Prueba de Hipótesis

Prueba de Hipótesis
Universidad del Norte
Octubre 2024
Universidad del Norte Prueba de Hipótesis Octubre 2024 1 / 85

Contenido
1 Prueba de Hipótesis
2 Hipótesis Nula y Alternativa
3 Errores de Tipo I y II
4 Estadı́stico de Prueba y Región Crı́tica
5 Prueba para la Media
El caso de muestras grandes
El caso de muestra pequeñas
6 Prueba para la Proporción
7 Prueba para la diferencia de dos proporciones
8 Prueba para la diferencia de dos medias
Muestras dependientes
Muestras independientes
Varianzas poblacionales conocidas o desconocidas y muestras grandes
Varianzas poblacionales iguales, desconocidas y muestras pequeñas

Conceptos sobre la prueba de hipótesis
En esta sección, veremos que la información muestral también se puede

utilizar para probar la validez de una afirmación, conjetura o hipótesis
acerca del valor del parámetro de la población.
Ejemplo: Consideremos, a propósito, las siguientes situaciones:

(a) Un empresario afirma que, en promedio, las utilidades mensuales son
por lo menos de $5.000,00. Para verificar esta afirmación se pueden
promediar las utilidades de una muestra aleatoria e inferir el resultado
a partir de la información muestral.
(b) Una papelerı́a recibe un gran cargamento de lapiceros, pero puede
aceptar el envı́o si no hay más de un 3% de lapiceros defectuosos.
Entonces, la decisión sobre la aceptación de la remesa puede basarse
en el examen de una muestra aleatoria de lapiceros.

Definición de Hipótesis Estadı́stica
Una hipótesis estadı́stica es una afirmación cuantitativa acerca de una o

más poblaciones o, lo que es más frecuente, un conjunto de afirmaciones
sobre uno o más parámetros de una o más poblaciones. Las hipótesis
estadı́sticas son de dos tipos: hipótesis nula e hipótesis alternativa.

Hipótesis Nula y Alternativa
Hipótesis nula (H0 ):

Es la hipótesis que se debe comprobar. Es una afirmación que consiste en
negar toda diferencia entre dos poblaciones, entre dos parámetros
poblacionales o entre el valor verdadero de algún parámetro y su valor
hipotético.

Hipótesis Nula y Alternativa
Hipótesis alternativa (H1 ):

Se establece como el ”complemento” de la hipótesis nula y representa la
conclusión cuando H0 se rechaza.
En general, si θ es un parámetro poblacional y k es cualquier número real,

entonces:
La hipótesis alternativa H 1 : θ ̸= k se llama alternativa bilateral.
Las hipótesis alternativas H 1 : θ > k o H 1 : θ < k se llaman
alternativas unilaterales.

Advertencias al Proponer Hipótesis Estadı́sticas
1 La hipótesis nula H0 siempre se refiere a un valor especı́fico del

parámetro de población (como, por ejemplo, µ), no al estadı́stico
muestral (como X̄ ).
2 La expresión de la hipótesis nula siempre contiene un signo igual
respecto al valor especı́fico del parámetro poblacional. Por ejemplo,
H 0 : µ = 36, H 0 : µ ≤ 36, o H 0 : µ ≥ 36.
3 La expresión de la hipótesis alternativa nunca contiene un signo igual
respecto al valor especı́fico del parámetro de población. Por ejemplo,
H1 siempre debe ser de la forma H 1 : µ ̸= 36, H 1 : µ > 36, o
H 1 : µ < 36.

Ejemplo:
Dadas las siguientes situaciones, identifique las hipótesis nula y alternativa

para la hipótesis estadı́stica formulada en cada situación:
(a) Un empresario afirma que el peso medio poblacional (en gramos) de
lapiceros por caja es de por lo menos 300 gramos.
(b) Una empresa decide aceptar envı́os de piezas siempre y cuando no
tenga evidencia para sospechar que más del 4% son defectuosas.
(c) Supongamos que la conjetura de un profesor es que la utilización de
la tecnologı́a no produce diferencias en el promedio de las
calificaciones del examen final.
(d) Como hipótesis de trabajo, un investigador puede considerar que la
propuesta de una nueva ley es acogida de igual forma por hombres y
mujeres.
(e) Un gerente afirma que la variabilidad en las alturas de las botellas
llenadas por cierta máquina es de 0,03 mililitros.

Solución
(a) Sea µ el peso medio poblacional (en gramos) de lapiceros por caja.
La hipótesis nula es H0 : µ ≥ 300 y la alternativa es H1 : µ < 300.
(b) Sea p la proporción poblacional de piezas defectuosas. La hipótesis
nula es H0 : p ≤ 0, 04 y la alternativa es H1 : p > 0, 04.
(c) Sean µ1 y µ2 las calificaciones medias poblacionales para las dos
partes del curso, con y sin uso de la tecnologı́a, respectivamente. La
hipótesis nula es H0 : µ1 − µ2 = 0, y la alternativa unilateral es
H1 : µ1 − µ2 > 0.
(d) Sean p1 y p2 las proporciones poblacionales de personas a favor de la
nueva ley en dos ciudades diferentes. La hipótesis nula es
H0 : p1 − p2 = 0 y la alternativa bilateral es H1 : p1 − p2 ̸= 0.
(e) Si la variabilidad se mide con la desviación estándar σ, entonces la
hipótesis nula es H0 : σ = 0, 03 y la alternativa es H1 : σ ̸= 0, 03.

Errores de Tipo I y Tipo II
Generalmente, se acostumbra a discutir las decisiones con respecto a la

hipótesis nula, presentándose dos posibles decisiones:
1 Aceptar la hipótesis nula (o rechazar la alternativa).
2 Rechazar la hipótesis nula (o aceptar la alternativa).
Para llegar a estas conclusiones, se adopta una regla de decisión basada en
la información muestral. En realidad, la hipótesis nula puede ser verdadera
o falsa. Si aceptamos o rechazamos la hipótesis nula, podemos cometer un
error. Considere los eventos descritos en la tabla:
Decisión sobre H0 H0 es verdadera H0 es falsa
Aceptar H0 Decisión correcta Decisión incorrecta
Rechazar H0 Decisión incorrecta Decisión correcta
Table: Decisiones respecto a la hipótesis nula H0

Definición de los errores
Se comete un Error de Tipo I si rechazamos la hipótesis nula cuando

en realidad es verdadera.
Se comete un Error de Tipo II si aceptamos la hipótesis nula cuando
es falsa.
Las probabilidades de cometer estos errores son:
P(error de tipo I) = P(rechazar H0 |H0 es verdadera) = α

P(error de tipo II) = P(aceptar H0 |H0 es falsa) = β
Donde:
α es el nivel de significancia, también conocido como el grado de
confianza.
1 − β es la potencia de la prueba.

Errores de Tipo I y Tipo II y sus Probabilidades
Decisión sobre H0 H0 es verdadera H0 es falsa

Aceptar H0 Decisión correcta Error de tipo II
Probabilidad 1 − α Probabilidad β
Rechazar H0 Error de tipo I Decisión correcta
Probabilidad α Probabilidad 1 − β
Table: Errores de tipo I y II y sus correspondientes probabilidades

Ejemplo: Procedimiento Médico
Suponga que un nuevo y más caro procedimiento para detectar el cáncer

de mama en las mujeres se está probando con el fin de establecer si es
superior al método usado generalmente. Las hipótesis estadı́sticas son:
H0 : El nuevo método no es mejor que el comúnmente usado.
H1 : El nuevo método es mejor que el comúnmente usado.
Obsérvese que las consecuencias de cometer un error de tipo I
incrementarı́an los costos médicos. En cambio, las de cometer un error de
tipo II serı́an una menor eficacia de la prueba y, posiblemente, una mayor
proporción de muestras por cáncer.

Ejemplo: Juicio Penal
Supongamos que un individuo es juzgado por cierto delito que

supuestamente ha cometido y que se formulan las siguientes hipótesis:
H0 : El individuo es inocente.
H1 : El individuo es culpable.
Los abogados de la fiscalı́a tratan de probar que el individuo es culpable,
es decir, que H1 es verdadera (o que H0 es falsa). Al llegar a su veredicto
final, el jurado debe emitir una decisión correcta o incorrecta. Las
decisiones correctas consisten en que el jurado vote inocente cuando el
individuo es inocente o que vote culpable cuando el individuo es culpable.
Las decisiones incorrectas son que el jurado opte por castigar al acusado
cuando éste es inocente (error de tipo I) o por perdonarlo cuando sea
culpable (error de tipo II).

Esquema de Decisión
La única manera de disminuir simultáneamente las dos probabilidades de

error será obtener más información sobre la verdadera media de la
población, tomando una muestra mayor. Habitualmente, lo que se hace en
la práctica es fijar la probabilidad de cometer un error de tipo I a un nivel
deseado, es decir, se fija el nivel de significancia α. Entonces, esto
determina la regla de decisión adecuada, que, a su vez, determina la
probabilidad de un error de tipo II. Este procedimiento se ilustra en el
siguiente esquema:
El investigador elige un nivel de Se determina Resulta una

significancia una regla probabilidad de
(probabilidad de error de tipo I) de decisión error de tipo II

Estadı́stico de Prueba y Región Crı́tica
Un estadı́stico de prueba es una estadı́stica (es decir, una función que

solo depende de la información muestral) que se utiliza para determinar si
se rechaza, o no, la hipótesis nula.
La Región Crı́tica es el conjunto de todos los valores del estadı́stico de

prueba para los cuales la hipótesis nula será rechazada. Entonces, la
hipótesis nula será rechazada si y solo si el valor observado o calculado
del estadı́stico de prueba se ubica en la región de rechazo.

Cálculo del Estadı́stico de Prueba
El estadı́stico de prueba se determina a partir del parámetro sobre el cual

se hace la hipótesis y la naturaleza de la distribución muestral del
estadı́stico pertinente, como se ilustra en el siguiente ejemplo.
Ejemplo: Supongamos que, de una población distribuida normalmente

con varianza σ 2 , se selecciona una muestra aleatoria simple de tamaño n,
con media x̄ y varianza s 2 .
Además, supongamos que se quiere probar la hipótesis nula H0 : µ = µ0 ,
siendo µ0 un número real dado.

(a) Si σ es conocida, el estadı́stico de prueba que se usa para verificar una
hipótesis sobre la media poblacional es:
x̄ − µ0
Z= √
σ/ n
el cual se distribuye como la distribución normal estándar.

(b) Si σ es desconocida, entonces, bajo ciertas condiciones, el estadı́stico
de prueba que se usa para verificar una hipótesis sobre la media
poblacional es:
x̄ − µ0
t= √
s/ n
el cual se distribuye como la distribución t de Student con n − 1 grados de
libertad.

Ejercicios:
Decida si cada una de las siguientes afirmaciones es realmente una

hipótesis estadı́stica. Explique.
1 H : s 2 ≤ 0.60
2 H : σ1 /σ2 > 1
3 H : X̄1 − X̄2 = 4
4 H : σ > 10
5 H:π=3
6 H : λ ≤ 0.01, donde λ es el parámetro de una distribución
exponencial empleada para un modelo de duración de componentes.

Solución:
1 No es una hipótesis estadı́stica. La razón es que H : s 2 ≤ 0.60 es la

varianza muestral, que se calcula a partir de los datos de una muestra,
mientras que las hipótesis estadı́sticas deben hacer afirmaciones sobre
parámetros poblacionales, no sobre estadı́sticos muestrales.
2 Sı́ es una hipótesis estadı́stica, ya que compara dos parámetros
poblacionales de dispersión (desviaciones estándar).
3 No es una hipótesis estadı́stica, ya que X̄1 − X̄2 = 4 es un valor
muestral, no un parámetro poblacional.
4 Sı́ es una hipótesis estadı́stica, ya que compara un parámetro
poblacional (σ) con un valor especı́fico.
5 No es una hipótesis estadı́stica, ya que π = 3 no representa un
parámetro poblacional de interés en un contexto estadı́stico clásico.
6 Sı́ es una hipótesis estadı́stica, ya que λ es un parámetro poblacional
de una distribución exponencial.

Ejercicios:
Dados los siguientes pares de afirmación, indique cuál no cumple con

nuestras reglas para establecer hipótesis. Explique. Tome en cuenta que
los subı́ndices 1 y 2 distinguen cantidades para dos poblaciones o muestras
diferentes.
1 H0 : µ = 12, H1 : µ = 15
2 H0 : σ1 /σ2 = 1, H1 : σ1 /σ2 ̸= 1

Ejercicios:
Dados los siguientes pares de afirmación, indique cuál no cumple con

nuestras reglas para establecer hipótesis. Explique. Tome en cuenta que
los subı́ndices 1 y 2 distinguen cantidades para dos poblaciones o muestras
diferentes.
1 H0 : µ = 12, H1 : µ = 15
2 H0 : σ1 /σ2 = 1, H1 : σ1 /σ2 ̸= 1
1 Cumple con las reglas, ya que se está comparando la media
poblacional (µ) para dos valores diferentes.
2 Cumple con las reglas, ya que compara las relaciones entre
desviaciones estándar (σ1 /σ2 ) de dos poblaciones.

Ejercicio 1:
Hipótesis:
1 H0 : p1 = p2 = 0.3 H1 : p1 − p2 < −0.3
2 H0 : µ1 = 10 H1 : µ1 ̸= 10
3 H0 : σ12 = σ22 H1 : σ12 ≤ σ22
4 H0 : p = 0.43 H1 : p < 0.43
5 H0 : µ1 − µ2 = 30 H1 : µ1 − µ2 > 30
6 H0 : S12 = S22 H1 : S12 ̸= S22

Solución Ejercicio 1:
1. H0 : p1 = p2 = 0.3 y H1 : p1 − p2 < −0.3

Es una hipótesis estadı́stica, ya que se refiere a la proporción
poblacional.
2. H0 : µ1 = 10 y H1 : µ1 ̸= 10
Es una hipótesis estadı́stica, ya que se refiere a la media
poblacional.
3. H0 : σ12 = σ22 y H1 : σ12 ≤ σ22
Es una hipótesis estadı́stica, ya que se refiere a la varianza
poblacional.

4. H0 : p = 0.43 y H1 : p < 0.43
Es una hipótesis estadı́stica, ya que involucra una proporción
poblacional.
5. H0 : µ1 − µ2 = 30 y H1 : µ1 − µ2 > 30
Es una hipótesis estadı́stica, ya que involucra la diferencia de
medias poblacionales.
6. H0 : S12 = S22 y H1 : S12 ̸= S22
No es una hipótesis estadı́stica, ya que utiliza S12 y S22 , que son
varianzas muestrales, no parámetros poblacionales.

Ejercicio 2:
Antes de realizar la compra de un pedido grande de alambres, una empresa

quiere probar si la desviación estándar del diámetro es menor de 0.03 mm.
¿Qué hipótesis deben probarse y por qué? En este contexto, ¿cuáles son
los errores tipo I y tipo II?

Ejercicio 2:
Antes de realizar la compra de un pedido grande de alambres, una empresa

quiere probar si la desviación estándar del diámetro es menor de 0.03 mm.
¿Qué hipótesis deben probarse y por qué? En este contexto, ¿cuáles son
los errores tipo I y tipo II?
Solución:
Hipótesis:
H0 : σ ≥ 0.03 H1 : σ < 0.03
- Error tipo I: Rechazar H0 cuando en realidad σ ≥ 0.03. - Error tipo II:
No rechazar H0 cuando σ < 0.03.

Ejercicio 3:
Un fabricante de madera utiliza dos tipos de laminado y quiere probar si el

nuevo tipo reduce la deformación en comparación con el actual. Enuncie
las hipótesis y los errores tipo I y II.

Ejercicio 3:
Un fabricante de madera utiliza dos tipos de laminado y quiere probar si el

nuevo tipo reduce la deformación en comparación con el actual. Enuncie
las hipótesis y los errores tipo I y II.
Solución:
Hipótesis:
H0 : µ A = µ B H1 : µA < µB
- Error tipo I: Concluir que el nuevo tipo de laminado es mejor cuando no
lo es. - Error tipo II: No concluir que el nuevo tipo de laminado es mejor
cuando realmente lo es.

Ejercicio 4:
Un psicólogo desea probar si al menos el 45% de los habitantes de una

ciudad sufren de depresión. ¿Cómo podrı́a cometer (a) un error tipo I, (b)
un error tipo II?

Ejercicio 4:
Un psicólogo desea probar si al menos el 45% de los habitantes de una

ciudad sufren de depresión. ¿Cómo podrı́a cometer (a) un error tipo I, (b)
un error tipo II?
Solución:
Hipótesis:
H0 : p ≥ 0.45 H1 : p < 0.45
- Error tipo I: Concluir que menos del 45% de los habitantes sufren
depresión cuando en realidad es más del 45%. - Error tipo II: No concluir
que menos del 45% sufren depresión cuando en realidad es menos.

Ejercicio 5:
Un empresario está interesado en la eficacia de un curso de capacitación

para aumentar la eficiencia de sus empleados. ¿Qué errores tipo I y tipo II
podrı́a cometer si prueba la efectividad del curso?

Ejercicio 5:
Un empresario está interesado en la eficacia de un curso de capacitación

para aumentar la eficiencia de sus empleados. ¿Qué errores tipo I y tipo II
podrı́a cometer si prueba la efectividad del curso?
Solución:
Hipótesis nula (H0 ): El curso de capacitación no es efectivo, es
decir, no aumenta la eficiencia de los empleados.
Hipótesis alternativa (H1 ): El curso de capacitación es efectivo, es
decir, aumenta la eficiencia de los empleados.

Solución Ejercicio 5:
Ahora, consideremos los posibles errores que podrı́a cometer al evaluar el

curso:
Error Tipo I:
Ocurre cuando se rechaza la hipótesis nula (H0 ) cuando en realidad es
verdadera.
En este contexto, significa concluir que el curso de capacitación es
efectivo (aumenta la eficiencia) cuando en realidad no lo es.
Consecuencias: El empresario podrı́a implementar el curso de
capacitación innecesariamente, incurriendo en costos sin obtener
mejoras reales en la eficiencia.

Error Tipo II:
Ocurre cuando no se rechaza la hipótesis nula (H0 ) cuando en
realidad es falsa.
En este contexto, significa concluir que el curso de capacitación no es
efectivo cuando en realidad sı́ lo es.
Consecuencias: El empresario podrı́a abandonar un curso de
capacitación que en realidad podrı́a haber mejorado la eficiencia de
sus empleados, perdiendo ası́ una oportunidad de mejorar el
rendimiento.

Prueba para la media: muestras grandes
Cuando estemos considerando una población normal (con cualquier

tamaño de muestra) o, bien, una población de forma desconocida con
muestras grandes (n ≥ 30) y bajo el supuesto de que la varianza
poblacional es conocida o desconocida, los resultados son los mismos
aunque sea por razones distintas. En estos casos, la distribución muestral
de la media muestral es la distribución normal. Ası́, en cualquiera de los
tres casos siguientes que podemos considerar para la hipótesis nula:
H0 : µ = µ 0 , H0 : µ ≥ µ 0 , H0 : µ ≤ µ 0 ,
el estadı́stico de prueba tiene la forma Z = X̄σ/−µ

√ 0 y la región crı́tica
n
dependerá de cada uno de estos tres casos, como se ilustra en la siguiente
tabla.

Reglas de decisión para la prueba de µ (caso de muestras
grandes)
Tipo de Regla de decisión

hipótesis
H0 : µ ≥ µ0 Z ≤ −Zα , entonces, se rechaza H0 ;
H1 : µ < µ0 de lo contrario, se acepta H0 .
H0 : µ ≤ µ0 Si Z ≥ Zα , entonces, se rechaza H0 ;
H1 : µ > µ0 de lo contrario, se acepta H0 .
H0 : µ = µ0 Si Z ≤ −Zα/2 o Z ≥ Zα/2 , en-
H1 : µ ̸= µ0 tonces, se rechaza H0 ; de lo contrario,
se acepta H0 .

Teorema
Sea X̄ la media de una muestra aleatoria de tamaño n, tomada de una
población con media µ y varianza σ 2 > 0. Supongamos que se cumple
alguna de las siguientes condiciones:
(a) La población es normal y σ 2 es conocida (no importa el tamaño de n).
(b) La población es normal, σ 2 es desconocida y n ≥ 30.
(c) La forma de la población es desconocida (o no normal), σ 2 es
conocida o desconocida y n ≥ 30.
Entonces, una prueba de hipótesis con nivel de significancia α para la
media µ es como se presenta en la tabla anterior, siendo
X̄ − µ0
Z= √
σ/ n
el estadı́stico de prueba correspondiente y Zα/2 el valor de una variable

aleatoria, a la derecha del cual se tiene un área de α/2 en la distribución
normal.
Si la población es finita de
q tamaño N y el muestreo se hace sin reemplazo,
se reemplaza √n por √n N−n
σ σ
N−1 . Además, en los casos en que la varianza
sea desconocida y n ≥ 30, reemplazamos la desviación poblacional σ por la
desviación muestral s.

Ejemplo
Como parte de un proceso de ensamblaje, se usa un taladro para hacer

agujeros en una lámina de metal. Cuando el taladro funciona
adecuadamente, los diámetros de estos agujeros tienen una distribución
normal con media de 2 centı́metros y desviación tı́pica de 0.06 centı́metros.
Periódicamente, se miden los diámetros de una muestra aleatoria de
agujeros para controlar que el taladro funciona según estos parámetros.
Asumamos que la desviación tı́pica no varı́a y que una muestra aleatoria
de seis medidas da un diámetro medio de 1.95 centı́metros. Pruebe la
hipótesis de que la media poblacional es 2 centı́metros frente a una
alternativa de otro valor. Use un nivel de significancia de 0.05.

Solución: Sea µ el diámetro medio poblacional (en centı́metros).
Entonces, queremos contrastar las hipótesis
H0 : µ = 2 versus H1 : µ ̸= 2.
Tenemos que la población es normal, σ = 0.06 (conocida), n = 6 y

x̄ = 1.95. Obsérvese que se cumple el supuesto (a) del teorema. En este
caso, µ0 = 2 y el valor del estadı́stico de prueba está dado por:
x̄ − µ0 1.95 − 2
Z= √ = √ = −2.50
σ/ n (0.06)/ 6
Para una prueba al nivel del 5%, tenemos que α = 0.05 y

Zα/2 = Z0.025 = 1.96. Entonces, como Z = −2.50 es menor que −1.96, se
rechaza la hipótesis nula al nivel de significancia del 5%.

Ejemplo
Una muestra aleatoria de 100 muertes registradas en cierto paı́s durante el

año pasado mostró una vida promedio de 71.8 años. Suponiendo una
desviación estándar poblacional de 8.9 años, ¿podrı́a esto indicar que la
vida promedio hoy en dı́a es mayor que 70 años? Utilice un nivel de
significancia del 5%.

Solución: Sea µ la vida promedio poblacional (en años). En este ejemplo,
se quiere probar la hipótesis:
H0 : µ ≤ 70 versus H1 : µ > 70 años
Debido a que la población es normal (ya que el problema no dice que lo

sea), σ = 8.9 (conocida) y n = 100(≥ 30), entonces, se puede aplicar el
teorema 3.2.1 porque el supuesto (c) de ese teorema se cumple. En este
caso, x̄ = 71.8, µ0 = 70 y el valor del estadı́stico de prueba está dado por:
x̄ − µ0 71.8 − 70
Z= √ = √ = 2.02
σ/ n (8.9)/ 100

Zα = Z0.05 = 1.64. Entonces, como Z = 2.02 es mayor que Zα = 1.64, se
rechaza la hipótesis nula al nivel de significancia del 5%. Es decir, se
concluye que la vida promedio hoy en dı́a es mayor que 70 años.

Prueba para la media: muestras pequeñas
Para cualquiera de los tres casos siguientes que podemos considerar para
la hipótesis nula:
H0 : µ = µ 0 , H0 : µ ≥ µ 0 , H0 : µ ≤ µ 0 ,
el estadı́stico de prueba tiene la forma t = x̄−µ

√ 0 , la distribución a
s/ n
considerar es la t de Student con n − 1 grados de libertad y la región
crı́tica dependerá de cada caso.

Reglas de decisión para la prueba de µ con muestras
pequeñas

hipótesis
H0 : µ ≥ µ0 Si t ≤ −tα , entonces, se rechaza H0 ;
H1 : µ < µ0 de lo contrario, se acepta H0 .
H0 : µ ≤ µ0 Si t ≥ tα , entonces, se rechaza H0 ;
H1 : µ > µ0 de lo contrario, se acepta H0 .
H0 : µ = µ0 Si t ≤ −tα/2 o t ≥ tα/2 , entonces, se
H1 : µ ̸= µ0 rechaza H0 ; de lo contrario, se acepta
H0 .

Teorema
Sean x̄ y s 2 la media y varianza de una muestra aleatoria de tamaño

n < 30, tomada de una población normal con media µ y varianza σ 2
desconocida. Entonces, una prueba de hipótesis con nivel de significancia
α para la media µ es como se presenta en la tabla anterior, siendo
x̄ − µ0
t= √
s/ n
el estadı́stico de prueba correspondiente y tα el valor de una variable

aleatoria t, a la derecha del cual se tiene un área de α/2 en la distribución
t de Student con n − 1 grados de libertad.

q
Si la población es finita de tamaño N, se reemplaza √sn por √sn N−n
N−1 . Es
importante aclarar que cuando la forma de la distribución de la población
es desconocida o es no normal, entonces, no hay ningún método general
para establecer una prueba de hipótesis para la media poblacional µ.

Ejemplo
Un fabricante de drogas dice que el tiempo promedio para que se disuelva

el contenido de cierta droga es de 50 segundos. El gerente de una empresa
competitiva no cree en esto. Por eso, hace una prueba con una muestra al
azar de 20 drogas, calculando una media muestral de 54 segundos y
desviación tı́pica de 15 segundos. En concreto, el gerente desea saber si
puede concluir que el tiempo promedio necesario para que se requiera para
que el contenido se disuelva es mayor que 50 segundos. Utilice un nivel de
significancia de 0.05.

Solución: Sea µ el tiempo promedio poblacional (en segundos) que
necesita la droga para disolverse. Se quiere probar la hipótesis:
H0 : µ ≤ 50 versus H1 : µ > 50
Debido a que la población es no normal (ya que el problema no dice que lo

sea), σ es desconocida (porque el problema no da esta información) y
n = 20(< 30), entonces, se puede aplicar el teorema. Siguiendo con el
ejemplo anterior, tenemos:
x̄ − µ0 54 − 50
t= √ = √ = 1.19
s/ n 15/ 20
Para una prueba al nivel de 0.05, tenemos que

tα (n − 1) = t0.05 (19) = 1.729. Entonces, como t = 1.19 es menor que
t0.05 = 1.729, no se rechaza la hipótesis nula al nivel de significancia de
0.05. Es decir, se concluye que el tiempo promedio poblacional que
necesita la droga para disolverse es menor o igual que 50 segundos.

Ejercicio
Un noticiero afirmó que el gasto promedio de las familias en servicios

públicos es de 95,000 pesos. Un profesor, considerando esta cifra alta,
tomó una muestra de 50 familias y encontró un promedio de 92,250 pesos
con una desviación estándar de 10,000 pesos. Se nos pide probar, con un
nivel de significancia de 0.05, si el gasto real es menor a 95,000 pesos.

Solución:
Hipótesis:
H0 : µ = 95000, H1 : µ < 95000
Estadı́stico de prueba:
X̄ − µ0 92250 − 95000
Z= √ = √ = −1.94
σ/ n 10000/ 50
Decisión: Como Z = −1.94 es menor que el valor crı́tico −1.645,

rechazamos H0 .
Conclusión: Hay suficiente evidencia para afirmar que el gasto promedio
en servicios públicos es menor que 95,000 pesos.

Ejercicio
Las calificaciones de 10 estudiantes en un examen fueron 76, 79, 85, 94,

81, 43, 61, 67, 70 y 74. Suponemos que estas calificaciones provienen de
una población normal. Se desea probar H0 : µ = 70 contra H1 : µ ̸= 70
con un nivel de significancia de 0.05.

Solución:
Hipótesis:
H0 : µ = 70, H1 : µ ̸= 70
Cálculo: El promedio muestral es X̄ = 73.0 y la desviación estándar
muestral es s = 14.08.
Estadı́stico de prueba:
X̄ − µ0 73 − 70
t= √ = √ = 0.67
s/ n 14.08/ 10
Decisión: Como t = 0.67 está dentro del rango −2.262 < t < 2.262,
no rechazamos H0 .
Conclusión: No hay suficiente evidencia para afirmar que la media
poblacional es diferente de 70.

Prueba para la proporción
Suponemos que p̄ es la proporción de éxitos en una muestra aleatoria de

tamaño n, procedente de un población con proporción p éxitos y las
hipótesis que podemos probar para la proporción poblacional p son las
siguientes:
H0 : p = p0 , H0 : p ≥ p0 , H0 : p ≤ p0 .
El estadı́stico de prueba tiene, entonces, la forma
p̄ − p0
Z=q
p0 (1−p0 )
n
y la región crı́tica dependerá de cada uno de estos tres casos, como se

ilustra en la tabla.

Reglas de decisión para la prueba de p (caso de muestras
grandes)

hipótesis
H0 : p ≥ p0 Si Z ≤ −Zα , entonces, se rechaza H0 ;
H1 : p < p0 de lo contrario, se acepta H0 .
H0 : p ≤ p0 Si Z ≥ Zα , entonces, se rechaza H0 ;
H1 : p > p0 de lo contrario, se acepta H0 .
H0 : p = p0 Si Z ≤ −Zα/2 o Z ≥ Zα/2 , en-
H1 : p ̸= p0 tonces, se rechaza H0 ; de lo contrario,
se acepta H0 .

Teorema
Sea p̄ la proporción de éxitos en una muestra aleatoria de tamaño n,

procedente de una población con proporción p éxitos. Supongamos que se
cumple alguna de las dos siguientes condiciones:
(a) n ≥ 30;
(b) np ≥ 5 y n(1 − p) ≥ 5.
proporción p es como se presenta en la tabla 3.5, siendo
p̄ − p0
Z=q
p0 (1−p0 )
n
el estadı́stico de prueba correspondiente y Zα/2 el valor de una variable

normal.

Para el caso de una población finita de tamaño N, debemos reemplazar
q
p0 (1−p0 )
n por la cantidad
r
p0 (1 − p0 ) N − n
.
n N −1

Ejemplo
De una muestra aleatoria de 802 clientes de supermercados, 378 pagaron

sus artı́culos con tarjetas de crédito. Contrástese, al nivel del 10%, la
hipótesis nula de que al menos la mitad de los compradores pagan sus
artı́culos con tarjetas de crédito frente a la alternativa de que la proporción
poblacional es menor de la mitad.

Solución: Sea p la proporción poblacional de compradores que pagan sus
artı́culos con tarjetas de crédito. Queremos probar la hipótesis
H0 : p ≥ 0.50 versus H1 : p < 0.50.

378
En este ejemplo, p0 = 0.50, n = 802 (≥ 30), p̄ = 802 = 0.471. Obsérvese
que puede aplicar el teorema porque el supuesto (a) del teorema se
cumple. En este caso, el valor del estadı́stico de prueba está dado por
p̄ − p0 0.471 − 0.50
Z=q = q = −1.64.
p0 (1−p0 ) (0.50)(0.50)
n 802

Zα = Z0.10 = 1.28. Entonces, como Z = −1.64 es menor que −1.28, se
rechaza la hipótesis nula al nivel de significancia del 10%.

Ejercicios
1 Una determinada empresa afirma que un quinto de las casas en cierta
ciudad tienen servicio de gas. ¿Tenemos razón en dudar de esta
afirmación si, en una muestra aleatoria de 1,000 casas en esta ciudad,
se encuentra que 136 tienen servicio de gas? Utilice un nivel de
significancia de 0.01.
2 En una muestra aleatoria de 998 estudiantes universitarios, el 17.3%
se mostró, en alguna medida, en desacuerdo con la afirmación:
”Todos los estudiantes universitarios deben utilizar uniforme”.
Contraste, al nivel del 5%, la hipótesis nula de que al menos el 25%
de los estudiantes universitarios estarı́an en desacuerdo con dicha
afirmación.
3 De una muestra aleatoria de 199 economistas de cierto paı́s, 104 se
mostraron, en alguna medida, de acuerdo con la afirmación: ”El paı́s
tiene crisis financiera”. Contraste, al nivel de significancia del 10%, la
hipótesis nula de que la mitad de los miembros de esta población
estarı́a de acuerdo con esta afirmación.
Prueba para la diferencia de dos proporciones
Sea p̄1 la proporción de éxitos observada en una muestra aleatoria de

tamaño n1 , procedente de una población con proporción p1 de éxitos, y
sea p̄2 la proporción de éxitos observada en una muestra aleatoria
independiente de tamaño n2 , procedente de una población con proporción
de éxitos p2 . Supongamos que se cumple alguna de las siguientes dos
condiciones:
(a) n1 ≥ 30 y n2 ≥ 30;
(b) n1 p1 ≥ 5, n1 (1 − p1 ) ≥ 5, n2 p2 ≥ 5 y n2 (1 − p2 ) ≥ 5.
diferencia de proporciones p1 − p2 es como se presenta en la tabla 3.6,
siendo, ası́,
p̄1 − p̄2
Z=q
p0 (1−p0 )
n1 + p0 (1−p
n2
0)

el estadı́stico de prueba correspondiente con
n1 p̄1 + n2 p̄2
p0 = .
n1 + n2
En la tabla, Zα/2 es el valor de una variable aleatoria, a la derecha del cual
se tiene un área de α/2 en la distribución normal estándar.

Reglas de decisión para la prueba de p1 − p2

hipótesis
H0 : p1 −p2 ≥0 Si Z ≤ −Zα , entonces, se rechaza H0 ;
H1 : p1 −p2 <0 de lo contrario, se acepta H0 .
H0 : p1 −p2 ≤0 Si Z ≥ Zα , entonces, se rechaza H0 ;
H1 : p1 −p2 >0 de lo contrario, se acepta H0 .
H0 : p1 −p2 =0 Si Z ≤ −Zα/2 o Z ≥ Zα/2 , en-
H1 : p1 −p2 ̸= 0 tonces, se rechaza H0 ; de lo contrario,
se acepta H0 .

Ejemplo
Un rector de cierta universidad afirma que la proporción de hombres con

auto en el campus es mayor a la proporción de mujeres. Un profesor de
estadı́stica se interesa en la afirmación y entrevista aleatoriamente a 100
hombres y a 100 mujeres, encontrando que 34 hombres y 27 mujeres
tienen autos en el campus. ¿Puede concluirse con un nivel del 5% que la
afirmación del rector es falsa?

Solución
Sean p1 y p2 las proporciones poblacionales de hombres y mujeres,

respectivamente, que tienen auto en el campus. Entonces, queremos
contrastar la hipótesis nula
H0 : p 1 − p 2 ≤ 0 versus H1 : p1 − p2 > 0.
Los datos muestrales son:

34 27
n1 = 100, p̄1 = = 0.34, n2 = 100, p̄2 = = 0.27.
100 100
Con estos valores, el estimador común bajo la hipótesis nula es:
n1 p̄1 + n2 p̄2 (100)(0.34) + (100)(0.27)

p0 = = = 0.305.
n1 + n2 100 + 100

y el estadı́stico de prueba está dado por:
p̄1 − p̄2 0.34 − 0.27
Z=q =q = 1.075.
p0 (1−p0 ) p0 (1−p0 ) (0.305)(0.695) (0.305)(0.695)
n1 + n2 100 + 100
Para una prueba, al nivel del 5%, tenemos que α = 0.05 y

Zα = Z0.05 = 1.64. Entonces, como Z = 1.075 es menor que Zα = 1.64,
al nivel de significancia del 5%, no se rechaza la hipótesis nula de que la
proporción de hombres que tienen auto en el campus es menor o igual a la
proporción de mujeres que se hallan en la misma circunstancia. Es decir,
los datos muestran que la afirmación del rector es falsa.

Ejemplo
De una muestra aleatoria de 203 anuncios publicados en revistas

colombianas, 52 eran de deportes. Mientras que, de otra muestra aleatoria
independiente de 270 anuncios publicados en revistas brasileras, 56 eran de
deportes. Usando un nivel del 5%, contrástese frente a una alternativa
bilateral, la hipótesis nula de que las proporciones de anuncios deportivos
de las revistas colombianas y brasileras son iguales.

Solución: Denotemos por p1 y p2 las proporciones poblacionales de
anuncios deportivos en revistas colombianas y brasileras, respectivamente.
Entonces, queremos contrastar la hipótesis nula:
H0 : p 1 − p 2 = 0 versus H1 : p1 − p2 ̸= 0.
En este ejemplo,
52 56
n1 = 203, p̄1 = = 0.256, n2 = 270, p̄2 = = 0.207.
203 270
Con esto, el estimador común bajo la hipótesis nula es:
n1 p̄1 + n2 p̄2 (203)(0.256) + (270)(0.207)

p0 = = = 0.228.
n1 + n2 203 + 270

El estadı́stico de prueba está dado por:
p̄1 − p̄2 0.256 − 0.207
Z=q =q = 1.26.
p0 (1−p0 ) p0 (1−p0 ) (0.228)(0.772) (0.228)(0.772)
n1 + n2 203 + 270

Zα/2 = Z0.025 = 1.96. Entonces, como Z = 1.26 es menor que
Zα/2 = 1.96, no se rechaza la hipótesis nula de que las proporciones
poblacionales de anuncios deportivos en las revistas colombianas y
brasileras son las mismas.

Ejercicios
Se realizó un estudio para determinar si los trabajadores de una

determinada empresa 1 tienen la misma preferencia que los de otra
empresa 2 por uno de entre dos planes de salud, A y B, hallándose que de
300 trabajadores de la empresa 1, elegidos al azar, 171 preferı́an el plan A;
mientras que, de 236 trabajadores de la empresa 2, elegidos al azar, 40
preferı́an el plan B. Con α = 0.05, determine si hay una diferencia
significativa entre los porcentajes de trabajadores de cada empresa que
prefieren el plan A en cada uno de los grupos.

En un experimento para determinar si las mujeres son más cooperadoras
que los hombres respondiendo a cuestionarios de entrevistadores puerta
por puerta, los resultados siguientes indican el número de personas de
cada sexo que cooperó con el entrevistador:
n x
Hombres 175 97
Mujeres 250 143
(a) Pruebe si existe una diferencia entre las proporciones de hombres y

mujeres que cooperaron con los entrevistadores puerta por puerta.
Use α = 0.01.
(b) Construya un intervalo del 99% de confianza para la diferencia entre
las verdaderas proporciones de hombre y mujeres que cooperaron con
los entrevistadores. Interprete su respuesta.

Ejercicios
Un director de recursos humanos decide investigar la percepción de los

empleados sobre la equidad de dos métodos de evaluación del desempeño.
Para probar las diferencias entre los dos métodos, se asignaron al azar 160
empleados para ser evaluados con uno de los métodos: 78 se asignaron al
método 1, donde los individuos proporcionan retroalimentación al
supervisor como parte del proceso de autoevaluación; 82 se asignaron al
método 2, donde los individuos aportan la autoevaluación de su
desempeño. Después de las evaluaciones, se preguntó a los empleados si
consideraban justa o injusta la evaluación del desempeño. De los 78
empleados del método 1, 63 dijeron que era justa y 49 de los 82
empleados en el método 2 lo afirmaron igualmente. Con 0.05 de nivel de
significancia, ¿existen indicios de una diferencia significativa entre los dos
métodos en cuanto a la proporción de los que dijeron que era justo?

Prueba para la diferencia de dos medias
Datos pareados (muestras dependientes)

Un equipo médico midió el nivel de cierto producto quı́mico en la sangre
de 15 sujetos antes y después afrontar una situación que producı́a
ansiedad. La tabla muestra los resultados. Con base en esos datos y al
nivel de 0.05, verifı́quese si las situaciones que producen ansiedad
aumentan el nivel del producto quı́mico en la sangre.

Ansiedad aumenta el nivel de este producto quı́mico en la sangre.
Suponga que las poblaciones en cuestión están normalmente distribuidas.
Antes: (yi )
Después (xi )
Par 1 2 3 4 5 6 7 8 9 10
(yi ) 8 15 20 18 12 10 22 18 7 14
(xi ) 28 10 15 14 12 21 25 22 11 16
Par 11 12 13 14 15
(yi ) 7 20 9 17 14
(xi ) 10 27 10 22 24

Solución
Denotemos por µantes y µdespués las medias poblacionales de las medidas
del nivel quı́mico en la sangre, respectivamente, antes y después de haber
sido sometidos los sujetos a una situación que produce ansiedad. Sea
µ := µdespués − µantes . Entonces, queremos contrastar la hipótesis nula
H0 : µ ≤ 0 versus H1 : µ > 0.
Sea di = xi − yi las diferencias muestrales entre los valores obtenidos

después y antes del experimento, que se encuentran en la siguiente tabla:
Par 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
di 20 −5 −5 −4 0 11 3 4 −5 −2 −2 10 1 5 10
Además, sean:
Pn
¯2 di2 − ( di )2
P P
d1 + · · · + dn − d)
i=1 (di n
d¯ = , sd2 = =
n n−1 n(n − 1)
la media y varianza de las diferencias di . De donde obtenemos que:
56 15(816) − (56)2
q
d¯ = = 3.73, sd2 = = 43.35, sd = sd2 = 6.58.
15 (15)(14)
Por consiguiente, como la población de las diferencias está normalmente

distribuida, la desviación poblacional de las diferencias es desconocida y
n = 15 es menor que 30, entonces, la distribución muestral que
utilizaremos será la t de Student con n − 1 grados de libertad. El
estadı́stico de prueba tendrá valor:
d¯ − 0 3.73
t= √ = √ = 2.20.
sd / n 6.58/ 15
Y, debido a que t0.05 = 1.7613 con n − 1 = 14 grados de libertad,

rechazamos H0 . Por lo tanto, al nivel de 0.05, podemos concluir que las
situaciones causantes de ansiedad aumentan el nivel de ese producto en la
sangre.

Prueba para la diferencia de Medias: Muestras
independientes
Primer caso: varianzas poblacionales conocidas o desconocidas y

muestras grandes
Las hipótesis que podemos probar para la diferencia de dos medias
poblacionales µ1 y µ2 son las siguientes:
H 0 : µ1 − µ2 ≥ d0 , H0 : µ1 − µ2 ≤ d0 , H 0 : µ1 − µ 2 = d0 .
El estadı́stico de prueba tiene, entonces, la forma:
(x̄1 − x̄2 ) − d0
Z= q 2 .
σ1 σ22
n1 + n2
La región crı́tica dependerá de cada uno de los tres casos antes propuestos,
como se muestra en la tabla.

Reglas de decisión para la prueba de µ1 − µ2 (varianzas
conocidas)
Tipo de hipótesis Regla de decisión

H0 : µ 1 − µ 2 ≥ d 0 Si Z ≤ −Zα , entonces, se rechaza H0 ;
H1 : µ1 − µ2 < d0 de lo contrario, se acepta H0 .
H0 : µ 1 − µ 2 ≤ d 0 Si Z ≥ Zα , entonces, se rechaza H0 ;
H1 : µ1 − µ2 > d0 de lo contrario, se acepta H0 .
H0 : µ 1 − µ 2 = d 0 Si Z ≤ −Zα/2 o Z ≥ Zα/2 , en-
H1 : µ1 − µ2 ̸= d0 tonces, se rechaza H0 ; de lo contrario,
se acepta H0 .

Teorema
Sean X̄1 y X̄2 las medias de muestras aleatorias independientes de
tamaños n1 y n2 referidas a poblaciones con medias µ1 , µ2 y varianzas σ12 ,
σ22 , respectivamente. Supongamos que se cumple alguna de las siguientes
condiciones:
(a) Ambas poblaciones son normales y ambas varianzas poblacionales σ12
y σ22 son conocidas.
(b) Ambas poblaciones son desconocidas o no normales, ambas varianzas
poblacionales σ12 y σ22 son conocidas o desconocidas y n1 ≥ 30,
n2 ≥ 30.
diferencia µ1 − µ2 es como se presenta en la tabla 3.8, siendo
(X̄1 − X̄2 ) − d0
Z= q 2
σ1 σ22
n1 + n2

el estadı́stico de prueba correspondiente y Zα/2 , el valor de una variable
normal.
En el caso en que las varianzas poblacionales son desconocidas, utilizamos
las desviaciones muestrales respectivas como estimación de las
correspondientes desviaciones poblacionales.

Ejemplo
Se llevó a cabo un estudio entre expertos matemáticos para conocer su

opinión sobre las mujeres matemáticas. Se les pidió que evaluaran en una
escala de 1 (totalmente en desacuerdo) a 5 (totalmente de acuerdo) la
afirmación: ”Las mujeres matemáticas tienen la misma oferta de trabajo
que los hombres”. Para una muestra aleatoria de 186 hombres de esta
profesión, la respuesta media fue de 4.059 con una desviación tı́pica de
0.839. Para una muestra aleatoria independiente de 172 mujeres
matemáticas, la respuesta media fue 3.680 con una desviación tı́pica de
0.966. Utilı́cese un nivel de significancia del 5% para contrastar la
hipótesis nula de que las dos medias poblacionales son iguales frente a la
alternativa de que ambas sean diferentes.

Solución: Sean µ1 y µ2 las respectivas medias poblacionales de hombres y
mujeres matemáticas. Queremos contrastar la hipótesis:
H 0 : µ1 − µ2 = 0 versus H1 : µ1 − µ2 ̸= 0.
Tenemos que:
n1 = 186, x̄1 = 4.059, s1 = 0.839
n2 = 172, x̄2 = 3.680, s2 = 0.966.
Observamos que podemos aplicar el teorema. En este caso, d0 = 0 y el
valor del estadı́stico

El estadı́stico de prueba está dado por:
(X̄1 − X̄2 ) − d0 (4.059 − 3.680) − 0

Z= q 2 2
= q = 3.95.
s1 s2 0.8392 0.9662
n1 + n2 186 + 172

Zα/2 = Z0.025 = 1.96. Entonces, como Z = 3.95 es mayor que
Zα/2 = 1.96, se rechaza la hipótesis nula al nivel de significancia del 5%.
Por lo tanto, estos datos sugieren que la respuesta media en la población
es mayor para los hombres que para las mujeres. Es decir, en promedio, los
hombres tienen más confianza que las mujeres en que a las mujeres se les
ofrecen las mismas ofertas de trabajo que a los hombres.

Segundo caso: varianzas poblacionales iguales, desconocidas y
muestras pequeñas
Ahora, trataremos el caso en el cual los tamaños muestrales no son
grandes y las varianzas poblacionales son iguales pero desconocidas. Ası́,
para probar cada una de las siguientes hipótesis nulas:
H 0 : µ1 − µ2 = d0 , H0 : µ1 − µ2 ≥ d0 , H 0 : µ1 − µ 2 ≤ d0 ,
el estadı́stico de prueba tiene la forma:
(X̄1 − X̄2 ) − d0
t=r
s 2 n11 + n12
y corresponde al valor de una variable aleatoria que tiene distribución t de

Student con ν = n1 + n2 − 2 grados de libertad.

De modo que, en la expresión anterior,
(n1 − 1)s12 + (n2 − 1)s22

s2 =
n1 + n2 − 2
es la llamada varianza muestral combinada y corresponde a un
estimador insesgado de la varianza poblacional común (compárese con el
ejercicio 30 del capı́tulo 2). Nuevamente, la región crı́tica dependerá de
cada uno de estos tres casos, como se ilustra en la tabla.

Reglas de decisión para la prueba de µ1 − µ2 (varianzas
desconocidas)
Tipo de hipótesis Regla de decisión

H0 : µ 1 − µ 2 ≥ d 0 Si t ≤ −tα , entonces, se rechaza H0 ;
H1 : µ1 − µ2 < d0 de lo contrario, se acepta H0 .
H0 : µ 1 − µ 2 ≤ d 0 Si t ≥ tα , entonces, se rechaza H0 ;
H1 : µ1 − µ2 > d0 de lo contrario, se acepta H0 .
H0 : µ 1 − µ 2 = d 0 Si t ≤ −tα/2 o t ≥ tα/2 , entonces, se
H1 : µ1 − µ2 ̸= d0 rechaza H0 ; de lo contrario, se acepta
H0 .

Teorema
Sean X̄1 y X̄2 las medias de muestras aleatorias independientes de

tamaños n1 < 30 y n2 < 30 de poblaciones normales con medias µ1 , µ2 y
varianzas σ12 , σ22 iguales y desconocidas. Entonces, una prueba de hipótesis
con nivel de significancia α para la diferencia de medias µ1 − µ2 es como
se presenta en la tabla 3.9, siendo
(X̄1 − X̄2 ) − d0
t=r
s 2 n11 + n12
el estadı́stico de prueba correspondiente. De manera que, en la expresión

anterior,
(n1 − 1)s12 + (n2 − 1)s22
s2 =
n1 + n2 − 2

Además, tα/2 es el valor de una variable aleatoria que tiene distribución t
de Student con ν = n1 + n2 − 2 grados de libertad, a la derecha del cual
se tiene un área de α/2 en esta distribución.

Ejemplo
Se llevó a cabo un estudio que pretendı́a valorar el efecto de la presencia

de un moderador sobre el número de ideas generadas por un grupo. Se
observaron cuatro miembros, con y sin moderadores. Para una muestra
aleatoria de cuatro grupos con moderador, el número medio de ideas
generadas por grupo fue de 78, con una desviación tı́pica de 24.4. Al
mismo tiempo, para una muestra aleatoria independiente de cuatro grupos
sin moderador, el número medio de ideas generadas por grupo fue de 63.5,
con una desviación tı́pica de 20.2. Asumiendo que las distribuciones
poblacionales son normales con igual varianza, contrástese la hipótesis
nula de que las medias poblacionales son iguales frente a la alternativa de
que la verdadera media es mayor para los grupos con moderador. Use un
nivel de significancia del 10%.

Solución: Sean µ1 y µ2 las respectivas medias poblacionales para los
grupos con y sin moderador. Queremos contrastar la hipótesis
H 0 : µ1 − µ2 = 0 versus H1 : µ1 − µ2 > 0.
Tenemos, ası́, que:
n1 = 4, x̄1 = 78.0, s1 = 24.4;
n2 = 4, x̄2 = 63.5, s2 = 20.2.
Observemos que podemos aplicar el teorema 3.5.5. En este caso, d0 = 0 y
la varianza poblacional común se estima como:
(n1 − 1)s12 + (n2 − 1)s22 (3)(24.4)2 + (3)(20.2)2
s2 = = = 501.7.
n1 + n2 − 2 4+4−2
Además, el valor del estadı́stico de prueba está dado por:
(X̄1 − X̄2 ) − d0 (78.0 − 63.5) − 0
t=r = q 501.7 501.7 = 0.915.
s 2 n11 + n12 4 + 4

Prueba de Hipótesis

Cargado por

Copyright:

Formatos disponibles

Prueba de Hipótesis

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Prueba de Hipótesis

Cargado por

Copyright:

Formatos disponibles

Prueba de Hipótesis

Universidad del Norte

Universidad del Norte Prueba de Hipótesis Octubre 2024 1 / 85

Universidad del Norte Prueba de Hipótesis Octubre 2024 2 / 85

En esta sección, veremos que la información muestral también se puede

Ejemplo: Consideremos, a propósito, las siguientes situaciones:

Universidad del Norte Prueba de Hipótesis Octubre 2024 3 / 85

Una hipótesis estadı́stica es una afirmación cuantitativa acerca de una o

Universidad del Norte Prueba de Hipótesis Octubre 2024 4 / 85

Hipótesis nula (H0 ):

Universidad del Norte Prueba de Hipótesis Octubre 2024 5 / 85

Hipótesis alternativa (H1 ):

En general, si θ es un parámetro poblacional y k es cualquier número real,

Universidad del Norte Prueba de Hipótesis Octubre 2024 6 / 85

1 La hipótesis nula H0 siempre se refiere a un valor especı́fico del

Universidad del Norte Prueba de Hipótesis Octubre 2024 7 / 85

Dadas las siguientes situaciones, identifique las hipótesis nula y alternativa

Universidad del Norte Prueba de Hipótesis Octubre 2024 8 / 85

Universidad del Norte Prueba de Hipótesis Octubre 2024 9 / 85

Generalmente, se acostumbra a discutir las decisiones con respecto a la

Universidad del Norte Prueba de Hipótesis Octubre 2024 10 / 85

Se comete un Error de Tipo I si rechazamos la hipótesis nula cuando

P(error de tipo I) = P(rechazar H0 |H0 es verdadera) = α

Universidad del Norte Prueba de Hipótesis Octubre 2024 11 / 85

Decisión sobre H0 H0 es verdadera H0 es falsa

Universidad del Norte Prueba de Hipótesis Octubre 2024 12 / 85

Suponga que un nuevo y más caro procedimiento para detectar el cáncer

Universidad del Norte Prueba de Hipótesis Octubre 2024 13 / 85

Supongamos que un individuo es juzgado por cierto delito que

Universidad del Norte Prueba de Hipótesis Octubre 2024 14 / 85

La única manera de disminuir simultáneamente las dos probabilidades de

El investigador elige un nivel de Se determina Resulta una

Universidad del Norte Prueba de Hipótesis Octubre 2024 15 / 85

Un estadı́stico de prueba es una estadı́stica (es decir, una función que

La Región Crı́tica es el conjunto de todos los valores del estadı́stico de

Universidad del Norte Prueba de Hipótesis Octubre 2024 16 / 85

El estadı́stico de prueba se determina a partir del parámetro sobre el cual

Ejemplo: Supongamos que, de una población distribuida normalmente

Universidad del Norte Prueba de Hipótesis Octubre 2024 17 / 85

el cual se distribuye como la distribución normal estándar.

Universidad del Norte Prueba de Hipótesis Octubre 2024 18 / 85

Decida si cada una de las siguientes afirmaciones es realmente una

Universidad del Norte Prueba de Hipótesis Octubre 2024 19 / 85

1 No es una hipótesis estadı́stica. La razón es que H : s 2 ≤ 0.60 es la

Universidad del Norte Prueba de Hipótesis Octubre 2024 20 / 85

Dados los siguientes pares de afirmación, indique cuál no cumple con

Universidad del Norte Prueba de Hipótesis Octubre 2024 21 / 85

Dados los siguientes pares de afirmación, indique cuál no cumple con

Universidad del Norte Prueba de Hipótesis Octubre 2024 21 / 85

Universidad del Norte Prueba de Hipótesis Octubre 2024 22 / 85

1. H0 : p1 = p2 = 0.3 y H1 : p1 − p2 < −0.3

Universidad del Norte Prueba de Hipótesis Octubre 2024 23 / 85

Universidad del Norte Prueba de Hipótesis Octubre 2024 24 / 85

Antes de realizar la compra de un pedido grande de alambres, una empresa

Universidad del Norte Prueba de Hipótesis Octubre 2024 25 / 85

Antes de realizar la compra de un pedido grande de alambres, una empresa

Universidad del Norte Prueba de Hipótesis Octubre 2024 25 / 85

Un fabricante de madera utiliza dos tipos de laminado y quiere probar si el

Universidad del Norte Prueba de Hipótesis Octubre 2024 26 / 85