muestras grandes
(n ≥30) como para pequeñas (n<30), en el supuesto de que se conoce la desviación estándar poblacional
(𝜎). En caso de que este parámetro poblacional (𝜎) se desconozca, deberá estimarse mediante la
desviación estándar de una muestra (S).
Prueba de hipótesis para una media poblacional en muestras grandes (n≥30)
Como ya se indicó, el supuesto en esta prueba es que se conoce la desviación estándar poblacional;
por tanto, la prueba puede resumirse en los pasos siguientes:
1. Establecer las hipótesis nula y alternativa. 𝐻0 : 𝜇 = 𝑋
donde: X es un valor supuesto de la media poblacional.
Las hipótesis alternativas pueden ser la prueba de dos extremos (bilateral o de dos colas)
𝐻1 : 𝜇 ≠X
la prueba de un extremo (unilateral o de una cola):
𝐻1 : 𝜇 > 𝑋
o bien
𝐻1 : 𝜇 < 𝑋
2. Establecer el nivel de significancia (𝛼), es decir, indicar la probabilidad de no aceptar la hipótesis
nula cuando en realidad es verdadera.
3. Seleccionar el valor estadístico de prueba. Dado que n >30, se supone una distribución normal, por
lo que el estadístico de prueba es:
𝑋ത − 𝑋 𝑋ത − 𝑋
𝑍= = 𝜎
𝜎𝑥ҧ
𝑛
Pero en la práctica la desviación estándar poblacional (𝜎) se desconoce, por lo que esta se estima por
medio de la desviación estándar muestral (S ); por ello, para estos casos el estadístico de prueba se
calcula con:
𝑋ത − 𝑋
𝑍=
𝑆
𝑛
Como ya se indicó, la estadística de prueba Z tiene una distribución de probabilidad normal
estandarizada, lo que permite usar la tabla de esta distribución para hallar el valor de Z con un nivel
de significancia de 𝛼 /2 para pruebas de hipótesis de dos extremos (bilaterales o de dos colas), y de a
para pruebas de hipótesis de un extremo (unilaterales o de una cola).
4. Establecer la regla de decisión. Como ya se

mencionó, esta es simplemente una
afirmación acerca de las condiciones en que se
acepta o no se acepta la hipótesis nula.
5. Tomar una decisión. El último paso en una

prueba de hipótesis es tomar la decisión de
aceptar o no aceptar la hipótesis nula.
EJEMPLO
La producción industrial diaria en una pequeña planta petroquímica registra en los últimos 35 días una producción
promedio de 370 toneladas de productos petroquímicos y una desviación estándar de 18 toneladas. El gerente de la
planta quiere probar, con un nivel de significancia de 0.05, la hipótesis de que la producción diaria en su planta tiene
una media de 365 toneladas.
EJEMPLO
Paso 5: Tomar la decisión. Como el valor de prueba se encuentra dentro de la zona de

aceptación, el gerente deberá aceptar la hipótesis nula; es decir, en la planta se elaboran
en promedio 365 toneladas de productos químicos diariamente.
No hay evidencia estadística de que esto no sea cierto.
EJEMPLO DOCENTE: LUIS ALEXANDER SARAVIA ROA D
Una empresa que elabora paquetes de galletas de 30 gramos está sujeta a una inspección de llenado de estos por parte de
la Secretaría de Economía. Si el llenado promedio de su producción es menor que 30 gramos la Secretaría impondrá una
sanción a la empresa; en caso contrario, avalará el contenido marcado en la etiqueta. La dirección de pesas y medidas toma
una muestra de 36 paquetes y determina un promedio de llenado de 28.9 gramos, con una desviación estándar de 2.1
gramos. El nivel de confianza deseado para la prueba es de 99%. ¿Deberá la Secretaría multar a la empresa?
EJEMPLO
Paso 5: Tomar la decisión. Como el valor de prueba se encuentra dentro de la zona de no

aceptación, la Secretaría deberá no aceptar la hipótesis nula, es decir, la empresa entrega al
consumidor menos producto que el marcado en la etiqueta. Por tanto, la Secretaría deberá
multar a la empresa
EJEMPLO
Una compañía de publicidad que elabora anuncios en televisión para la población infantil realizó un estudio en 60
niños que habitan zonas urbanas cuyas edades son de cuatro a siete años. Esta observó que los niños ven televisión
en promedio 25.5 horas a la semana. Un investigación publicada por la Secretaría de Educación indica que los niños
en ese intervalo de edad ven televisión 23.5 horas en promedio a la semana, con una desviación estándar poblacional
(𝜎) de 6.1 horas. La compañía publicitaria deberá rechazar los resultados de la investigación de la Secretaría de
Educación si desea como nivel de significancia un valor de 0.05.
EJEMPLO
Paso 5: Tomar la decisión. Como el valor de prueba se encuentra dentro de la zona de no aceptación
(figura), la compañía publicitaria deberá no aceptar los resultados de la investigación de la Secretaría
de Educación (𝐻0 ), ya que hay evidencia estadística de que el número de horas promedio que estos
niños ven televisión a la semana es mayor
Pruebas de hipótesis acerca de la media de una población, en el caso de muestras pequeñas (n < 30)
Del mismo modo que en el caso anterior, el supuesto en esta prueba también considera que la desviación
estándar poblacional se conoce; con base en ello, la prueba de hipótesis para la media en el caso de muestras
pequeñas (n<30) se puede resumir en los pasos siguientes
1. Establecer las hipótesis nula y alternativa. 𝐻0 : 𝜇 = 𝑋
donde: X es un valor supuesto de la media poblacional.
Las hipótesis alternativas pueden ser:
la prueba de dos extremos (bilateral o de dos colas)
𝐻1 : 𝜇 ≠X
𝐻1 : 𝜇 > 𝑋
o bien
𝐻1 : 𝜇 < 𝑋
2. Establecer el nivel de significancia (𝛼), es decir, indicar la probabilidad de no aceptar la hipótesis
nula cuando en realidad es verdadera.
3. Seleccionar el valor estadístico de prueba. Dado que n <30, se supone que la muestra se seleccionó
de forma aleatoria de una población distribuida normalmente, y así como lo demostró W. Gosset, no
es conveniente utilizar una distribución normal cuando la muestra es pequeña; por tanto, en estos
casos la distribución de probabilidad que habrá de utilizarse debe ser la distribución de probabilidad t,
cuyo estadístico de prueba es:
𝑋ത − 𝑋 𝑋ത − 𝑋
𝑡= = 𝜎
𝜎𝑥ҧ
𝑛
Pero en la práctica la desviación estándar poblacional (𝜎) se desconoce, por lo que esta se estima por
medio de la desviación estándar muestral (S ); por ello, para estos casos el estadístico de prueba se
calcula con:
𝑋ത − 𝑋
𝑡=
𝑆
𝑛
Como ya se indicó, la estadística de prueba t tiene una distribución t de probabilidad con n-1 grados
de libertad, lo que permite usar la tabla de esta distribución para hallar el valor de t con un nivel de
significancia de 𝛼 /2 en pruebas de hipótesis de dos extremos (bilaterales o de dos colas), y de 𝛼 para
4. Establecer la regla de decisión. Al respecto, cabe recordar que una regla de decisión
simplemente es una afirmación acerca de las condiciones en que se acepta o de no
aceptar la hipótesis nula.
5. Tomar una decisión. El último paso en una prueba de hipótesis es tomar la decisión de
aceptar o no aceptar la hipótesis nula.
EJEMPLO
La rectoría de una universidad pública quiere
determinar la calidad del servicio de su cafetería
central para compararla con la de otras
universidades públicas. Según la última clasificación
de la asociación de universidades públicas, una
calificación promedio de 7 indica una calidad
superior en los servicios de una cafetería
universitaria. La universidad toma una muestra de
12 estudiantes que califican ese servicio, las cuales
son: 7, 9, 9, 8, 7, 8, 6, 7, 7, 9, 8 y 8. Se supone que
las calificaciones de calidad en el servicio de la
cafetería para la población universitaria de esta
universidad se pueden aproximar con una
distribución de probabilidad normal. Se podría
afirmar que esta cafetería ofrece un servicio
superior si el nivel de significancia deseado para la
prueba es de 0.05.
Paso 5: Tomar la decisión. Como el valor de prueba se encuentra dentro de la zona de no aceptación
(figura), la universidad deberá aceptar la hipótesis alternativa (𝐻1 ), ya que hay evidencia estadística de
que la calificación promedio de la calidad del servicio de la cafetería es mayor y, por tanto, se trata de
una cafetería de calidad superior
EJEMPLO
El proceso de producción en ICI Pinturas llena botes de

pintura de 19 litros (según etiqueta). La gerencia de
Ventas pide a Producción que por favor verifique el
proceso de llenado, ya que varios clientes han
manifestado descontento porque al parecer sus botes no
contienen la cantidad indicada en la etiqueta. El
departamento de Control de calidad selecciona
periódicamente muestras de ocho botes de la línea de
producción para realizar pruebas de llenado.
La última muestra presenta los valores siguientes: 19.02,
19.22, 18.82, 18.92, 19.22, 19.32, 19.12 y 18.92. Si el nivel
de significancia seleccionado por calidad es de 0.05, ¿qué
deberá indicar Producción a Ventas?
Paso 5: Tomar la decisión. Como el valor de prueba se encuentra dentro de la zona de aceptación,
Producción deberá aceptar la hipótesis nula (𝐻0 ), ya que hay evidencia estadística de que el proceso de
llenado trabaja de manera adecuada y los botes contienen en promedio la cantidad marcada en la etiqueta.
Las quejas en Ventas han sido fortuitas
Prueba de hipótesis para proporciones (muestras grandes)

Las pruebas de hipótesis para una proporción se fundamentan en la diferencia entre la proporción de la muestra
((𝑃𝑚 ) y la proporción supuesta de una población (𝑃𝑥 ). Los métodos empleados anteriormente para probar
hipótesis de la media se pueden aplicar aquí, con la única diferencia que se usa la proporción de la muestra ((𝑃𝑚 ) y
su desviación estándar ((𝑆𝑚 ) para determinar el estadístico de prueba. A continuación se resumen los pasos de la
prueba de hipótesis para una proporción.
1. Establecer las hipótesis nula y alternativa. 𝐻0 : 𝑃𝑃 = 𝑃𝑥
donde: 𝑃𝑥 es un valor supuesto de la proporción poblacional y 𝑃𝑃 la verdadera proporción poblacional..
Las hipótesis alternativas pueden ser:
la prueba de dos extremos (bilateral o de dos colas)
𝐻1 : 𝑃𝑃 ≠ 𝑃𝑥
𝐻1 : 𝑃𝑃 > 𝑃𝑥
o bien
𝐻1 : 𝑃𝑃 < 𝑃𝑥
2. Establecer el nivel de significancia (𝛼), es decir, indicar la probabilidad de rechazar la hipótesis nula cuando en
realidad es verdadera.
3. Seleccionar el valor estadístico de prueba. Dado que n >30, y si 𝑛𝑃𝑥 y n(1 -𝑃𝑥 ) son mayores o iguales
que 5, se puede suponer una distribución normal, por lo que el estadístico de prueba es
𝑃𝑚 − 𝑃𝑥 𝑃𝑥 (1 − 𝑃𝑥 )
𝑍= , 𝑑𝑜𝑛𝑑𝑒 𝜎𝑚 ഥ =
𝜎𝑚ഥ 𝑛
Como ya se mencionó, la estadística de prueba Z tiene una distribución de probabilidad normal
estandarizada, lo que permite usar la tabla de esta distribución para hallar el valor de Z con un nivel
de significancia de 𝛼 /2 para pruebas de hipótesis de dos extremos (bilaterales o de dos colas), y de 𝛼
para pruebas de hipótesis de un extremo (unilaterales o de una cola).
4. Establecer la regla de decisión. Es conveniente recordar que una regla de decisión simplemente es
una afirmación acerca de las condiciones en que se acepta o no se acepta la hipótesis nula.
5. Tomar una decisión. El último paso en una prueba de hipótesis es tomar la decisión de aceptar o no
aceptar la hipótesis nula
EJEMPLO
Una compañía que renta vehículos en el aeropuerto internacional de Cancún, México, observa que en los últimos meses 20% de sus
clientes son mujeres. La compañía elabora una promoción de vehículos de renta con la finalidad de aumentar el número de mujeres que
renten automóvil en esta plaza. Después de un periodo de esta promoción, se toma una muestra de 500 clientes, y se observa que 375
son hombres y 125 mujeres. La gerencia cree que la proporción de mujeres que rentan automóvil ha crecido con la promoción, por lo
que para probarlo decide realizar una prueba de hipótesis para la proporción de clientes mujeres, con un nivel de significancia de 0.05.
Paso 5: Tomar la decisión. Como el valor de prueba se encuentra dentro de la zona de no

aceptación, la compañía deberá rechazar la hipótesis nula (𝐻0 ), ya que hay evidencia estadística
de que la proporción de clientes mujeres ha crecido con la promoción.
EJEMPLO
El departamento de Control de calidad de una empresa sabe por experiencia que uno de cada diez productos presenta algún defecto de
fabricación, por lo que este tiene que ser reenviado a la línea de producción para su corrección y lograr así pasar la inspección de calidad.
Para cambiar esta situación, la gerencia implanta modificaciones a la línea de producción. Después de una semana, toma una muestra de
400 productos, y Control de calidad detecta que 22 necesitan regresar de nuevo a la línea. Sin embargo, la gerencia quiere determinar si
hay evidencia de que la proporción de productos defectuosos disminuyó con la modificación en la línea, para lo cual elabora una prueba de
hipótesis con un nivel de significancia de 0.05.
Paso 5: Tomar la decisión. Como el valor

de prueba se encuentra dentro de la zona
de no aceptación, la gerencia deberá no
aceptar la hipótesis nula (𝐻0 ) y aceptar la
hipótesis alternativa (𝐻1 ), ya que hay
evidencia estadística de que la proporción
de productos con algún defecto ha
disminuido debido a las modificaciones
realizadas a la línea de producción.
Finalmente, cabe mencionar que las pruebas de hipótesis para proporciones poblacionales de muestras
pequeñas (n<30) no se describirán en este texto, por un lado porque la distribución de probabilidad se
aproxima más a una distribución binomial y no a una distribución normal, y por otro, que en la práctica casi
nunca se realizan pruebas de hipótesis para proporciones poblacionales con muestras pequeñas (n<30).
Empleo del valor p en las pruebas de hipótesis

Con el uso de los paquetes estadísticos para computadora apareció el concepto del valor p, un
nuevo enfoque que permite probar hipótesis.
El valor p es la probabilidad de obtener un estadístico de prueba igual o más extremo que el
resultado obtenido a partir de los datos muestrales, dado que la hipótesis nula 𝐻0 es cierta.
En otras palabras, el valor p es el nivel más bajo de significancia (𝛼) al cual se puede no aceptar la
hipótesis nula. Comprende el área en la cola que está más allá del valor del estadístico para la
muestra. A medida que el estadístico de la prueba se adentra en la región de no aceptación, ello
indica una mayor evidencia para no aceptar la hipótesis nula, y se observa que el valor de p se
hace más pequeño.
Al suponer que la hipótesis nula 𝐻0 sea cierta, un valor de p muy pequeño es una fuerte evidencia
para no aceptar la hipótesis nula, ya que indica que es muy poco probable que el dato observado
se presente.
El valor p también se conoce como nivel observado de significancia. Por tanto, la regla para no
aceptar una hipótesis nula mediante el uso del valor p es:
No aceptación 𝐻0 si el valor p<a
Independientemente del tipo de prueba de hipótesis a que se haga referencia, esta regla es válida
para pruebas de hipótesis de dos extremos, o bien de un extremo
EJEMPLO
La producción industrial diaria en una pequeña planta petroquímica registra en los últimos 35 días una producción
promedio de 370 toneladas de productos petroquímicos y una desviación estándar de 18 toneladas. El gerente de la
planta quiere probar, con un nivel de significancia de 0.05, la hipótesis de que la producción diaria en su planta tiene
una media de 365 toneladas.
Si se retoman los datos del ejemplo y se realiza la prueba de hipótesis utilizando el valor p
EJEMPLO
Una empresa que elabora paquetes de galletas
de 30 gramos está sujeta a una inspección de
llenado de estos por parte de la Secretaría de
Economía. Si el llenado promedio de su
producción es menor que 30 gramos la
Secretaría impondrá una sanción a la empresa;
en caso contrario, avalará el contenido
marcado en la etiqueta. La dirección de pesas y
medidas toma una muestra de 36 paquetes y
determina un promedio de llenado de 28.9
gramos, con una desviación estándar de 2.1
gramos. El nivel de confianza deseado para la
prueba es de 99%. ¿Deberá la Secretaría
multar a la empresa?
Con los datos del ejemplo , elaborar una
prueba de hipótesis mediante el uso del valor
p.
EJEMPLO
EJEMPLO
Una compañía de publicidad que elabora
anuncios en televisión para la población infantil
realizó un estudio en 60 niños que habitan zonas
urbanas cuyas edades son de cuatro a siete años.
Esta observó que los niños ven televisión en
promedio 25.5 horas a la semana. Un
investigación publicada por la Secretaría de
Educación indica que los niños en ese intervalo de
edad ven televisión 23.5 horas en promedio a la
semana, con una desviación estándar poblacional
(𝜎) de 6.1 horas. La compañía publicitaria deberá
rechazar los resultados de la investigación de la
Secretaría de Educación si desea como nivel de
significancia un valor de 0.05.
Con los datos del ejemplo, elaborar una prueba de
hipótesis mediante el uso del valor p
EJEMPLO
Pruebas con dos muestras

La metodología para probar hipótesis con dos muestras es muy similar a la empleada en aquellos casos donde se
desea probar hipótesis para una muestra. El principal cambio en el método de prueba es que, en estos casos, las
pruebas se realizan mediante la comparación de las diferencias que presentan dos muestras independientes de
las poblaciones que se quiera analizar. Para ello, primero se dividen estas pruebas estadísticas en muestras
grandes (𝑛1 ≥ 30 𝑦 𝑛2 ≥30) y en muestras pequeñas 𝑛1 < 30 𝑦 𝑛2 <30).
Prueba de hipótesis para diferencias entre medias: muestras grandes ((𝒏𝟏 ≥ 𝟑𝟎 𝒚 𝒏𝟐 ≥30) )
Considere que se quiere comparar las medias poblacionales (𝝁𝟏 𝒚 𝝁𝟐 ) de dos poblaciones. La hipótesis inicial para
estas poblaciones es que entre ellas no hay diferencia entre sus medias; es decir, la hipótesis nula se expresa
como
EJEMPLO DOCENTE: LUIS ALEXANDER SARAVIA ROA D
El área de capacitación de una gran empresa aplica un examen de evaluación a dos grupos de empleados de la
gerencia de ventas que han sido capacitados en el mismo programa de marketing, pero con proveedores de
capacitación diferentes. La evaluación mostrará si hay diferencia en la capacitación que proporcionan estos
proveedores. El nivel de significancia de esta prueba es de 0.05. Las calificaciones de los empleados obtenidas con el
proveedor Educa y el proveedor Mercado se muestran en los cuadros 8.4 y 8.5.
EJEMPLO
EJEMPLO
EJEMPLO
II PARTE
Prueba de hipótesis para diferencias entre medias:
muestras pequeñas (n1 < 30 y n2 < 30)
Las pruebas de hipótesis para la diferencia entre medias de dos poblaciones (m1 y m2) de las que se han
obtenido dos muestras pequeñas (n1 < 30 y n2 < 30) requieren dos modificaciones para su desarrollo. Una de
ellas es la forma de calcular el error estándar estimado de la diferencia entre estas dos medias muestrales, y
la segunda se refiere al cambio de distribución de probabilidad que se emplea en estas pruebas. Los demás
elementos que forman la prueba de hipótesis son similares a los que se mostraron en el punto anterior.
En este tipo de prueba se debe suponer que las varianzas de las poblaciones que se estudian son
desconocidas pero iguales; es decir, 𝜎12 =𝜎22 , Al tener muestras pequeñas (n1 < 30 y n2 <30)
para probar una hipótesis, no es conveniente utilizar la distribución normal estandarizada; por tanto, en estos
casos se utiliza la distribución t de Student, propuesta por William S. Gosset en 1908.
Para calcular el error estándar estimado de la diferencia entre dos medias muestrales se debe suponer que
las varianzas de las poblaciones son desconocidas pero iguales 𝜎12 =𝜎22 por lo que se utilizarán las
varianzas muestrales (𝑆12 =𝑆22 ) como estimadores de las varianzas poblacionales.
Con ellas se calcula un promedio ponderado, en donde los pesos del promedio son el número de grados de
libertad de cada muestra. Este promedio ponderado se conoce con el nombre de estimación
conjunta de la varianza (𝑆𝑐2 ), la cual se define como:
Con base en la ecuación anterior, se obtiene la nueva relación que permite calcular
el error estándar para la diferencia entre dos medias muestrales, con muestras
pequeñas y varianzas de población iguales:
Debido a que se usan las varianzas muestrales para estimar el valor desconocido de la varianza
poblacional, esta prueba de hipótesis estará fundamentada, como ya se indicó, en una distribución de
probabilidad t.
En el cuadro 8.7 se muestra un resumen de las diferentes pruebas de hipótesis que pueden
realizarse para diferencias entre medias cuando las muestras son pequeñas (n1 < 30 y n2 <30).
Los pasos para la realización de esta prueba de

hipótesis, como ya se señaló, son similares a los
que se muestran en las pruebas de hipótesis
anteriores; sin embargo, en este caso se considera
que el estadístico de prueba que deberá emplearse
es una distribución de probabilidad t, la cual se
define para una diferencia entre medias
poblacionales cuando las muestras son pequeñas.
EJEMPLO
En la planta de ensamble de una empresa automotriz de la

ciudad de Toluca, México, se capacitará al personal de la línea
de armado de motores en un nuevo procedimiento que requiere
aproximadamente tres semanas de entrenamiento. Se quiere
comparar el anterior método de capacitación con el nuevo. Para
ello se entrenaron a dos grupos de 10 operarios cada uno,
durante tres semanas, en cada uno de estos métodos. Se
registraron los tiempos de armado de los motores, en minutos,
para cada operario después del entrenamiento. Los resultados
del tiempo de armado de un motor se muestran en el cuadro
8.8. Las gerencias de Producción y Capacitación quieren saber
si el nuevo método requiere menor tiempo para el armado del
motor que el anterior. Se quiere probar esta hipótesis con un
nivel de significancia de 0.05.
EJEMPLO
EJEMPLO
EJEMPLO
Paso 4: Establecer la regla de decisión. Se debe buscar el valor

en las tablas de la distribución t para pruebas de un extremo:
t(0.05,18) =1.7341
EJEMPLO
El administrador de la Oficina de la Tesorería de la delegación

Coyoacán establece dos sistemas de cobro de impuestos y
servicios, los cuales se denominan sistema A y sistema B. Este
administrador quiere saber si hay diferencia en el tiempo de
atención a cada contribuyente, dependiendo del sistema que este
utilice para realizar sus pagos. Cronómetro en mano, toma los
tiempos de atención al contribuyente en cada uno de los
sistemas. Debido a que debe realizar más actividades
administrativas, solo logra obtener dos muestras pequeñas, cuyos
resultados se muestran en el cuadro 8.9.
El administrador se pregunta: ¿Existe diferencia entre los tiempos

medios de atención al contribuyente entre estos sistemas? Si
utiliza un nivel de significancia de 0.10, ¿qué respuesta obtiene a
su pregunta?
EJEMPLO
EJEMPLO
EJEMPLO
Prueba de hipótesis para diferencia entre proporciones:
muestras grandes
Esta prueba permite comparar las proporciones poblacionales desconocidas de dos poblaciones
(P1 y P2 no se conocen) mediante las proporciones de dos muestras (p1 y p2), una de cada
población. Las muestras tomadas de cada población binomial son independientes y
suficientemente grandes (n1 <=30 y n2 <=30), lo que permite suponer que sus distribuciones de
probabilidad se pueden aproximar mediante una distribución normal.
Para que este último supuesto sea válido y permita realizar una prueba de hipótesis para la
diferencia entre proporciones, se debe cumplir que:
muestras grandes
muestras grandes
muestras grandes
EJEMPLO muestras grandes
EJEMPLO
EJEMPLO
EJEMPLO
EJEMPLO
EJEMPLO
Paso 5: Tomar la decisión. Como el valor de prueba (2.2425) se encuentra dentro de la zona
de rechazo, el jefe de auditoría debe rechazar la hipótesis nula, ya que hay suficiente
evidencia de que la proporción de errores en el llenado de las declaraciones anuales son
mayores en la oficina regional que las que se llenan en la oficina central.
III PARTE
Distribución ji-cuadrada (𝝌𝟐 )
La distribución 𝝌𝟐 es la segunda distribución más usada después de la distribución normal, esta se

utiliza para tres tipos de pruebas:
a) Para determinar si una sola varianza poblacional es igual a un cierto valor.

b) Si una distribución observada de frecuencias es significativamente diferente de la distribución
esperada o teórica.
c) Si la distribución de una variable es independiente de la clasificación de otra.
La diferencia que existe entre la distribución 𝝌𝟐 y la distribución t es la siguiente: la distribución t es

siempre simétrica con respecto al centro situado en t = 0 y toma valores desde −∞ (negativos)
hasta +∞ (positivos), mientras que la distribución 𝝌𝟐 presenta un sesgo a la derecha o positivo con
una media igual a 𝝈𝟐 este es más marcado cuando el número de grados de libertad es pequeño
(𝜸), los valores de 𝝌𝟐 nunca son negativos. La distribución 𝝌𝟐 y la distribución t presentan una
similitud, solo tienen un parámetro los grados de libertad (ϕ = 𝜸 = 𝒏 − 𝟏).
Propiedades más importantes de la 𝝌𝟐

• La función 𝝌𝟐 , tiene un solo parámetro que es el número de grados de libertad y este se calcula
con la siguiente expresión.𝜸 = 𝒏 − 𝟏).
• La distribución 𝝌𝟐 es continua y unimodal, nunca es negativa (es cero o positiva).
• La distribución 𝝌𝟐 presenta un sesgo a la derecha o positivo, el sesgo es más marcado cuando el
número de grados de libertad es pequeño, conforme aumentan los grados de libertad, la distribución
tiene menos sesgo y empieza a tender a la simetría, por ejemplo si: 𝜸 = 𝟏𝟓 es casi simétrica y cuando
𝜸 = 𝟏 el sesgo es a la derecha (positivo) ver figura
• La forma de la distribución cambia con respecto al tamaño de la muestra y por consecuencia a los
grados de libertad (𝜸) asociados a la varianza (𝑺𝟐 ).
• El área bajo la curva de distribución ji-cuadrada representa probabilidades P(𝝌𝟐 )
• Para conocer el valor de 𝝌𝟐 se utilizan las tablas, cada valor en la tabla está asociando con los grados de
libertad (𝜸) y la probabilidad (𝜶), que corta la cola superior (del lado derecho) de la curva de
distribución.
• El Valor crítico se representa como 𝝌𝟐(𝜸,𝜶) , en donde el subíndice está compuesto de dos datos:
• el primero indica los grados de libertad y el segundo el porcentaje cortado bajo la cola superior de
la distribución.
EJEMPLO
EJEMPLO
EJEMPLO
EJEMPLO
EJEMPLO
6
4 4
EJEMPLO
El gerente de la tienda de ropa Karina desea introducir una sola línea de espera para pago según el
orden de llegada para pagar, esta nueva línea consiste en entregar un turno para no realizar la fila
tradicional, también se colocarán sillones para esperar turno, el gerente piensa que los clientes en lo
que esperan su turno de pago podrían llevar otra prenda. Esta nueva estructura no cambia el tiempo
promedio que los clientes deben esperan para realizar su pago, el gerente defiende esta propuesta
porque disminuye la variabilidad de espera. Los gerentes de otras sucursales piensan que esta
variabilidad será tan grande como para varias líneas de espera, en años anteriores se tenía una
varianza de por lo menos 83 por cliente. Esta controversia se soluciona utilizando una prueba de
hipótesis con un nivel de significancia de 1%. Se toma una muestra aleatoria de 36 clientes de la nueva
línea de espera, obteniendo una varianza muestral 16 minutos al cuadrado.
No se acepta Ho. El gerente tiene razón, la nueva propuesta disminuye la variabilidad del
tiempo de espera del pago.
TALLER: EN CLASES

Prueba de Hipotesis Clase Semana 12-06-2021

Cargado por

Copyright:

Formatos disponibles

Prueba de Hipotesis Clase Semana 12-06-2021

Cargado por

Información del documento

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

Prueba de Hipotesis Clase Semana 12-06-2021

Cargado por

Copyright:

Formatos disponibles

DEPARTAMENTO DE MATEMATICAS Y ESTADISTICAS

CLASE DE APOYO A LA PRESENCIALIDAD

lo que significa que la media poblacional buscada y la media de una muestra de

No hay diferencia entre el El valor de la muestra es El valor de la muestra es

El cuadro muestra las posibles situaciones a que se enfrenta un analista o investigador al

Hipótesis Nula El investigador o analista El investigador o analista

Del cuadro 8.2 se observa que:

Pruebas con una sola muestra

Prueba de hipótesis para una media poblacional en muestras grandes (n≥30)

4. Establecer la regla de decisión. Como ya se

5. Tomar una decisión. El último paso en una

Paso 5: Tomar la decisión. Como el valor de prueba se encuentra dentro de la zona de

Paso 5: Tomar la decisión. Como el valor de prueba se encuentra dentro de la zona de no

El proceso de producción en ICI Pinturas llena botes de

Prueba de hipótesis para proporciones (muestras grandes)

Paso 5: Tomar la decisión. Como el valor de prueba se encuentra dentro de la zona de no

Paso 5: Tomar la decisión. Como el valor

Empleo del valor p en las pruebas de hipótesis

Pruebas con dos muestras

Los pasos para la realización de esta prueba de

En la planta de ensamble de una empresa automotriz de la

Paso 4: Establecer la regla de decisión. Se debe buscar el valor

El administrador de la Oficina de la Tesorería de la delegación

El administrador se pregunta: ¿Existe diferencia entre los tiempos

La distribución 𝝌𝟐 es la segunda distribución más usada después de la distribución normal, esta se

a) Para determinar si una sola varianza poblacional es igual a un cierto valor.

La diferencia que existe entre la distribución 𝝌𝟐 y la distribución t es la siguiente: la distribución t es

Propiedades más importantes de la 𝝌𝟐

También podría gustarte